Antes de implantar IA
La IA hereda todos los errores de tus datos.
Antes de implantar inteligencia artificial hay que saber si los datos que la van a alimentar aguantan. Para eso está el diagnóstico: es el preoperatorio. No implementamos IA sin él, porque un piloto que falla por los datos cuesta mucho más que comprobarlo antes.
Por qué fallan los proyectos de IA.
Casi nunca por el modelo. Fallan porque el dato no existe o no tiene la granularidad necesaria, porque cada área lo define a su manera, o porque nadie tiene autoridad sobre él. El proveedor enseña la demo con datos de juguete; el problema aparece cuando se conecta a los tuyos.
La regla de las 3D.
- Dato: ¿existe, con qué calidad, con cuánto histórico y con qué restricciones de privacidad?
- Definición: ¿hay una única forma de calcularlo, acordada entre negocio y técnica?
- Dueño: ¿hay alguien con autoridad para decidir sobre él y alguien que responda de su implementación?
- La iniciativa que no tiene las tres es una idea huérfana: se descarta o se pone en orden antes de gastar un euro.
El Semáforo de Viabilidad.
Cada iniciativa de IA queda en una de tres casillas —se puede hoy, requiere cimientos o se descarta— con el motivo técnico por escrito. Las que requieren cimientos se convierten en una línea de presupuesto justificada con tu propio dato.
Después, quién la construye.
Tu equipo, un partner o nuestros ingenieros. La cuota de CDO externo supervisa que lo que se construye sea lo que se decidió, y que cumpla con RGPD, Data Act y AI Act desde el diseño.
Preguntas frecuentes
- ¿Cómo sé si mis datos están preparados para la IA?
- Pasando cada iniciativa por tres preguntas: si el dato existe con la calidad y el histórico necesarios, si hay una única definición acordada y si alguien tiene autoridad sobre él. Si falla cualquiera de las tres, el proyecto de IA heredará el problema.
- ¿Por qué fracasan los pilotos de IA en las empresas?
- En la mayoría de los casos por los datos, no por el modelo: datos que no existen con la granularidad necesaria, métricas definidas de forma distinta por cada área o nadie con autoridad para decidir. Y las demos de proveedor se hacen con datos de prueba, que nunca tienen esos problemas.
- ¿Puedo usar datos personales para entrenar o alimentar una IA?
- Depende de la base legal, de la finalidad y de en qué capa esté el dato: identificable, seudonimizado, anonimizado o agregado. Muchos casos de uso funcionan con datos agregados o anonimizados, que reducen el riesgo de forma drástica. Lo legal lo firma tu asesoría; el diseño técnico para cumplirlo es parte del trabajo.