Datos e IA: la cuestión crucial

Así que la pregunta es: ¿cómo puede hacerse realidad la promesa de productividad de la IA sin comprometer la necesaria soberanía de los datos? Thomas Failer, fundador y consejero delegado de la empresa suiza Data Migration International, habló de ello con E3 Magazine.

E3: Pregunta de test: ¿Sabes qué es la pregunta Gretchen y de dónde viene?

Failer: Klingt nach Deutschunterricht. Im Zweifel lautet die Antwort „Goethe“.

E3: ¡Así es! Esa es la pregunta de Gretchen a Fausto sobre cómo se siente acerca de la religión. El nombre de una pregunta crucial se ha desarrollado a partir de esto. Así que aquí está la pregunta central para 2026 y más allá: ¿Qué piensas de la IA?

Failer: Utilizamos la IA en nuestro trabajo y cada vez incorporamos más funciones basadas en la IA a nuestra plataforma.

E3: ¿Podría poner algunos ejemplos?

Failer: Con mucho gusto. Le sorprenderá saber que hemos estado muy ocupados el año pasado. Tenemos el Business Object Proposer inteligente, BOP, la funcionalidad de identificación de datos personales, PDI, un chatbot de IA que hace hablar a nuestra plataforma, por así decirlo, un desarrollo inteligente de bajo código para proyectos de transformación, LCT, y una funcionalidad de IA para la mejora de la calidad de los datos, DQI.

E3: ¿Podría explicarnos en pocas palabras para qué sirven estas innovaciones y por qué las han desarrollado?

Failer: Uno de los retos centrales de los proyectos de transformación a SAP S/4 Hana es el desarrollo de objetos de negocio específicos. Nuestro Business Object Proposer se encarga de las tareas necesarias para encontrar los datos correctos y completos en las tablas adecuadas y vincularlos correctamente. Estas tareas son tediosas y requieren mucho tiempo. Automatizarlas con la ayuda de nuestro BOP tiene el potencial de reducir a la mitad el tiempo de desarrollo de objetos de negocio.

E3: Identificación de datos personales: ¿los datos personales no son cosa del pasado?

Failer: Todo lo contrario. Le sorprendería saber cuántas organizaciones siguen luchando por encontrar y gestionar los datos personales de forma fiable y completa. Nuestra funcionalidad PDI basada en IA busca en todos los sistemas, especialmente en los que no tienen repositorios de metadatos o están mal mantenidos, y clasifica tablas, columnas y campos. A continuación, presenta los resultados de su análisis y clasificación para su revisión. De este modo, las empresas tienen una visión general de dónde se encuentran los datos personales y sólo tienen que afinar los resultados propuestos. Esto reduce al mínimo el esfuerzo de búsqueda.

E3: Touché - ¿y el chatbot hace hablar de verdad a su plataforma?

Failer: Así es. La investigación es una disciplina clave para los llamados grandes modelos lingüísticos. Esta es precisamente la razón por la que hemos entrenado una IA para este caso de uso y la hemos integrado en JiVS IMP como una funcionalidad de chatbot. De este modo, los empleados del departamento financiero de una empresa, por ejemplo, pueden buscar y encontrar datos y documentos historizados en nuestra plataforma para su almacenamiento a largo plazo conforme a la ley, utilizando entradas de lenguaje natural, como por ejemplo: „JiVS IMP, tengo un problema. Necesito recopilar las partidas abiertas del cliente 1020 y del ejercicio 2019. Desgraciadamente, no conozco el desarrollo personalizado en el que se crearon los documentos. ¿Podría encontrarlos, por favor?“. En respuesta, el chatbot de nuestra plataforma mostraría los documentos buscados, ordenados por probabilidad de acierto, y pediría al usuario que confirmara que se trata de la información que está buscando.

E3: Pasemos a la transformación de bajo código: ¿qué es?

Failer: En los proyectos de transformación, son los departamentos especializados los que redactan las especificaciones necesarias junto con su trabajo real para que TI pueda crear las reglas de transformación adecuadas. El esfuerzo es enorme. Hay que programar cada regla de transformación. Escribir el código del programa es menos importante que la calidad de los resultados obtenidos. Aquí es donde entra en juego LCT. La funcionalidad inteligente convierte automáticamente la entrada en lenguaje natural en sentencias MS SQL, uno de los estándares de codificación más utilizados en el mundo. La ventaja: MS SQL no sólo ha sido siempre el lenguaje de programación de JiVS-IMP. De hecho, es compatible con la gran mayoría de los modelos de IA debido a su gran proximidad con el lenguaje natural.

E3: Eso deja la cuestión de

Mejora de la calidad de los datos.

