Lo que hemos aprendido trabajando con datos reales
La mayoría de proyectos de IA no fallan por la tecnología. Fallan porque nadie limpió los datos, porque el equipo no entendió el modelo o porque se intentó resolver un problema que no existía. Nosotros empezamos por lo básico: ¿tienes datos suficientes? ¿Son confiables? ¿El problema que describes se puede medir?
En una cadena de farmacias de Cartagena descubrimos que su verdadero cuello de botella no era la predicción de demanda sino la forma en que registraban las ventas. Antes de entrenar un modelo, reorganizamos su flujo de captura. El resultado fue un sistema predictivo que funciona porque se alimenta de datos limpios.
Otra lección: la IA no reemplaza personas. Las libera. Un analista que pasaba 15 horas semanales armando reportes ahora dedica ese tiempo a interpretar los insights que el dashboard genera solo.
