“Un dato que nadie consulta es un coste; uno integrado en el día a día es una ventaja”

De ello sabe mucho Beatriz Flores, Chief Sales Officer de MindDen, compañía tecnológica con sede en Alicante, un equipo de 215 profesionales y más de 80 clientes de sectores como la industria, la energía, la logística o la salud. Especializada en desarrollo de software, integración de sistemas, datos e inteligencia artificial, MindDen trabaja para salvar la distancia entre el potencial de estas tecnologías y su aplicación real. Hablamos con Flores sobre los retos de compartir información, el papel de los espacios de datos y las claves para que la IA deje de ser una promesa y empiece a generar resultados medibles.

¿Qué diferencia hay entre una empresa que acumula datos y otra que los convierte en valor de negocio?

Casi nunca es la cantidad de datos. Es la intención. Vemos muchas empresas con años de información en su ERP, su CRM o sus máquinas que nadie ha llegado a usar porque no había una pregunta de negocio detrás. Las que sacan valor empiezan al revés: eligen una decisión concreta que quieren mejorar (cuánto stock tener, cuándo parar una máquina, a qué cliente llamar primero) y desde ahí deciden qué datos necesitan, con qué calidad y con qué frecuencia. Y tratan el dato como un activo, con responsables, documentación y cuidado de la calidad. Pero lo que de verdad marca la diferencia es que el dato llegue a quien decide en el momento en que decide. Un dato que nadie consulta es un coste; uno integrado en el día a día es una ventaja.

¿Qué condiciones deben darse para que los datos de un espacio de datos sean realmente útiles?

Compartir datos es necesario, pero no basta. Por lo que hemos visto, hacen falta cuatro cosas. La primera es confianza: reglas claras sobre quién accede, para qué y en qué condiciones. Eso es justo lo que los espacios de datos resuelven con sus mecanismos de soberanía. La segunda es calidad y un lenguaje común; si cada organización describe el mismo concepto a su manera, los datos no se pueden combinar. La tercera es un caso de uso con beneficio claro para todos, porque nadie comparte datos solo por compartir. La cuarta es la que más se olvida: que cada participante sea capaz de conectar el espacio con sus propios sistemas y aprovechar lo que recibe. Sin esa última milla, tienes una infraestructura bien diseñada que casi nadie usa.

¿Dónde están las principales dificultades para llevar la integración con ERP, CRM o sistemas industriales a producción?

Siendo sinceros, la tecnología del espacio de datos rara vez es el problema. El problema es la realidad de cada empresa: ERPs muy personalizados, sistemas antiguos sin APIs, bases de datos con años de inconsistencias y plantas donde lo primero es no parar la producción. A eso se suma que el conocimiento de cómo funcionan esos sistemas suele estar en la cabeza de dos o tres personas. Pasar de una prueba de concepto a producción obliga a resolver cosas poco vistosas pero críticas: seguridad, gestión de errores, monitorización, qué pasa cuando un sistema se actualiza y quién responde de qué entre TI, negocio y proveedores. Ahí es donde se atascan muchos proyectos. Nosotros lo hemos aprendido proyecto a proyecto, y por eso trabajamos sobre los sistemas que el cliente ya tiene en lugar de pedirle que los cambie.

¿Cómo está cambiando la IA y los agentes el valor de los datos empresariales?

Mucho, y muy rápido. Antes, cada pregunta al dato exigía construir un informe o un modelo específico. Hoy un agente puede consultar varias fuentes, razonar sobre ellas y ejecutar acciones en los sistemas de la empresa. Eso hace que los datos de calidad, bien estructurados y accesibles valgan más que nunca, porque de ellos depende que un agente acierte o se equivoque. Lo vemos a diario: el agente es la parte fácil; lo difícil es que tenga buenos datos, permisos claros y trazabilidad de lo que hace. Y cuando esos datos se combinan con los de otras organizaciones, se abren cosas que una empresa sola no puede abordar: previsión de demanda en toda la cadena de suministro, trazabilidad completa de producto o mantenimiento predictivo con datos de varios fabricantes. El espacio de datos pone el marco de confianza y la IA convierte ese conocimiento compartido en decisiones.

¿Qué tiene que ocurrir para que un proyecto de datos o IA deje de ser un piloto y genere retorno continuo?

Que el piloto se diseñe desde el primer día pensando en producción. En nuestro caso, cada proyecto arranca con un KPI de negocio acordado con el cliente (horas ahorradas, errores evitados, stock reducido) y se mide. Lo segundo es integrarlo en las herramientas que la gente ya usa; si para aprovechar un modelo hay que abrir otra aplicación, nadie lo usa. Lo tercero es tratarlo como un producto vivo, con mantenimiento, supervisión de la calidad de los datos y de los resultados, y un responsable dentro de la empresa. Y lo cuarto, implicar a los usuarios desde el principio, porque sin su confianza la herramienta se queda en un cajón. Cuando se dan estas condiciones, el plazo se acorta mucho: en un caso de previsión de inventario pasamos de la idea a producción en doce semanas, con una reducción del 85% en roturas de stock en los productos clave.

¿Qué proyectos desarrolla MindDen y dónde aportáis más valor dentro de un espacio de datos?

Los espacios de datos son uno de los ámbitos en los que más experiencia hemos acumulado en los últimos años, y lo que hemos aprendido es que el valor está en unir las piezas. Venimos del desarrollo de software y de la integración de sistemas, así que conocemos bien la parte menos visible y más delicada: conectar el espacio de datos con los sistemas de cada participante, ya sea un ERP, un CRM o un entorno industrial, y hacerlo de forma segura, robusta y mantenible en el tiempo. Sobre esa base trabajamos la explotación del dato y las soluciones de inteligencia artificial, incluidos agentes capaces de trabajar con la información de la empresa y de su ecosistema. Si tuviera que resumir dónde aportamos más, diría que en acompañar todo el recorrido: desde ayudar a definir un caso de uso que tenga sentido para todas las partes hasta dejarlo funcionando en producción, integrado en el día a día y con un retorno que se pueda medir. No es la parte más llamativa, pero es la que hace que un espacio de datos se use de verdad.

Fuente: Información