Los datos incompletos, duplicados o desactualizados pueden limitar la capacidad de la inteligencia artificial para generar resultados confiables dentro de las empresas. Las organizaciones aceleran la incorporación de inteligencia artificial (IA) para analizar información, automatizar tareas y apoyar la toma de decisiones, pero la efectividad de estas herramientas no depende únicamente de la tecnología utilizada.
La calidad, el contexto y la gobernanza de los datos se han convertido en factores determinantes. Una herramienta puede procesar miles de registros en segundos, pero esa velocidad pierde valor cuando trabaja con información incorrecta o con conceptos que tienen significados diferentes dentro de una misma organización.
Un ejemplo es el término “ventas”, que puede referirse a pedidos recibidos, productos entregados, facturas emitidas, ingresos reconocidos o pagos cobrados. Si las áreas de una compañía no comparten una misma definición, la IA podría producir una respuesta aparentemente correcta que no resuelva la necesidad planteada.
Cristóbal Vergara, director de la región Andina, Centroamérica y Caribe de SAP, explica que la inteligencia artificial empresarial no puede operar de manera confiable con datos sin contexto. Antes de permitir que un agente de IA recomiende o ejecute una acción, las empresas deben asegurarse de que comprenda el significado y las relaciones de los datos, así como las reglas que debe respetar.
El estudio Caracterización del Sector TIC Costa Rica 2025, elaborado por PROCOMER, encontró que el 76% de las empresas utiliza herramientas de IA generativa o agentes digitales para apoyar sus operaciones. Sin embargo, apenas el 9% dispone de políticas formales para gobernar su utilización, lo que evidencia que la incorporación de estas tecnologías puede avanzar con mayor rapidez que los controles necesarios para administrarlas.
Otro desafío aparece cuando la información de clientes, empleados, productos y proveedores se encuentra distribuida entre diferentes sistemas. Un mismo cliente puede figurar con nombres distintos en los departamentos de Ventas, Finanzas y Servicio, mientras una dirección puede estar actualizada en una aplicación y desactualizada en otra.
Cuando la IA utiliza información fragmentada para recomendar o ejecutar acciones, estas inconsistencias pueden provocar previsiones equivocadas, seleccionar al proveedor incorrecto, aplicar políticas desactualizadas o incluso realizar una acción sobre el cliente equivocado. El riesgo aumenta cuando la inteligencia artificial deja de limitarse al análisis y comienza a ejecutar procesos empresariales.
Por esta razón, una estrategia empresarial de inteligencia artificial también debe contemplar la calidad de la información, definiciones compartidas, permisos, gobernanza y mecanismos para revisar cómo se generan las decisiones. Antes de ampliar el uso de la IA, SAP recomienda que las organizaciones determinen si existe una definición común de sus principales indicadores, identifiquen registros duplicados de clientes y proveedores y conozcan el origen y las modificaciones de sus datos.
