Los datos limpios son lo que produce una operación rediseñada, no lo que necesita primero
OpenAI y Databricks llevan ChatGPT a los datos gobernados de la empresa. Muchos lo leerán como "primero arregla los datos". El orden es al revés.
Esperar a tener datos limpios para empezar con IA es la forma más cara de empezar. Los datos están desordenados porque la operación que los produce está desordenada, así que un proyecto de datos que no toca la operación vuelve a ensuciarse el lunes siguiente. Los datos limpios y confiables son lo que una operación rediseñada produce mientras funciona, no una barrera que hay que pasar antes de rediseñarla.
Lo que muestra el anuncio de OpenAI y Databricks
El 13 de noviembre de 2026, Databricks publicó cómo las empresas pueden usar los modelos de OpenAI y ChatGPT sobre sus datos gobernados. Los empleados pueden hacerle preguntas a los datos de la empresa desde ChatGPT con el plugin Databricks Genie. Según el artículo, Genie aplica las definiciones propias de la empresa, de modo que los ingresos en ChatGPT coinciden con los ingresos de los reportes de finanzas, y cada usuario ve solo los datos que ya tiene permiso de ver, con cada respuesta enlazada a sus fuentes en Databricks.
Greg Brockman, presidente de OpenAI, aparece citado describiendo la IA sin los datos de la empresa como "like hiring someone with 20 PhDs and never inviting them to a meeting": contratar a alguien con 20 doctorados y nunca invitarlo a una reunión.
Es una configuración útil, y funciona porque lo difícil ya está hecho: una sola definición de ingresos, permisos que significan algo, fuentes a las que una respuesta puede apuntar. Esa es la parte que vale la pena mirar.
La lectura fácil es "primero arregla los datos"
Para cualquier empresa sin esa base, la lectura fácil es una secuencia: primero un programa de datos, después un data warehouse, después las definiciones y, algún día, la IA. Suena responsable. Es la forma en que muchos planes de IA se frenan antes de llegar a un solo proceso.
No estamos de acuerdo con el orden. Los datos malos son un síntoma. La causa es una operación donde nadie registra el paso, la etapa ni el responsable en el momento en que se hace el trabajo. Un caso empieza por WhatsApp, pasa a un correo, se actualiza en una planilla y se cierra en la memoria de alguien. Puedes limpiar a la perfección los registros del año pasado, y los casos de esta semana se van a registrar igual que antes.
Una limpieza arregla la historia. Solo un cambio en cómo funciona el trabajo arregla el próximo registro.
De dónde salen, en realidad, los datos confiables
Cuando una operación se rediseña, cada paso escribe su propio registro como consecuencia de hacer el trabajo. Nadie tiene que acordarse de actualizar una planilla, porque mover el caso hacia adelante ya es la actualización.
- 01Partir de la preguntaLa decisión que alguien tiene que tomar
- 02Ubicar la evidenciaDónde vive hoy cada parte de la respuesta
- 03Registrar en el pasoCada paso escribe su etapa y su responsable
- 04Fijar una definiciónUn responsable por cada término de la pregunta
- 05Responder y verificarCada respuesta apunta a su fuente
Cada pregunta nueva amplía los mismos registros en lugar de abrir otro proyecto de datos.
Cuando trabajas en este orden, cambian tres cosas:
- El alcance. Limpias y conectas los datos que necesita una pregunta, no toda la historia de la empresa.
- La responsabilidad. Cada registro tiene un paso que lo produce y una persona que responde por él, así que sigue siendo correcto después del lanzamiento.
- La prueba. La primera respuesta útil llega pronto, y te dice qué datos importan después.
La pregunta decide qué datos tienen que ser confiables. Sin una pregunta, "tener datos limpios" no tiene línea de llegada.
Partir de la pregunta: el caso OCESA
El caso OCESA de Sentynel, hecho con Smart Sponsorship para el entretenimiento en vivo en México, partió de una pregunta y no de un inventario de datos. Después de un evento, la evidencia de sus resultados estaba repartida en demasiados lugares: venta de boletos, resultados de patrocinio, ratings y evidencia de medios. El registro del caso describe el problema como "un evento, demasiados lugares donde buscar la respuesta" y el sistema como "conectar la evidencia con la pregunta".
Se conectaron cinco fuentes de evidencia en una sola operación de reportes: boletaje, evidencia de patrocinio, ratings, presentaciones y archivos de medios.
Fuente: Fuente: registro del caso de Sentynel. Los resultados son resultados reportados del proyecto; la comparación de costos está normalizada.
El registro del caso reporta un −70% de costo operativo reportado. Los resultados son resultados reportados del proyecto; la comparación de costos está normalizada, con un índice que parte de un costo inicial de 100, no en costos absolutos.
Lo que importa para este argumento es el orden. El trabajo no empezó con un programa de datos para toda la empresa. Empezó con la pregunta que el negocio se hacía después de cada evento, y los datos que esa respuesta necesitaba quedaron conectados y actualizados por la propia operación de reportes.
Qué hacer el lunes
No empieces preguntando si tus datos están listos. Hazte una pregunta más acotada:
- Escribe una decisión que tu equipo toma cada semana con números en los que no confía del todo.
- Anota dónde vive hoy cada pieza de evidencia para esa decisión, incluidas las planillas y las bandejas de correo.
- Para cada pieza, nombra el paso de la operación donde debería registrarse y la persona responsable.
Si puedes nombrar el paso, los datos se pueden arreglar dentro de la operación, y un agente puede trabajar con ellos desde el primer día. Si no puedes nombrar el paso, ningún data warehouse va a ayudar: el registro no tiene de dónde salir, y ahí es donde empieza el rediseño.