¿Tus datos están listos para trabajar con IA?
Contenido del curso
Inteligencia Artificial: De Generativa a Agéntica
El Factor Humano y la Resistencia
Hoja de Ruta y Ejecución enfocada en ROI
¿Tus datos están listos para trabajar con IA?
¿Tus datos están listos para trabajar con IA?
Contenido del curso
Gabriel Obregón
Rubens A. Rangel Gomez
camilo plata
MARIA TERESA PANIAGUA RIVERA
Marcos Sarmiento Loarte
José Fernando Cajías Cueto
José Mauricio Escobar Rodríguez
Javier Ramos
Juan Pablo Herran Otalvaro
🧠✨ PREPARACIÓN DE DATOS PARA IMPLEMENTAR IA ✨🧠
━━━━━━━━━━━━━━━━━━━
🚨 La mayoría de los proyectos de Inteligencia Artificial NO fracasan por la tecnología.
❌ El verdadero problema suele ser:
➡ Datos desorganizados ➡ Sistemas desconectados ➡ Mala calidad de información
✅ Antes de implementar IA se deben evaluar 3 pilares fundamentales:
1️⃣ 📂 Disponibilidad e integración de datos
2️⃣ 🧹 Calidad de datos
3️⃣ ⚖️ Ética y cumplimiento normativo
━━━━━━━━━━━━━━━━━━━
⚠️ ¿POR QUÉ FRACASAN LOS PROYECTOS DE IA?
🚫 Problemas más frecuentes
🔻 Datos desordenados.
🔻 Información duplicada.
🔻 Sistemas aislados.
🔻 Falta de responsables.
🔻 Ausencia de trazabilidad.
💡 IDEA CLAVE
🤖 La IA depende completamente de datos organizados y conectados.
⚠️ Si la información es caótica:
➡ La IA produce resultados poco confiables. ➡ Los análisis pierden precisión. ➡ Las decisiones pueden ser erróneas.
━━━━━━━━━━━━━━━━━━━
1️⃣ 📂 DISPONIBILIDAD DE LOS DATOS
❓ Pregunta central
💬 “¿Dónde están los datos y quién los controla?”
🚨 Problema principal: SILOS DE INFORMACIÓN
Cada área guarda información por separado.
📁 Ejemplos típicos
📊 Ventas → un sistema.
📦 Inventario → archivos aislados.
👥 Clientes → hojas personales.
🔻 CONSECUENCIA
⚠️ Existen múltiples versiones de la misma realidad.
➡ Diferentes números. ➡ Información inconsistente. ➡ Falta de coordinación.
🤖 IMPACTO EN LA IA
La IA necesita combinar información de múltiples áreas:
✅ Ventas.
✅ Clientes.
✅ Logística.
✅ Inventario.
✅ Estacionalidad.
❌ Si los sistemas NO están integrados:
🚫 La IA solo analiza fragmentos incompletos.
🚫 Las predicciones pierden precisión.
🚫 Las decisiones automáticas se vuelven riesgosas.
✅ SOLUCIONES
✔ Definir responsables de datos.
✔ Crear formatos comunes.
✔ Integrar información entre áreas.
✔ Centralizar registros importantes.
━━━━━━━━━━━━━━━━━━━
2️⃣ 🧹 CALIDAD DE LOS DATOS
📌 PRINCIPIO FUNDAMENTAL
💬 “Si los datos son incorrectos, el resultado también lo será.”
🧩 EJEMPLO CLÁSICO
⚠️ Un mismo cliente aparece registrado con distintos nombres.
🔻 RESULTADO
❌ Análisis duplicados.
❌ Errores de interpretación.
❌ Información fragmentada.
❌ Decisiones equivocadas.
🔎 4 PREGUNTAS CLAVE
✅ ¿Los datos están completos?
➡ ¿Falta información importante?
✅ ¿Son consistentes?
➡ ¿Los datos coinciden entre sistemas?
✅ ¿Están actualizados?
➡ ¿La información sigue vigente?
✅ ¿Se puede rastrear su origen?
➡ ¿Sabemos de dónde salió el dato?
━━━━━━━━━━━━━━━━━━━
📍 AUDITABILIDAD
🧠 ¿Qué significa?
Es la capacidad de identificar:
✔ De dónde viene un dato.
✔ Quién lo registró.
✔ Cómo fue modificado.
✔ Cuándo ocurrió el cambio.
⚠️ SIN AUDITABILIDAD
🚫 No se puede confiar plenamente en la IA.
🚫 Los errores son difíciles de detectar.
🚫 Aumenta el riesgo operativo.
━━━━━━━━━━━━━━━━━━━
3️⃣ ⚖️ ÉTICA Y CUMPLIMIENTO
🚨 El pilar más ignorado
Las empresas deben cumplir normas legales al utilizar datos de:
👥 Clientes.
👨💼 Empleados.
🏢 Proveedores.
💡 IDEA CLAVE
💬 “No basta con conocer las normas; los sistemas deben estar diseñados para cumplirlas.”
❓ PREGUNTAS CRÍTICAS
🔹 ¿Qué datos personales se almacenan?
🔹 ¿Existe consentimiento documentado?
🔹 ¿Se pueden eliminar datos si el cliente lo solicita?
🚨 RIESGOS SI NO SE CUMPLE
⚠️ Sanciones legales.
⚠️ Pérdida de confianza.
⚠️ Problemas regulatorios.
⚠️ Daño reputacional.
━━━━━━━━━━━━━━━━━━━
📈 MADUREZ DIGITAL
🧠 ¿Qué representa?
Los 3 pilares reflejan el nivel de madurez organizacional.
📍 SITUACIÓN COMÚN
Muchas empresas latinoamericanas se encuentran en etapas:
🔸 Iniciales.
🔸 Básicas.
🔸 Poco integradas.
✅ ASPECTO POSITIVO
Reconocer el estado actual permite:
✔ Diagnosticar problemas.
✔ Priorizar mejoras.
✔ Construir bases sólidas.
✔ Prepararse para implementar IA correctamente.
La mayoría de proyectos de IA no fracasan por la IA. Fracasan por la empresa. y falta de datos organizados
Gracias
a q se refiere que si puedo eliminar datos del cliente si me lo piden?
Para implementar procesos IA en una organización debe cumplirse tres condiciones:
Diponibilidad: Contar con datos estructurados, integrados y accesibles.
Calidad: Se debe contar con datos completos, consistentes, actuales y auditables.
Ética y cumplimiento: Tener datos en sintonía con marcos regulatorios.
Estos pilares son dimensiones de madurez.
Si el diagnóstico no es favorable, es un punto de partida.
La calidad de datos se mide verificando si están completos, si son consistentes entre sistemas, si son actuales y si son auditables.
Para recordar
La calidad de los datos se mide verificando si estan completos, si son consistentes entre sistemas , si son actuales y si son auditables
¿Dónde encaja la gobernanza de datos aquí?
Es el cimiento invisible de todo el proyecto. Sin gobernanza, tienes un montón de archivos Excel desordenados; con ella, tienes un activo estratégico listo para ser procesado.
Consiste en crear políticas claras: quién crea el dato, cómo se actualiza y dónde se almacena. Es un cambio cultural más que una simple actualización de servidores.