¿Qué errores se cometen al conectar los datos de una empresa con IA?

Conectar todo por si acaso

Es la tentación más comprensible: ya que se conecta, que entre todo. El problema es que cada programa y cada carpeta de más trae permisos que revisar, datos que entender y ruido. En una biblioteca de SharePoint con diez años de documentos, el borrador de un contrato de 2019 puede acabar respondiendo antes que la versión firmada de este año.

La regla útil es la contraria: entra lo que necesitan las preguntas acordadas, con sus tablas, carpetas y campos. Lo demás se queda donde está y se añade cuando haya una pregunta que lo pida.

Dejar que la IA decida quién ve qué

Escribirle a la IA «no enseñes los márgenes a los comerciales» parece suficiente, pero no lo es. Una instrucción se puede malinterpretar, y un documento puede llevar dentro un texto preparado para engañarla. Si la información ya ha llegado a la IA, decirle que no la use es confiar en su buena conducta.

Lo seguro es que el sistema aplique los permisos antes de buscar nada: si un perfil no puede ver márgenes, esos datos no se recuperan, no se envían y no aparecen. La IA se trata como una pieza en la que no se confía a ciegas.

Dar por hecho que todos llaman igual a las cosas

«Venta», «cliente activo», «pedido servido» o «trabajo terminado» parecen palabras claras hasta que se comparan dos departamentos. Si no se acuerdan por escrito, la IA elegirá una interpretación, y no tiene por qué ser la tuya.

Usar el usuario equivocado o la cuenta equivocada

Por comodidad, a veces se reutiliza el usuario de administración del programa de gestión para conectarlo. Funciona, pero da más permisos de los necesarios. Lo correcto es un usuario de solo lectura creado para esto, con acceso solo a lo acordado.

Lo mismo pasa con la IA. Conectar la información de la empresa a la suscripción personal del chat de alguien no es lo mismo que usar una cuenta de empresa en el servicio para empresas y desarrolladores, con sus propias condiciones y con el consumo facturado a la empresa.

Pasar por alto la calidad de los datos

La IA no arregla los datos mal cargados, y al redactarlos bien puede hacer que parezcan correctos. Antes de preguntar conviene saber qué hay:

• Clientes duplicados o con un código distinto en cada programa.
• Registros sin cliente, sin fecha o con fechas imposibles.
• Campos libres usados para cosas que no tocaban, como apuntar el comercial en el campo de observaciones.
• Cruces hechos por el nombre, que confunden a «Hermanos García» con «García Hermanos».

Lo prudente es construir una correspondencia que se pueda revisar y separar lo que no encaja, en lugar de adivinarlo.

No probar lo que debería fallar

Es habitual probar que el sistema acierta y olvidar probar que sabe decir que no sabe. Hay que preguntar a propósito por cosas que no están en los datos, intentar ver lo que un perfil no debería ver y comprobar qué pasa si una carga de datos falla durante la noche. Si nadie se entera de que los datos son de hace tres días, las respuestas parecerán frescas sin serlo.

Y no basta con probar una vez. Lo que funcionaba el día de la entrega puede dejar de hacerlo tras una actualización del programa de gestión o un cambio de IA. Guardar la lista de pruebas y repetirla después de cada cambio importante es la forma más barata de detectar a tiempo una cifra que ha dejado de significar lo mismo.

Olvidarse de las personas

Si nadie explica al equipo que ya existe una pantalla de preguntas propia, algunos seguirán copiando datos en el chat de su móvil. Conviene contar qué se puede preguntar, qué no, cómo se comprueba una respuesta mirando de dónde sale y a quién avisar cuando algo no cuadra. Con una explicación corta se evitan costumbres que luego cuesta mucho quitar. También conviene que alguien recoja las preguntas que el sistema no supo responder: dicen mucho de lo que falta conectar.