EL TIPO DE CAMBIO DE HOY ES DE: La IA avanza, pero tropieza con datos empresariales
La calidad, el contexto y la gobernanza de la información emergen como retos para las compañías
Redacción
25 de agosto, 2026
La inteligencia artificial promete transformar la forma en que las empresas analizan información y toman decisiones. Sin embargo, a medida que su adopción se acelera en Centroamérica, emerge un desafío menos visible: la calidad y gobernanza de los datos internos. El reto ya no es únicamente incorporar IA, sino garantizar que opere sobre información confiable, consistente y con contexto empresarial.
Por qué importa. Las organizaciones están invirtiendo en inteligencia artificial para automatizar procesos, generar análisis y apoyar decisiones estratégicas. Sin embargo, el mayor obstáculo podría no estar en la tecnología, sino dentro de las propias empresas. Datos incompletos, duplicados o contradictorios pueden producir respuestas convincentes, pero incorrectas, aumentando riesgos operativos y financieros.
- Una herramienta de IA puede procesar miles de registros en segundos, pero la velocidad no corrige información desactualizada, inconsistente o mal estructurada. La calidad del resultado depende directamente de la calidad de los datos utilizados.
- Cristobal Vergara, director de la región Andina, Centroamérica y Caribe de SAP, afirmó: “No puede operar de manera confiable con datos sin contexto”. Según explicó, la IA debe comprender significados, relaciones y reglas antes de ejecutar acciones.
- El problema adquiere relevancia porque cada vez más empresas permiten que sistemas inteligentes participen en procesos críticos relacionados con clientes, proveedores, inventarios y operaciones.
Entre líneas. La inteligencia artificial empresarial necesita algo más que grandes volúmenes de información. También requiere contexto para interpretar correctamente cada dato. Un indicador aparentemente simple puede representar distintas cosas según el área o sistema que lo genere, creando riesgos que permanecen ocultos durante años.
- El concepto de “ventas” puede referirse a pedidos recibidos, facturas emitidas, ingresos reconocidos o pagos cobrados. Sin una definición compartida, diferentes áreas pueden interpretar el mismo dato de forma distinta.
- El contexto incluye jerarquías, permisos, contratos, políticas internas y relaciones entre procesos. Esa información permite distinguir entre una respuesta probable y una decisión adecuada para la organización.
- Según SAP, los agentes de inteligencia artificial necesitan comprender cómo se relacionan los datos y qué reglas deben respetar antes de recomendar o ejecutar una acción empresarial.
Datos clave. La adopción de inteligencia artificial avanza más rápido que los mecanismos diseñados para supervisarla. Esta diferencia plantea interrogantes sobre la capacidad de las organizaciones para administrar de manera segura herramientas que cada vez participan más en procesos de negocio.
- El estudio Caracterización del Sector TIC Costa Rica 2025, elaborado por PROCOMER, indica que el 76% de las empresas analizadas ya utiliza inteligencia artificial generativa o agentes digitales en sus operaciones.
- A pesar de ese nivel de adopción, únicamente el 9% cuenta con políticas formales para gobernar el uso de estas tecnologías, evidenciando una brecha entre innovación y control.
- La misma investigación sugiere que las reglas, procesos y mecanismos de supervisión avanzan a un ritmo considerablemente menor que la incorporación de nuevas herramientas basadas en IA.
Lo que sigue. El desafío se vuelve más complejo cuando la inteligencia artificial deja de responder consultas y comienza a intervenir directamente en procesos empresariales. En ese escenario, una inconsistencia deja de ser un problema analítico y puede transformarse en una acción equivocada con consecuencias operativas.
- Un agente podría utilizar información incompleta para priorizar al proveedor incorrecto, aplicar una política desactualizada o generar previsiones inexactas para la toma de decisiones.
- Durante SAP Sapphire 2026, la empresa presentó avances de SAP Business Data Cloud para unificar y gobernar información de SAP y de terceros, preservando el contexto empresarial necesario para los agentes de IA.
