La promesa de los agentes de IA es atractiva: haga una pregunta en lenguaje sencillo y obtenga la respuesta; diga al agente qué cambiar y lo cambia. Las demos parecen fáciles porque los datos de la demo están limpios.
Los datos reales de una empresa no lo están. El CRM está configurado a medias. El sistema de facturación y el CRM no coinciden en lo que paga un cliente. La misma cuenta existe tres veces con nombres ligeramente distintos. Las fechas de renovación viven en una hoja de cálculo que mantiene una sola persona. El uso del producto está en una base de datos que nadie ha vinculado a la cuenta a la que pertenece.
Ponga un agente encima y seguirá respondiendo, con seguridad. Solo que se equivocará de formas difíciles de detectar.
¿Por qué la base de datos tiene que ir antes que los agentes de IA?
Porque un agente solo puede informar y actuar sobre lo que registran sus sistemas. Si los datos del CRM, de facturación y de producto no coinciden, las respuestas del agente son conjeturas y sus acciones propagan los errores. Estructurar primero los datos da a cada agente una única versión acordada de los hechos, de modo que sus informes son fiables y sus acciones, seguras.
La versión corta es la de nuestra página de inicio: sin datos, no hay IA. En nuestra experiencia, también es donde muchos proyectos de IA se estancan sin hacer ruido. El informe «The GenAI Divide» de MIT NANDA, de 2025, concluyó que solo alrededor del 5% de los pilotos de IA generativa llegan a producción con un retorno medible. Un piloto sobre una muestra ordenada puede parecer excelente; la misma idea sobre los datos reales, desordenados, a menudo no sobrevive al cambio.
Qué falla cuando los agentes se apoyan en datos desordenados
Los fallos son previsibles, y empeoran en cuanto el agente puede actuar además de responder:
- Informes que no cuadran. Pida el ARR y el agente suma el CRM. Finanzas suma las facturas. El consejo recibe dos cifras y no se fía de ninguna.
- Duplicados que se multiplican. Tres registros para un mismo cliente significan tres puntuaciones de salud, tres recordatorios de renovación y un gestor de cuenta que parece descuidado.
- Acciones sobre hechos equivocados. Un agente encargado de enviar recordatorios de renovación los envía según las fechas que tenga el CRM. Si esas fechas están desfasadas, también lo están los recordatorios, y ahora ya han llegado a los clientes.
- Respuestas que nadie puede comprobar. Cuando los datos están dispersos, nadie puede rastrear de dónde sale una cifra, así que nadie puede saber si es correcta.
Extraer datos de fuentes deficientes produce informes deficientes. Introducir datos en fuentes deficientes las empeora. Las dos mitades de lo que hace un agente dependen de la base que hay debajo.
Qué es realmente una base de datos sólida
Una base de datos sólida no es un programa de data warehouse ni una migración de un año. Para una empresa en crecimiento, y en especial para una empresa SaaS, se reduce a unas pocas cosas bien hechas:
- Un CRM configurado para cómo vende, renueva y factura. Pipelines, etapas, objetos y campos diseñados en torno a cómo trabaja realmente la empresa, en lugar de en torno a una plantilla por defecto.
- Cada dato registrado una sola vez. Cuentas, contactos y contratos sin duplicados; productos, precios y condiciones de renovación en un solo lugar.
- Los sistemas conectados. Facturas y pagos asociados al cliente correcto, el uso del producto vinculado a la cuenta a la que pertenece, y un cliente, un contrato y una factura que significan lo mismo en todos los sistemas.
- Algo que los mantenga en sintonía. Los datos se desvían si nada los mantiene. En nuestras implantaciones, eso es el Procesador, que ejecuta los flujos de trabajo entre sistemas, reintenta lo que falla y mantiene un registro de auditoría completo de cada paso.
El detalle está en nuestra página sobre la base de datos.
Cómo saber si sus datos están listos
Unas pocas preguntas dan una respuesta rápida y honesta. Si alguna lleva más de unos minutos, o recibe dos respuestas distintas de dos personas distintas, la base necesita trabajo antes de poner agentes encima:
- ¿Coincide el ARR del CRM con el ARR de finanzas?
- ¿Existe cada cliente exactamente una vez, en todos los sistemas?
- ¿Están las fechas y condiciones de renovación en el CRM, y son correctas?
- ¿Puede ver el uso del producto por cuenta, junto a lo que paga esa cuenta?
- Cuando se cierra un acuerdo, ¿se entera el resto de la empresa sin que nadie envíe un mensaje?
Comprobarlo forma parte de nuestro AI Readiness Assessment: si el CRM y los sistemas financieros coinciden lo suficiente como para que la IA pueda confiar en ellos, antes de construir nada.
El orden que funciona: datos, luego la capa de IA, luego agentes
Cada proyecto que realizamos construye las mismas tres capas, en el mismo orden:
- 1. La base de datos. El CRM y los sistemas que lo rodean configurados, estructurados y en sintonía.
- 2. La capa de IA. Esos datos conectados al asistente de IA que el equipo ya usa, mediante MCP (Model Context Protocol), el estándar abierto para conectar la IA con sistemas reales. Cualquier persona con permiso puede extraer datos, introducir datos y lanzar acciones en lenguaje sencillo.
- 3. Agentes por departamento. Agentes diseñados a medida para finanzas, ventas y éxito del cliente, cada uno con los informes y las acciones que ese equipo necesita, dentro de sus permisos y con registro de auditoría.
Saltarse la primera capa parece más rápido. Rara vez lo es. El tiempo ahorrado al principio se gasta después explicando por qué las cifras del agente no coinciden con las de finanzas, y reparando los registros que modificó. Construida en orden, cada capa abarata la siguiente, y los agentes de arriba son fiables desde el primer día.
Construida así, la base también sigue siendo suya, y en Europa. Los datos permanecen en infraestructura de la UE durante la construcción, el modelo de IA lo elige usted y, si cambia de modelo más adelante, la base y todo lo construido sobre ella siguen igual.