Con una arquitectura de datos clara, la IA resulta eficaz

E3 Magazine: Señor Hermanns, la inteligencia artificial ocupa un lugar central en el nuevo mundo de SAP. ¿Qué importancia tiene actualmente la inteligencia artificial para las empresas?

Lars Hermanns: La inteligencia artificial se ha convertido en una cuestión estratégica para las empresas. La presión para abordar la IA ha aumentado considerablemente, en parte debido a las actividades de grandes proveedores de software como SAP, que amplían cada vez más sus soluciones con funcionalidades de IA. Al mismo tiempo, observamos una gran disposición a invertir por parte de nuestros clientes. La IA se considera un componente imprescindible de los modelos de negocio del futuro.

E3: ¿En qué punto se encuentran las empresas en cuanto a la aplicación práctica?

Hermanns: Muchas empresas ya utilizan la IA de forma puntual, por ejemplo, para facilitar los análisis o automatizar procesos concretos. Sin embargo, la integración generalizada es poco frecuente. A menudo vemos proyectos piloto o casos de uso aislados, pero falta una estrategia a nivel de toda la empresa y una base técnica escalable. Además, se espera que la IA lo pueda hacer todo.

E3: ¿A qué se debe el fracaso de su aplicación generalizada?

Hermanns: En muchas empresas, los datos se han ido acumulando a lo largo del tiempo, están dispersos en distintos sistemas y, a menudo, no están suficientemente documentados. En los proyectos piloto se suele trabajar con datos depurados y perfectamente preparados, condiciones que rara vez se pueden reproducir en el entorno operativo real. Para el uso productivo de la IA suelen faltar estructuras claras, definiciones uniformes y transparencia sobre qué datos son fiables. Sin esta base, resulta difícil escalar de forma fiable las aplicaciones de IA.

E3: ¿Qué requisitos se necesitan?

Hermanns: Hay dos ámbitos de actuación fundamentales. En primer lugar: la arquitectura de datos. Muchas empresas trabajan con entornos de sistemas fragmentados, en los que los datos son redundantes y, en algunos casos, contradictorios. El objetivo debería ser establecer productos de datos claramente definidos, que estén estructurados, cuenten con garantías de calidad y estén descritos desde el punto de vista técnico. Las arquitecturas modernas, como los enfoques Lakehouse con modelos de datos de varios niveles (por ejemplo, Bronce, Plata, Oro), pueden ser de gran ayuda en este sentido. En segundo lugar: la gobernanza de datos. Las empresas necesitan responsabilidades claras en materia de datos, tanto a nivel técnico como funcional. Funciones como la de propietario de datos o gestor de datos son fundamentales para garantizar la calidad, la coherencia y el contexto. Sin gobernanza, existe el riesgo de que la IA acceda a datos erróneos o mal interpretados y, por lo tanto, proporcione resultados incorrectos.

„Las empresas de éxito integran la IA en aquellos ámbitos en los que...»,
”donde resuelve problemas concretos».”

Lars Hermanns,
Responsable de SAP Analytics,
Nagarro

E3: ¿Qué papel desempeña aquí la estructura de datos?

Hermanns: Una «data fabric» puede entenderse como un principio arquitectónico global que integra los datos de distintos sistemas y los hace accesibles. En esencia, no se trata solo de consolidar los datos físicamente, sino de interconectarlos de forma inteligente mediante metadatos, modelos semánticos y capas de acceso unificadas. Esto permite acceder a los datos de forma coherente, independientemente de su ubicación, y ponerlos a disposición para diferentes casos de uso, incluida la IA. Una estructura de datos complementa los conceptos de plataforma existentes y ofrece una visión unificada de los datos distribuidos.

E3: ¿Cómo se pueden mejorar los datos para el uso de la IA?

Hermanns: Es fundamental que los datos no solo estén disponibles desde el punto de vista técnico, sino que también sean comprensibles desde el punto de vista técnico-especializado. Los datos se procesan en capas estructuradas y se someten a controles de calidad. En la „capa de oro“ se crean así productos de datos curados y modelados desde el punto de vista técnico. Estos se basan a menudo en enfoques de modelización consolidados, como los esquemas en estrella o en copo de nieve. Además, se crean metadatos y catálogos que describen el origen, el significado y el uso de los datos. Este contexto es decisivo, especialmente para las aplicaciones modernas de IA. Solo cuando queda claro qué significan los datos y cómo se relacionan entre sí, pueden utilizarse de forma sensata.

E3: ¿Y qué hay del factor humano?

Hermanns: Las empresas deberían aprovechar los valiosos conocimientos que sus empleados han acumulado a lo largo de los años. Si se combina la inteligencia de los empleados con los conocimientos sobre los procesos de toda la empresa y los modelos de IA adaptativa, se crea una palanca decisiva para la transformación que va más allá de la mera tecnología. En Nagarro, a esto lo llamamos „Fluidic Intelligence“.

E3: ¿Cómo se puede integrar la IA en la estrategia y en las estructuras existentes?

Hermanns: En Fluidic Enterprise, la IA se considera parte integrante de los procesos y las estructuras de toma de decisiones existentes. Las empresas de éxito integran la IA allí donde resuelve problemas concretos, por ejemplo, en los procesos de toma de decisiones o en el análisis de relaciones complejas. No se trata tanto de cambios disruptivos, sino del desarrollo específico de las estructuras existentes sobre la base de una sólida base de datos y una arquitectura sólida.

Continúe con la entrada del socio: