Grupo Intelsis participó en SAP House Chile 2025, un encuentro de líderes, especialistas y empresas dedicado a la integración de procesos, la eficiencia operativa y la inteligencia artificial.
El equipo conversó con clientes y socios y asistió a presentaciones sobre el uso de la tecnología en las empresas. Una de ellas abordó la preparación y la gestión de los datos utilizados en proyectos de IA.
Un espacio para escuchar a clientes y partners
Además de las presentaciones, SAP House Chile ofreció un espacio para intercambiar experiencias y debatir los retos de las organizaciones participantes.
Estas conversaciones ayudan a identificar dificultades de integración, diferencias en el cálculo de indicadores y obstáculos para la adopción de IA. El equipo puede utilizar ese contexto al evaluar los proyectos.
SAP BTP como cimiento de datos para la IA
En su presentación, Matías Müller explicó el papel de SAP BTP como habilitador de la gestión de datos y su impacto en los proyectos de inteligencia artificial. Según explicó, la plataforma integra, gobierna y transforma datos de múltiples fuentes en una capa única y confiable, para que los modelos trabajen con información de calidad, actualizada y con contexto de negocio.
En la práctica, eso significa sacar los datos de los silos donde suelen quedarse: el ERP, los sistemas satélite, las hojas de cálculo y las aplicaciones de socios comerciales. Servicios de SAP BTP como SAP Integration Suite, que conecta sistemas SAP y no SAP, y SAP Datasphere, que organiza los datos y los pone a disposición, ayudan a construir esa capa sin personalizar el núcleo del ERP, preservando el clean core. Si desea entender la plataforma en lenguaje de negocio, revise qué es SAP BTP.
Por qué la calidad de los datos define el alcance de la IA
Müller también destacó que la calidad de los datos determina directamente tres atributos de cualquier modelo de IA: precisión, confiabilidad y escalabilidad. En el día a día de una empresa, el efecto se ve así:
- Precisión: los registros maestros duplicados y el historial incompleto pueden comprometer las previsiones y recomendaciones del modelo.
- Fiabilidad: ventas, finanzas y operaciones necesitan conocer y validar los datos de origen para evaluar las recomendaciones.
- Escalabilidad: la limpieza manual de hojas de cálculo puede dificultar la repetición de un piloto en otras unidades de negocio o países.
Según Müller, al reducir silos, mejorar la trazabilidad y habilitar la analítica avanzada, SAP BTP respalda decisiones más inteligentes y basadas en datos. También sostuvo que invertir en una buena gestión de datos es una ventaja competitiva, y no solo una elección tecnológica.
Checklist: ¿están sus datos listos para la IA?
Para llevar ese mensaje a la acción, reunimos cinco verificaciones que le ayudan a evaluar si los datos de su empresa pueden sostener un caso de uso de inteligencia artificial. Conviene hacerlas antes de elegir herramienta o modelo.
- Empiece por el caso de uso. Elija una decisión concreta, como pronosticar la demanda de una línea de productos o priorizar el mantenimiento de activos críticos, y mapee solo los datos que necesita. Intentar ordenar todos los datos de la empresa antes de empezar suele paralizar el proyecto.
- Asigne un dueño a cada dato crítico. Los datos de clientes, materiales, proveedores y precios necesitan un responsable de negocio que defina qué significa cada campo y apruebe los cambios. Sin dueño, la calidad queda solo en manos de TI y nadie corrige el origen.
- Escriba reglas de calidad y mídalas. Defina qué es un registro válido en términos de completitud, unicidad, formato y actualización, siga esos indicadores y corrija los problemas en el sistema de origen, no en el informe.
- Documente el linaje. Registre el sistema de origen, las transformaciones y la última actualización de cada dato. Esto ayuda a investigar una recomendación de IA e identificar dónde corregir la información que la sustenta.
- Gobierne el acceso. Defina perfiles por función, proteja los datos personales y sensibles y registre quién accede a qué. Un modelo de IA no debe convertirse en un atajo hacia información que las personas no deberían ver.
Conversemos sobre los datos de su empresa
El equipo de Grupo Intelsis puede evaluar los datos necesarios para un caso de uso de IA. Las áreas de datos y analítica y de inteligencia artificial apoyan el diagnóstico de las fuentes, la definición de la gestión de datos y la arquitectura en SAP BTP.