- Antes de ampliar el uso de la inteligencia artificial, las organizaciones deben revisar definiciones comunes, origen de los datos, permisos de acceso, responsabilidades y mecanismos que permitan explicar cómo se formuló cada recomendación.Te puede interesar
La IA avanza, pero tropieza con datos empresariales
La calidad, el contexto y la gobernanza de la información emergen como retos para las compañías
Redacción
25 de agosto, 2026
La inteligencia artificial promete transformar la forma en que las empresas analizan información y toman decisiones. Sin embargo, a medida que su adopción se acelera en Centroamérica, emerge un desafío menos visible: la calidad y gobernanza de los datos internos. El reto ya no es únicamente incorporar IA, sino garantizar que opere sobre información confiable, consistente y con contexto empresarial.
Por qué importa. Las organizaciones están invirtiendo en inteligencia artificial para automatizar procesos, generar análisis y apoyar decisiones estratégicas. Sin embargo, el mayor obstáculo podría no estar en la tecnología, sino dentro de las propias empresas. Datos incompletos, duplicados o contradictorios pueden producir respuestas convincentes, pero incorrectas, aumentando riesgos operativos y financieros.
- Una herramienta de IA puede procesar miles de registros en segundos, pero la velocidad no corrige información desactualizada, inconsistente o mal estructurada. La calidad del resultado depende directamente de la calidad de los datos utilizados.
- Cristobal Vergara, director de la región Andina, Centroamérica y Caribe de SAP, afirmó: “No puede operar de manera confiable con datos sin contexto”. Según explicó, la IA debe comprender significados, relaciones y reglas antes de ejecutar acciones.
- El problema adquiere relevancia porque cada vez más empresas permiten que sistemas inteligentes participen en procesos críticos relacionados con clientes, proveedores, inventarios y operaciones.
Entre líneas. La inteligencia artificial empresarial necesita algo más que grandes volúmenes de información. También requiere contexto para interpretar correctamente cada dato. Un indicador aparentemente simple puede representar distintas cosas según el área o sistema que lo genere, creando riesgos que permanecen ocultos durante años.
- El concepto de “ventas” puede referirse a pedidos recibidos, facturas emitidas, ingresos reconocidos o pagos cobrados. Sin una definición compartida, diferentes áreas pueden interpretar el mismo dato de forma distinta.
- El contexto incluye jerarquías, permisos, contratos, políticas internas y relaciones entre procesos. Esa información permite distinguir entre una respuesta probable y una decisión adecuada para la organización.
- Según SAP, los agentes de inteligencia artificial necesitan comprender cómo se relacionan los datos y qué reglas deben respetar antes de recomendar o ejecutar una acción empresarial.
Datos clave. La adopción de inteligencia artificial avanza más rápido que los mecanismos diseñados para supervisarla. Esta diferencia plantea interrogantes sobre la capacidad de las organizaciones para administrar de manera segura herramientas que cada vez participan más en procesos de negocio.
- El estudio Caracterización del Sector TIC Costa Rica 2025, elaborado por PROCOMER, indica que el 76% de las empresas analizadas ya utiliza inteligencia artificial generativa o agentes digitales en sus operaciones.
- A pesar de ese nivel de adopción, únicamente el 9% cuenta con políticas formales para gobernar el uso de estas tecnologías, evidenciando una brecha entre innovación y control.
- La misma investigación sugiere que las reglas, procesos y mecanismos de supervisión avanzan a un ritmo considerablemente menor que la incorporación de nuevas herramientas basadas en IA.
Lo que sigue. El desafío se vuelve más complejo cuando la inteligencia artificial deja de responder consultas y comienza a intervenir directamente en procesos empresariales. En ese escenario, una inconsistencia deja de ser un problema analítico y puede transformarse en una acción equivocada con consecuencias operativas.
- Un agente podría utilizar información incompleta para priorizar al proveedor incorrecto, aplicar una política desactualizada o generar previsiones inexactas para la toma de decisiones.
- Durante SAP Sapphire 2026, la empresa presentó avances de SAP Business Data Cloud para unificar y gobernar información de SAP y de terceros, preservando el contexto empresarial necesario para los agentes de IA.
- Antes de ampliar el uso de la inteligencia artificial, las organizaciones deben revisar definiciones comunes, origen de los datos, permisos de acceso, responsabilidades y mecanismos que permitan explicar cómo se formuló cada recomendación.Te puede interesar
