Linkedin

Datos e inteligencia artificial en el nuevo escenario empresarial

La IA está en el centro de todas las conversaciones, pero sin una estrategia clara de gestión del dato, los proyectos tienen todos los boletos para fracasar. Con Susana Rodríguez e Iñigo Goikoetxea de Anasinf, reflexionamos sobre cómo afrontar este reto.
Tabla de contenidos

Anasinf lleva tres décadas ayudando a empresas a afrontar sus retos tecnológicos. En este tiempo, han sido testigos de cómo el dato ha pasado de ser un recurso infrautilizado a convertirse en el centro de cualquier estrategia de transformación digital.  

Hoy, con la inteligencia artificial en pleno hype, el desafío no es solo técnico. Y las preguntas que se hacen las empresas están muy relacionadas con la implementación de la IA en sus organizaciones, pero, la gran mayoría, se están olvidando de la organización y gobernanza del dato. 

Entender el problema exige ir al origen, la inteligencia artificial no puede funcionar sin una base sólida de datos. La ciencia de datos y la IA no son lo mismo, pero se complementan de manera inseparable. Mientras la ciencia de datos recopila, limpia y estructura la información para convertirla en conocimiento útil, la IA aprovecha ese input para automatizar análisis, detectar patrones y predecir escenarios. Sin una estrategia adecuada en ciencia de datos, cualquier proyecto de IA está condenado a quedarse a medias. O directamente al fracaso. 

Para reflexionar sobre este reto y compartir su experiencia, conversamos con Susana Rodríguez, responsable de proyectos de desarrollo de software, e Iñigo Goikoetxea, responsable del departamento de Ciencia de datos, de Anasinf. 

Anasinf tiene más de 30 años de trayectoria en el sector IT. ¿Cómo habéis visto evolucionar el papel del dato en las empresas a lo largo de este tiempo?

Susana Rodríguez:  

En estos 25 años trabajando en IT he visto un cambio radical. El dato pasó de ser un recurso secundario, gestionado casi solo por el área técnica, a convertirse en un activo estratégico en todas las conversaciones de negocio. Hoy, ningún proyecto de transformación digital tiene sentido si no parte de cómo vamos a capturar, limpiar y explotar la información. 

En Anasinf hemos constatado que este cambio no ocurrió por accidente, responde a la madurez tecnológica, la necesidad de conectar datos con resultados tangibles y la urgencia de contar con decisiones fundamentadas en evidencia. Hoy, las empresas que lideran su sector lo hacen porque han desarrollado infraestructuras robustas de datos, cultura analítica y modelos de gobernanza que convierten la información en valor real 

En ocasiones se habla de ciencia de datos e inteligencia artificial como si fueran lo mismo, pero no lo son. ¿Cómo explicáis de manera sencilla la relación entre ambas?

Iñigo Goikoetxea:  

La ciencia de datos y la inteligencia artificial son dos disciplinas estrechamente vinculadas, pero con roles distintos y complementarios. La ciencia de datos está orientada a recopilar, limpiar, analizar y estructurar datos para extraer conocimiento útil. En cambio, la inteligencia artificial va un poco más allá. Se basa en esos datos para automatizar decisiones, detectar patrones y aprender de experiencias pasadas, simulando comportamientos inteligentes.  

Además, la IA necesita de una infraestructura de ciencia de datos sólida —potente, escalable y bien gobernada— para entrenar y funcionar correctamente, de modo que genere los insights que luego la propia IA puede utilizar como base para actuar o aprender. 

Un estudio reciente apunta que hasta un 30 % de las empresas españolas han paralizado proyectos de IA porque no saben cómo aplicarla. ¿Por qué creéis que ocurre esto?

Susana Rodríguez:  

Muchas veces se arranca un proyecto “por moda” o por presión del mercado, sin una estrategia clara. Cuando no se define qué problema de negocio resolver ni se asegura la calidad de los datos, la iniciativa se queda bloqueada. 

Iñigo Goikoetxea:  

También vemos una brecha entre dirección y equipos técnicos. A veces hay entusiasmo tecnológico, pero falta traducirlo en impacto para el negocio. Esa desconexión genera frustración y paraliza proyectos. 

Desde vuestra experiencia acompañando a empresas, ¿cuáles son los errores más comunes al poner en marcha proyectos de IA o ciencia de datos?

Susana Rodríguez:  

El más repetido es no vincular el proyecto con un objetivo de negocio concreto. Si la tecnología no responde a un problema real, pierde fuerza enseguida. Y, además, la dirección debe creer de verdad en la solución y liderar el cambio, convencida de que puede transformar la forma de trabajar y aportar valor a la empresa. 