Failer: Los proyectos de transformación son en realidad la oportunidad ideal para limpiar su propia base de datos. La gran mayoría de las empresas rehúyen el esfuerzo que supone, lo cual es comprensible. Pero con nuestra plataforma, estas dudas ya no tienen justificación. JiVS IMP clasifica automáticamente los duplicados, reduciendo los errores potenciales en un 75% o más. Junto con la reducción habitual del 90 al 95 por ciento de los datos de transacciones y del 50 por ciento de los datos maestros durante la transformación a SAP S/4 Hana, el esfuerzo necesario para optimizar la calidad de los datos ya se ha reducido masivamente. Pero la cosa se pone aún mejor: con la ayuda de Data Quality Improvement, el esfuerzo restante para garantizar la calidad de los datos puede reducirse aún más considerablemente, según nuestra experiencia a la mitad o más. Y esto nos acerca a la verdadera cuestión crucial.

E3: ¿Y qué es?

Failer: Wie halten Sie es mit den Daten? Das ist die entscheidende Frage, die unsere Kunden beim Thema KI zurzeit umtreibt.

E3: ¿Por qué?

Failer: Las empresas han aprendido de la experiencia. Demasiados proyectos de IA han fracasado. Y la razón clave de este fracaso es la falta de calidad, disponibilidad, accesibilidad e independencia de los datos.

Wie halten Sie es mit den Daten? Das ist die entscheidende Frage, die unsere Kunden beim Thema KI zurzeit umtreibt.

Thomas Failer,
Fundador y Consejero Delegado del Grupo
Migración internacional de datos suizos

E3: ¿Por qué se habla tan poco de ello?

Failer: Siempre se tarda un tiempo en materializar estas ideas. Desde el principio, el debate se centró principalmente en los algoritmos, los modelos y la potencia de cálculo. No es que estos aspectos no sean importantes. Pero en el contexto empresarial, el combustible de los modelos es aún más importante: los datos específicos de la empresa.

E3: No es ningún secreto que no siempre están en las mejores condiciones.

Failer: Tiene usted razón. Los datos suelen estar fragmentados, duplicados y triplicados, gestionados de forma incompleta y bloqueados en sistemas obsoletos.

E3: ¿A qué cree que se debe?

Failer: Los entornos de aplicaciones y sistemas han crecido históricamente. Como resultado, la complejidad y la susceptibilidad a los errores están aumentando. Esto no es fruto de la ignorancia o la negligencia. Los responsables de TI son muy conscientes de este problema.

E3: Entonces, ¿por qué no hacen nada al respecto?

Failer: Quieren hacerlo y están haciendo mucho por ello. Pero el principal problema, aparte de la carga de trabajo habitual, es que los datos están demasiado entrelazados y conectados con las aplicaciones y los sistemas. Los datos sólo son valiosos en el contexto empresarial adecuado. Y éste normalmente sólo puede crearse en y con las aplicaciones en las que se crearon y procesaron los datos.

E3: Esto tampoco es nada nuevo. Entonces, ¿por qué el problema es tan grave en el contexto de la IA?

Failer: La IA agrava el problema. Si los cimientos son frágiles, al poco tiempo se formarán grietas en las paredes, sobre todo en las partes portantes, lo que significa que la casa podría derrumbarse en cualquier momento. Los usuarios deben poder confiar en los resultados de la IA. ¿Cómo es posible si la base de datos es frágil? Las empresas no pueden comprobar a fondo cada resultado antes de utilizarlo para apoyar a sus empleados y automatizar total o parcialmente los procesos. Si esto fuera necesario, las ganancias de eficiencia y productividad se desperdiciarían.

E3: ¿Y las empresas acaban de darse cuenta?

Failer: Por supuesto. Volvimos a darnos cuenta de ello en enero, en nuestro evento Digital Lounge@Davos (véase el cuadro de texto de la página 36). Surgió un patrón en los debates entre directivos y especialistas en IA, así como en el hackathon que organizamos al mismo tiempo para convertir conceptos de IA en soluciones funcionales: El factor limitante rara vez era el algoritmo. El factor decisivo era que los datos estuvieran disponibles, fueran comprensibles y estuvieran desvinculados de las aplicaciones heredadas.

E3: ¿Cuál es su conclusión?

Failer: Si los datos son correctos, están sujetos a una gobernanza adecuada y son accesibles independientemente de sus aplicaciones y sistemas, las innovaciones previstas pueden aplicarse rápidamente. Por tanto, la independencia de los datos se está convirtiendo en una capacidad estratégica y central para el éxito de los proyectos de IA.

E3: Gracias por la entrevista.