La inteligencia artificial está acelerando la transformación de los servicios profesionales, pero su verdadero potencial depende de algo previo: disponer de datos fiables, conectados y con contexto de negocio. En esta entrevista, Fernando Arévalo, SAP Business Data Cloud & Data Strategy Consultant en Altim, analiza cómo SAP Business Data Cloud puede convertirse en la base sobre la que construir una IA más útil, gobernada y orientada a la toma de decisiones.
¿Por qué SAP Business Data Cloud se ha convertido en una pieza clave para impulsar la IA en las empresas del sector de los Servicios Profesionales?
Antes de responder directamente a la pregunta, me gustaría comentar cuál era la situación antes de SAP Business Data Cloud. Uno de los principales retos era que no teníamos una capa de datos de negocio realmente unificada: la información estaba distribuida en diferentes sistemas, fuentes, y era difícil tener una visión común y contextualizada del negocio.
Con SAP Business Data Cloud conseguimos precisamente esa capa: podemos conectar los diferentes datos de negocio, darles contexto y gobernarlos de forma unificada.
Y esto es especialmente importante para la IA, porque la IA por sí sola no es suficiente. Para que dé respuestas y tome decisiones correctas necesita acceder a datos de negocio fiables, contextualizados y gobernados.
Por eso veo SAP Business Data Cloud como una pieza clave: crea la base de datos de negocio sobre la que después pueden apoyarse las diferentes iniciativas de IA, desde Joule hasta los modelos de Databricks o las aplicaciones inteligentes.
¿Qué ventajas aporta SAP Business Data Cloud frente a un modelo tradicional de integración de datos?
Un modelo tradicional de integración de datos suele basarse en construir conexiones punto a punto entre sistemas, o en mover y replicar datos de un sitio a otro para poder analizarlos. Esto tiene varios problemas: cada nueva fuente de datos requiere una integración distinta, los datos se duplican en varios sitios (con el riesgo de que dejen de coincidir entre sí), y no existe un significado de negocio común: cada equipo interpreta las mismas cifras de forma distinta según el sistema del que las haya sacado.
Con SAP Business Data Cloud veo cinco ventajas principales:
- Reduce la necesidad de duplicar y mover datos. Podemos trabajar con los datos allí donde están disponibles y conectar las diferentes fuentes, reduciendo copias innecesarias y el riesgo de trabajar con versiones diferentes.
- Aporta contexto de negocio. No se trata únicamente de saber que un dato existe, sino de entender qué significa para el negocio y cómo se relaciona con otros datos. Esto es especialmente importante para la IA.
- Permite un gobierno más consistente. Podemos aplicar de forma centralizada quién puede acceder a los datos, con qué calidad y bajo qué condiciones, en lugar de resolver esto de manera diferente en cada integración.
- Reduce la complejidad de la arquitectura. Al depender menos de múltiples integraciones y conexiones independientes entre sistemas, resulta más sencillo mantener y evolucionar el conjunto de datos de la empresa.
- Crea una base preparada para la IA. Al disponer de datos conectados, gobernados y con contexto de negocio, Joule, los modelos de IA y las aplicaciones inteligentes pueden trabajar sobre una base mucho más fiable.
Por eso, para mí, la diferencia fundamental es esta: un modelo tradicional se centra en llevar los datos al lugar donde los necesitamos, mientras que SAP Business Data Cloud se centra en hacer que los datos de negocio estén conectados, tengan significado y puedan ser utilizados de forma gobernada por toda la organización y por la IA.
La ventaja no es simplemente mover menos datos; es que dejamos de construir integraciones aisladas y empezamos a construir una capa de entendimiento común del negocio.
¿Cómo ayuda SAP Business Data Cloud a que la IA genere mejores decisiones en la gestión de proyectos?
Más allá de lo que ya comentaba antes sobre la capa única de datos que facilita el trabajo de la IA, en el caso concreto de la gestión de proyectos esto se nota en cosas muy concretas
Por ejemplo, para controlar la rentabilidad, BDC permite conectar en un mismo contexto de negocio información como horas, costes, facturación y avance del proyecto. Sobre esa base, la IA puede identificar que un proyecto está empezando a desviarse de margen y alertar al Project Manager antes de que el problema sea evidente en los resultados.
Lo mismo ocurre con la gestión de recursos. BDC permite relacionar información sobre personas, capacidades, disponibilidad y asignaciones. La IA puede utilizar ese contexto para recomendar el recurso más adecuado para un proyecto o detectar una posible sobrecarga antes de que termine afectando a la entrega.