Iñigo Goikoetxea:  

A eso añadiría, sobre todo, la falta de cuidado con la calidad del dato. Si la información no es completa, consistente y fiable, ningún modelo de IA puede ofrecer resultados útiles. Este es el error más costoso y, sin embargo, el más frecuente. Además, no basta con tener equipos formados; es clave que la forma de trabajar esté alineada con los objetivos de negocio y con los procedimientos marcados por la dirección. Cuando esa coherencia falta, la tecnología se convierte en un experimento sin continuidad. 

¿Qué diferencia a las empresas que logran que el dato y la IA se conviertan en una ventaja competitiva?

Susana Rodríguez:  

La implicación de la dirección es clave. Cuando la alta dirección lidera el cambio, los proyectos de datos no se quedan aislados en un departamento, sino que impactan en toda la organización. 

Iñigo Goikoetxea:  

Y esa visión transversal es lo que marca la diferencia, ya que el dato fluya entre áreas y se use para tomar mejores decisiones en todos los niveles. Ahí es cuando se convierte en una verdadera ventaja competitiva. 

En relación con lo que habéis encontrado en las empresas a las que acompañáis, ¿podríais compartir algún ejemplo de implementación de IA que haya tenido un impacto en el negocio?

Susana Rodríguez: 

Hemos trabajado en varios proyectos que demuestran cómo la IA puede marcar la diferencia cuando se enfoca bien. Por ejemplo, ayudamos a una empresa del sector retail con un algoritmo de aprendizaje automático para clasificar y organizar datos de productos, como descripciones y categorías. Esto simplifica la gestión de su catálogo, mejora la experiencia del usuario en la web y permite al equipo de marketing trabajar con datos más claros y accesibles.

Iñigo Goikoetxea:

Otro caso interesante es un chatbot que desarrollamos con un modelo de lenguaje pequeño (SLM) y RAG, alojado localmente para mantener los datos seguros. Este chatbot responde preguntas de empleados usando solo documentación interna, sin enviar datos fuera de la empresa. Además, al usar un modelo más ligero, consume menos energía que los grandes modelos de IA, reduciendo la huella de carbono. En Anasinf nos importa mucho la sostenibilidad, y este tipo de soluciones muestra que se puede innovar aportando valor al negocio y cuidando el medioambiente al mismo tiempo.

Para aquellas compañías que aún no han dado el paso, ¿qué primeros pasos recomendáis para empezar a trabajar con ciencia de datos e inteligencia artificial?

Susana Rodríguez: 

Lo primero es identificar un objetivo concreto y medible, algo que tenga sentido para el negocio y permita demostrar valor rápido. A partir de ahí, revisar los datos disponibles y su calidad. 

Iñigo Goikoetxea:  

Nosotros recomendamos comenzar con proyectos pequeños que actúen como un periodo de familiarización. Sirven para aprender, generar confianza y asimilar estas tecnologías sin asumir grandes riesgos desde el inicio. Y hacerlo siempre acompañados de expertos que ayuden a guiar el proceso y eviten errores frecuentes. 

¿Qué tendencias creéis que marcarán el futuro inmediato del uso de datos e inteligencia artificial?

Iñigo Goikoetxea:

En Anasinf observamos que los modelos generativos están liderando esta nueva ola tecnológica, dejando atrás el periodo experimental para consolidarse como herramientas dentro de procesos corporativos. Como pueden ser la generación de contenido, automatización avanzada e incluso soporte en decisiones complejas. En paralelo, la regulación europea, especialmente el AI Act, que ahora está entrando en vigor, impone obligaciones estrictas de transparencia, trazabilidad y responsabilidad sobre los desarrollos de IA de uso. Esta combinación —potencia generativa con normativa— va a definir la próxima generación de iniciativas en IA, donde el valor vendrá de innovar con responsabilidad. 

Susana Rodríguez: 

Además, creemos que el paso decisivo será integrar la IA de forma natural y transparente en los procesos diarios de las empresas. No se tratará de “hacer un proyecto de IA”, sino de que la inteligencia artificial sea parte invisible y habitual de cómo trabajamos. 

Una invitación a pensar en el futuro

La experiencia de Anasinf demuestra que la inteligencia artificial no sustituye a la estrategia, sino que la debe potenciar cuando está bien integrada. Y aquí, el reto no es solo tecnológico, es cultural y de liderazgo.  

El verdadero valor surge cuando los datos se convierten en decisiones que transforman el día a día de la empresa. Sin datos bien estructurados y gobernados, no hay estrategia, no hay tecnología que pueda dar resultados.  

La pregunta es, ¿están las organizaciones preparadas para dar ese paso y dejar que el dato guíe su futuro? 

Susana Rodríguez e Iñigo Goikoetxea, especialistas en gestión de datos e inteligencia artificial en Anasinf.

Linkedin:

Anasinf

susanarodriguez

iñigogoikoetxea

Imanol Zubikarai

Director Técnico y Estrategia Digital en Orbetec

Insights relacionados

Visita nuestros contenidos
TEMAS

ÚLTIMOS INSIGHTS