Es lunes. Alguien de dirección pregunta por qué el retorno de la publicidad viene bajando. La pregunta parece simple. El camino para responderla, no: abrir tres paneles distintos, pedirle a un analista que cruce exportaciones en una hoja de cálculo, esperar, volver a preguntar porque el número no cuadra con el del otro panel. Con suerte, el viernes hay una respuesta. Con menos suerte, hay una respuesta a una pregunta ligeramente distinta.
Hace unas semanas hice ese mismo ejercicio de otra manera. Le di a una IA de frontera acceso de solo lectura a los datos de una empresa —ventas, publicidad, comportamiento en el sitio, años de historia— y le hice la pregunta en lenguaje natural. Sin exportar nada. Sin abrir un panel.
La respuesta llegó en minutos. Y vino con dos cosas que yo no había pedido.
Qué cambió
Durante años, "usar IA con tus datos" significaba pegarle un resumen en un chat y esperar que adivinara bien. Eso ya no es el techo. Hoy un modelo de frontera puede conectarse directamente al lugar donde viven los datos de la empresa, recorrerlos como lo haría un analista con acceso a todo, y responder con cifras reales, no con aproximaciones.
La diferencia con un panel es de naturaleza, no de grado. Un panel responde las preguntas que alguien decidió de antemano que valía la pena hacer. Un agente responde la pregunta que tienes hoy, aunque nadie la haya previsto, y cruza fuentes que nunca se habían mirado juntas.
Tres cosas que un panel no hace
Cruza lo que nadie cruzó. En una marca de retail, el retorno de la inversión publicitaria cayó a menos de la mitad en tres semanas, justo mientras el gasto subía. El panel de publicidad mostraba el gasto. El sistema de ventas mostraba las ventas. Ninguno mostraba la relación entre ambos semana a semana. El agente la armó en una sola consulta, y el patrón apareció solo.
Encuentra lo que no preguntaste. En la misma sesión apareció una docena de productos que llevaban un mes recibiendo inversión publicitaria, con miles de clics, y cero unidades vendidas. Nadie había hecho esa pregunta porque nadie sospechaba que hubiera algo que encontrar. Es el tipo de fuga que no produce una alerta: produce silencio.
Sabe cuándo dos números no se pueden sumar. Dos sistemas de la empresa llamaban "producto" a cosas distintas. Uno hablaba de la prenda; el otro, de la prenda en una talla y un color específicos. Cruzarlos directamente habría dado ceros en todas partes, y un analista apurado habría concluido que la publicidad no vendía nada. El agente lo notó antes de sumar, porque los datos venían acompañados de su explicación.
Y eso último es la clave de todo.
La única condición
Nada de esto funciona sobre una pila de tablas sin contexto. Y tampoco funciona sobre los datos tal como salen de cada sistema.
Hay un trabajo previo que no se ve en la conversación con la IA, pero que la hace posible: un proceso que todos los días recoge la información de la tienda, de las plataformas de publicidad y del sitio web, la limpia, la unifica bajo las mismas reglas y la deja ordenada en un solo lugar. En la industria se le llama pipeline de datos. Es la tubería por la que todo pasa antes de que alguien pueda preguntar. La IA no reemplaza esa tubería: la aprovecha. Si la tubería no existe, el agente lee basura con mucha fluidez.
Lo que hace la diferencia es que, al final de ese proceso, los datos vienen con su significado escrito: qué representa cada cifra, en qué moneda está, con qué otra información se relaciona y bajo qué regla se considera una venta real.
La comparación que me gusta es la de una biblioteca. Puedes tener miles de libros, pero si no hay catálogo, encontrar algo depende de la memoria de la persona que los ordenó. Con catálogo, cualquiera entra y encuentra. La IA es ese "cualquiera" que además lee muy rápido y no se cansa.
En la empresa del ejemplo, la parte de los datos preparada de esa manera tenía el 95 % de su información documentada. La parte heredada, construida con otros criterios años atrás, apenas el 19 %. Es la misma empresa, los mismos equipos, los mismos sistemas de origen. Sobre la primera mitad el agente respondía con precisión y explicaba sus pasos. Sobre la segunda, adivinaba, igual que lo haría una persona nueva sin nadie a quien preguntar.
Preparar los datos para que una IA los entienda no es un proyecto de inteligencia artificial. Es un proyecto de orden: construir la tubería y escribir el catálogo. Y es, con diferencia, el que más retorno tiene de todos los que llevan la etiqueta "IA" hoy.
Qué significa esto para quien decide
Preguntar se vuelve barato. Eso cambia la economía del análisis de una forma que conviene tomarse en serio:
- El recurso escaso ya no es el análisis, es la pregunta. Cuando cada consulta cuesta una semana, se hacen pocas y se hacen las seguras. Cuando cuesta minutos, se pueden hacer las incómodas.
- El rol del analista sube de nivel. Deja de producir reportes y pasa a diseñar qué vale la pena medir, verificar lo que el agente propone y decidir qué hacer con ello.
- Los datos se convierten en un activo que conversa. Un gerente puede preguntar "¿qué cambió esta semana respecto a la anterior y por qué?" y recibir una respuesta con evidencia, no una opinión.
- La seguridad no es un obstáculo. El agente solo lee. No modifica nada, tiene un presupuesto de consulta acotado y cada pregunta deja rastro. Es más auditable que una hoja de cálculo que circula por correo.
Lo que viene
El siguiente paso ya está en camino: que el mismo agente, además de responder, dibuje. Un gráfico por pregunta, generado en el momento, en lugar de un panel fijo intentando anticipar todas las preguntas posibles. La lógica es la misma: los datos pesados se quedan donde están, y lo que viaja hasta la persona es la respuesta.
No creo que los paneles desaparezcan. Creo que van a quedar para lo que sirven bien: vigilar lo que ya sabemos que importa. Para descubrir lo que todavía no sabemos, ya existe algo mejor.
Si tu empresa acumula datos desde hace años y las preguntas nuevas siguen tomando una semana, el problema probablemente no es la cantidad de datos. Es que nadie los ha leído todos. Ahora alguien puede.
Relacionado: tres-mcps-y-una-ia-los-huecos-que-ningun-dashboard-te-muestra · verdad-de-fondo-depurar-con-evidencia