Y por último: la anticipación de riesgos. Al combinar en BDC la información de los proyectos actuales con el histórico, la IA puede detectar patrones y señales de riesgo que una persona difícilmente identificaría analizando cada dato de forma aislada.
Es decir, pasamos de una gestión de proyectos en la que reaccionamos ante hechos que ya han ocurrido, a una gestión mucho más proactiva, en la que anticipamos lo que va a ocurrir y sugerimos cómo actuar.
SAP habla mucho de «IA fiable». ¿Qué papel juega SAP Business Data Cloud para conseguirlo?
Cuando SAP habla de «IA fiable», para mí la pregunta de fondo es: ¿por qué debería confiar en lo que me dice un agente de IA? Y la respuesta tiene mucho que ver con lo que ya he comentado, pero aplicado específicamente a la confianza.
Para que confíes en una respuesta de la IA necesitas saber que se basa en datos correctos y actualizados, no en una copia desfasada de hace semanas. Eso es justo lo que aporta SAP Business Data Cloud: al conectar los datos donde ya viven, en lugar de duplicarlos, la IA trabaja siempre sobre la versión real y actual del dato.
También necesitas que esa respuesta sea consistente: que si dos personas de la empresa preguntan lo mismo a la IA, obtengan la misma respuesta, y no una distinta según de qué sistema haya sacado los datos cada una. Eso lo consigue BDC al dar un significado de negocio común a los datos, en lugar de dejar que cada sistema los interprete a su manera.
Además, necesitas poder confiar en quién puede ver y usar cada dato. Si no hay un control claro de acceso y calidad, es fácil que la IA acabe usando información que no debería, o de mala calidad. Con el gobierno centralizado de BDC, se sabe en todo momento qué datos alimentan a la IA, con qué calidad y bajo qué permisos.
En definitiva, para mí «IA fiable» no depende tanto del modelo de IA en sí, sino de que los datos con los que trabaja sean correctos, consistentes y estén bien controlados. Y eso es precisamente lo que aporta SAP Business Data Cloud: la base de confianza sobre la que se puede construir una IA en la que realmente se puede confiar.
¿Cuál crees que será el siguiente paso para las empresas de Professional Services que adopten SAP Business Data Cloud?
Creo que el siguiente paso, una vez adoptado SAP Business Data Cloud, no es tanto tecnológico como de madurez en el uso de la IA dentro de la organización.
Al principio, lo normal es usar la IA para tareas más puntuales: resumir información, responder preguntas sobre un proyecto, generar un informe más rápido. Pero una vez que los datos ya están conectados, gobernados y con contexto de negocio, el siguiente paso natural es empezar a apoyarse en agentes de IA que no solo informen, sino que participen en el propio proceso de decisión: por ejemplo, que propongan cómo reasignar recursos ante una desviación, o que simulen el impacto de aceptar un nuevo proyecto antes de comprometerse con el cliente.
En el caso concreto de Professional Services, creo que ese paso siguiente pasa por conectar mejor todo el ciclo del proyecto —desde la venta y la propuesta, pasando por la ejecución, hasta la facturación— para que la IA no vea el proyecto en fases sueltas, sino de principio a fin. Eso permitiría, por ejemplo, anticipar ya en la fase de propuesta si un proyecto va a ser rentable según cómo han ido proyectos similares en el pasado.
Y a más largo plazo, creo que veremos a estas empresas confiar cada vez más en que ciertas decisiones —no todas, pero sí las más repetitivas y basadas en datos claros— las tome directamente la IA, con las personas centradas en supervisar y en los casos que realmente requieren su criterio.
Al final, para mí el siguiente paso no es tener más datos ni más IA, sino dar más autonomía a esa IA ahora que ya tiene una base de datos en la que se puede confiar.
El escenario que dibuja Fernando Arévalo apunta, por tanto, hacia una nueva etapa en la adopción de la inteligencia artificial empresarial. Una fase en la que el reto ya no será simplemente incorporar más herramientas de IA, sino conseguir que puedan trabajar con datos fiables y contextualizados para participar de forma cada vez más activa en los procesos de negocio. La tecnología puede aportar capacidad de anticipación y automatización, pero serán la gobernanza del dato y el criterio de las personas los que determinen hasta dónde puede llegar esa autonomía.