Antes de usar IA, ordena tus datos

Muchas empresas quieren meter IA en procesos que ni una persona nueva podría entender en su primera semana.

Clientes duplicados. Carpetas de OneDrive con nombres distintos para el mismo expediente. Exceles que nadie sabe si siguen vigentes. Estados comerciales escritos a mano. Documentos importantes escondidos en WhatsApp. Correos con instrucciones que nunca llegaron al CRM.

Luego llega la pregunta: “¿Podemos poner un agente IA para que gestione esto?”

Se puede intentar. Pero si la empresa no tiene una estructura de datos clara y legible, la IA no va a trabajar bien. El proyecto gastará dinero leyendo ruido.

La IA necesita una empresa que se pueda leer

Un agente IA puede leer documentos, clasificar emails, extraer datos y preparar tareas. Pero necesita encontrar una relación mínima entre las cosas.

Necesita saber qué es un cliente, qué documentos pertenecen a ese cliente, qué estado tiene cada expediente, quién responde de cada paso y qué datos mandan sobre los demás.

En una empresa pequeña esto suele vivir repartido:

• El cliente está en el CRM, pero con un nombre distinto al de la carpeta.
• El expediente está en OneDrive, pero cada abogado lo nombra a su manera.
• El estado real está en un Excel que alguien actualiza cuando se acuerda.
• La última instrucción está en un correo.
• La urgencia está en un WhatsApp.

Una persona que lleva 10 años en la empresa entiende ese mapa porque lo tiene en la cabeza. La IA no tiene esa memoria informal. Lee lo que existe.

Si la empresa trabaja con datos desordenados, la IA arrastra ese desorden al flujo nuevo.

El caso típico: OneDrive lleno de carpetas que solo entiende una persona

Lo hemos visto sobre todo en despachos y empresas de servicios.

Hay una carpeta principal. Dentro hay clientes. O expedientes. O años. O asuntos. A veces todo mezclado. Dentro de esas carpetas hay más carpetas, algunas con nombres buenos y otras con nombres como “nuevo”, “varios”, “documentos”, “pendiente”, “copia”, “cliente final” o “revisado”.

El dueño sabe dónde está todo. Un abogado concreto también. Una persona nueva tarda semanas en orientarse. Si alguien se va, parte del sistema se va con esa persona.

Pedirle a la IA que trabaje sobre eso tiene un problema básico: no sabe si “García demanda 2”, “Garcia_final”, “EXP 24-103” y “Juan G.” son el mismo asunto, cuatro asuntos distintos o tres copias del mismo desastre.

Puede adivinar. A veces acertará. En procesos sensibles, necesitas algo mejor que una coincidencia probable.

Una gestoría con facturas y modelos fiscales dispersos tiene el mismo problema. Una administración de fincas con actas, proveedores, incidencias y propietarios mal organizados también. Una pyme comercial con leads en WhatsApp, presupuestos en Word y seguimiento en Excel vive una versión parecida.

La estructura mínima antes de implementar IA

Tu empresa no necesita una arquitectura de datos perfecta. Necesita una estructura que una persona nueva pueda entender sin pedir permiso a quien lo tiene todo en la cabeza.

Antes de meter IA, revisa esto.

1. Una fuente de verdad para clientes

Cada cliente debe tener un registro principal. Puede estar en un CRM, en Baserow, en un software sectorial o en una base de datos sencilla.

Lo importante es que exista un sitio que mande.

Si el nombre del cliente cambia según mires OneDrive, Excel, el correo o el programa de facturación, cualquier automatización empezará mal. La IA puede ayudarte a detectar duplicados, pero alguien debe decidir qué registro es válido.

2. Nombres consistentes para carpetas y documentos

Las carpetas no deberían depender del humor de quien las crea.

Un despacho puede usar una estructura sencilla:

1. Cliente
2. Expediente
3. Tipo de documento
4. Fecha

No hace falta complicarlo más al principio. La mejora viene de repetir el patrón.

Puedes leer, buscar y relacionar un documento llamado 2026-06-13_notificacion_juzgado_social_exp-24103.pdf. Un documento llamado definitivo bueno.pdf obliga a abrirlo.

3. Estados claros

Muchos procesos fallan porque los estados significan cosas distintas según quién los use.

“Pendiente” puede querer decir pendiente de cliente, pendiente de revisión interna, pendiente de pago o pendiente de presentar. Para una persona con contexto puede ser suficiente. Para un sistema, no.

