Grupo Intelsis participó en SAP House Chile 2025, un encuentro que reunió a líderes, especialistas y empresas en torno a las tendencias que impulsan la transformación digital. La integración de procesos, la eficiencia operativa y la inteligencia artificial protagonizaron las conversaciones, con la tecnología entendida como un medio para hacer evolucionar el negocio y no como un fin en sí misma.
Para nuestro equipo, el evento dejó dos aportes claros. El primero fue el contacto directo con clientes y partners, que fortalece las relaciones y abre nuevas oportunidades de colaboración. El segundo llegó de una de las presentaciones, dedicada a una pregunta que muchas empresas dejan para después: ¿con qué datos va a trabajar la IA?
Un espacio para escuchar a clientes y partners
El formato cercano y dinámico de SAP House Chile favoreció el networking y la escucha activa. Además de las presentaciones, el encuentro funcionó como un foro para compartir ideas, experiencias y los desafíos reales de las organizaciones.
Este tipo de conversaciones suele revelar lo que no aparece en una propuesta comercial: la integración que nadie documentó, el indicador que cada área calcula a su manera, el piloto de IA que se quedó en el papel. Entender esas necesidades de cerca es lo que permite diseñar soluciones que generan valor real. Por eso, estar presentes en eventos como este forma parte del compromiso de Grupo Intelsis con la innovación y la cercanía con sus clientes.
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 quieres entender la plataforma en lenguaje de negocio, revisa 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: un modelo alimentado con registros maestros duplicados o un historial incompleto se equivoca, y lo hace con aparente seguridad.
- Confiabilidad: si ventas, finanzas y operaciones no reconocen los números de origen, la recomendación se ignora, por muy bueno que sea el algoritmo.
- Escalabilidad: un piloto que depende de limpiar hojas de cálculo a mano funciona una vez, pero no se replica en otra unidad de negocio ni en otro país.
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 tus datos listos para la IA?
Para llevar ese mensaje a la acción, reunimos cinco verificaciones que te ayudan a evaluar si los datos de tu empresa pueden sostener un caso de uso de inteligencia artificial. Conviene hacerlas antes de elegir herramienta o modelo.
- Empieza por el caso de uso. Elige una decisión concreta, como pronosticar la demanda de una línea de productos o priorizar el mantenimiento de activos críticos, y mapea solo los datos que necesita. Intentar ordenar todos los datos de la empresa antes de empezar suele paralizar el proyecto.
- Asigna 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.
- Escribe reglas de calidad y mídelas. Define qué es un registro válido en términos de completitud, unicidad, formato y actualización, sigue esos indicadores y corrige los problemas en el sistema de origen, no en el informe.
- Documenta el linaje. Debes saber de qué sistema viene cada dato, qué transformaciones sufre y cuándo se actualizó por última vez. Sin linaje, nadie puede explicar ni auditar una recomendación de la IA.
- Gobierna el acceso. Define perfiles por función, protege los datos personales y sensibles y registra 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 tu empresa
Si tu empresa está evaluando casos de uso de IA, o ya tiene un piloto que no logró escalar, el equipo de Grupo Intelsis puede ayudarte a entender si tus datos actuales sostienen esa ambición. Nuestras áreas de datos y analítica y de inteligencia artificial trabajan desde el diagnóstico de las fuentes y del gobierno de datos hasta la arquitectura en SAP BTP, siempre a partir de un caso de uso concreto. Cuéntanos tu escenario y evaluemos juntos el mejor punto de partida.