Una empresa que quiere usar IA necesita estados más claros:

• Pendiente de cliente
• Pendiente de revisión interna
• Pendiente de firma
• Presentado
• Cerrado

No son estados brillantes. Son útiles. Y eso basta.

4. Responsables definidos

La IA puede preparar una tarea, pero debe saber quién la recibe.

Si un expediente no tiene responsable, el sistema tendrá que inventar una regla. Si cada equipo asigna responsables de una forma distinta, la automatización se llenará de excepciones.

Antes de automatizar, define quién responde de cada tipo de caso. Persona, rol o bandeja compartida. Pero define algo.

5. Datos obligatorios y datos decorativos

No todos los campos importan.

Una buena estructura separa los datos que bloquean el proceso de los datos que solo añaden contexto. En una gestoría, el NIF, el cliente, el ejercicio y el tipo de trámite pueden ser obligatorios. El comentario libre puede ayudar, pero no debería ser la base del sistema.

Si todo vive en notas libres, la IA tiene que interpretar demasiado. Si los datos críticos tienen campos claros, puede concentrarse en leer documentos variables, detectar errores y preparar propuestas.

6. Reglas para excepciones

El desorden no desaparece. Los clientes mandan archivos mal nombrados. Alguien sube un documento a la carpeta equivocada. Un expediente llega sin número.

Lo importante viene después: qué hace la empresa cuando aparece la excepción.

Una empresa legible tiene reglas para esos casos:

• Si falta el NIF, se pide antes de abrir el expediente.
• Si el documento no encaja en ninguna categoría, va a revisión.
• Si hay dos clientes parecidos, el sistema no fusiona nada sin permiso.
• Si falta una fecha crítica, se avisa al responsable.

Estas reglas protegen a la empresa. También evitan que la IA ejecute una suposición como si fuera un dato.

La checklist antes de meter IA

Si quieres saber si tu empresa está lista para implementar IA, empieza por estas preguntas:

• ¿Existe un sitio principal donde viven los clientes?
• ¿Cada documento importante pertenece a un cliente, expediente o proceso concreto?
• ¿Las carpetas siguen un patrón que una persona nueva puede entender?
• ¿Los estados del proceso significan lo mismo para todo el equipo?
• ¿Hay responsables definidos para cada tipo de tarea?
• ¿Los datos críticos están en campos claros, no escondidos en notas?
• ¿Sabes qué debe hacer el sistema cuando falta información?
• ¿Hay una regla para casos ambiguos?

Si fallas en varias, no pasa nada. Pero conviene ordenar antes de pedirle a la IA que actúe.

Quitar ruido antes de añadir tecnología suele costar menos que corregir una automatización mal montada.

El método sensato: auditar, ordenar, automatizar y después usar IA

El error caro es empezar por el modelo.

“Queremos un agente IA” suena más moderno que “tenemos que ordenar clientes, carpetas y estados”. Pero la segunda frase ahorra más dinero.

En Veltas solemos mirar el proceso en este orden:

1. Auditar cómo vive hoy la información.
2. Ordenar la estructura mínima: clientes, documentos, estados y responsables.
3. Automatizar las partes mecánicas con reglas.
4. Usar IA solo donde hace falta leer contenido variable o preparar una decisión.

Este orden evita meter tokens donde bastaba una regla. También evita que un agente trabaje sobre datos que el equipo no controla.

Munger lo diría con una checklist. Taleb lo miraría por via negativa: antes de añadir una capa sofisticada, quita las fragilidades obvias.

En una pyme, las fragilidades obvias suelen tener nombres poco glamourosos: carpetas duplicadas, clientes mal escritos, estados ambiguos y decisiones escondidas en WhatsApp.

Para qué tipo de empresa aplica

Este enfoque sirve para cualquier empresa de servicios que maneje documentos, clientes y tareas repetidas.

Encaja especialmente bien en:

• Despachos de abogados con expedientes, notificaciones y plazos.
• Gestorías con facturas, modelos, vencimientos y consultas de clientes.
• Administraciones de fincas con incidencias, actas, proveedores y propietarios.
• Empresas comerciales con leads, presupuestos, seguimientos y contratos.

En todas aparece el mismo problema: la empresa funciona porque algunas personas saben dónde está cada cosa. Eso aguanta mientras el volumen es bajo y esas personas siguen disponibles.

Si quieres automatizar, delegar o usar IA, esa memoria tiene que salir de la cabeza de unas pocas personas y convertirse en estructura.