· 7 min de lectura · Automatización
Un agente de IA no arregla un maestro de artículos sucio: lo usa y se equivoca en silencio. Qué limpiar, en qué orden y por qué no hace falta entero.
Tu equipo lleva años metiendo pedidos a mano y funciona. Funciona porque alguien de administración —llámala Marisa— sabe que cuando un cliente pide "dos garrafas de virgen extra" se refiere a la referencia 4417, y que la 4418 es la misma garrafa de un proveedor que dejó de servir hace dos años. Ese conocimiento no está en tu ERP. Está en Marisa. El día que pones un agente de IA a leer los pedidos, el maestro de artículos deja de ser un tema de informática y pasa a ser lo que decide si el proyecto sale adelante o se queda en piloto para siempre.
Es el trabajo menos vendible de una automatización. No sale en ninguna demo. Y es justo el que separa lo que funciona de lo que no.
No es una impresión. Son cuatro cosas medibles:
AC OL VE 5L GARR PET es perfectamente legible para quien lleva quince años ahí, y opaco para todo lo demás. Máquinas incluidas.Los dos últimos son los que más duelen y los que menos se miran.
Y no es un problema tuyo en exclusiva. En el estudio de calidad de datos de Harvard Business Review, donde 75 responsables puntuaron cien registros reales de su propio departamento, solo el 3% de las puntuaciones llegó a "aceptable" con el criterio más laxo posible, y el 47% de los registros recién creados tenía al menos un error crítico. Recién creados. No heredados de un ERP de 2009.
Aquí está el malentendido caro. Mucha gente asume que un modelo de lenguaje, como "entiende", va a salvar los muebles de un maestro sucio. Hace justo lo contrario.
Una búsqueda clásica contra un maestro sucio no encuentra nada y salta un error. Un agente encuentra siempre algo: coge la referencia más parecida y sigue. Si tienes la 4417 y la 4418 casi idénticas, el agente elige una. Acertará casi siempre, y el día que no, mete el pedido con el artículo equivocado, con total seguridad y sin avisar a nadie. Un fallo silencioso sale más caro que uno ruidoso, porque no lo ves en la pantalla: lo ves en el albarán, en el camión o en el abono.
Por eso Gartner predice que hasta 2026 las organizaciones abandonarán el 60% de los proyectos de IA que no cuenten con datos preparados, y que un 63% de las organizaciones no tiene, o no sabe si tiene, las prácticas de gestión de datos necesarias. Esos proyectos no se abandonan por el modelo. Se abandonan porque el modelo se estrella contra el maestro.
Esta es la parte que casi nadie cuenta. Tu ERP quiere un maestro consistente: códigos únicos, campos obligatorios rellenos, tarifas que cuadren. Un agente que lee pedidos necesita todo eso y una cosa más: que el maestro hable como habla tu cliente.
Tu cliente no pide AC OL VE 5L GARR PET. Pide "garrafa de cinco de virgen", "la de plástico", "lo de siempre pero en cinco litros". Y si además recibes pedidos por WhatsApp o por nota de voz, la distancia entre lo que dice el cliente y lo que pone en tu ERP se dispara.
Traducido: al maestro le falta una columna que ningún ERP trae de serie. Llámala sinónimos, alias comerciales o vocabulario de cliente. Es la lista de formas en que la gente pide de verdad cada artículo, incluidos los códigos internos de tus tres clientes grandes. Esa columna no la genera el ERP. Está en la cabeza de administración, y sacarla de ahí es, literalmente, el proyecto.
Lo peor que puedes hacer es montar un proyecto de nueve meses para limpiar el catálogo entero. No hace falta, y no lo vas a terminar.
Saca las líneas de pedido de los últimos doce meses y cuenta referencias distintas. Ese número, sea el que sea, es tu alcance real. El resto del maestro puede seguir sucio un año más sin que pase nada.
Ordena por descripción normalizada (sin acentos, sin abreviaturas, sin espacios dobles) y por EAN. Los candidatos a duplicado salen solos. Decide uno a uno cuál sobrevive y deja el otro bloqueado, no borrado: el histórico tiene que seguir cuadrando.
Una tarde con administración y comercial, las 200 referencias más pedidas encima de la mesa, y apuntar cómo las pide la gente. Una tarde, no un comité. De todo lo que hay en esta lista, esto es lo que más mueve la aguja.
De nada sirve limpiar si mañana se vuelve a ensuciar. Una sola persona da de alta artículos, con campos obligatorios de verdad y una regla clara: sin EAN, sin unidad de medida y sin factor de conversión, no hay alta.
Con esos cuatro pasos hechos, conectar la IA con tu ERP sin cambiar de ERP deja de ser el problema difícil, y el agente que lee los pedidos y los deja metidos tiene por fin contra qué validar. El mismo razonamiento vale si lo que quieres es extraer datos de albaranes y facturas de proveedor: sin maestro, la extracción es texto suelto que alguien tiene que casar a mano.
Hace bien: proponer parejas de duplicados, normalizar descripciones a un formato único, rellenar huecos a partir de las fichas del proveedor y generar el primer borrador de la lista de sinónimos a partir de tus propios pedidos históricos. Eso convierte semanas de trabajo en días.
No hace: decidir. Que la 4417 y la 4418 sean la misma referencia lo firma alguien de compras, porque puede haber una diferencia de formato, de proveedor o de precio que no está escrita en ningún campo. Y cuidado con los EAN: un modelo rellena huecos con lo que le parece plausible, y un EAN plausible es un EAN inventado. Los identificadores se copian de la fuente o se dejan vacíos.
Un apunte sobre las cifras que verás por ahí. Gartner calcula que la mala calidad de datos cuesta 12,9 millones de dólares al año de media a una organización, y ese número circula en medio LinkedIn. Es una media de grandes corporaciones y no dice nada sobre una distribuidora de sesenta personas. La cuenta que a ti te sirve es otra, y la puedes hacer esta semana: cuántas líneas de pedido corrigió tu equipo el mes pasado, cuánto tiempo llevó cada corrección y cuántos abonos salieron por artículo equivocado.
Si estás valorando automatizar pedidos, presupuestos o entrada de documentos, el maestro de artículos es lo primero que hay que mirar. Antes que el modelo, antes que el proveedor y antes que el presupuesto. En la auditoría gratuita de procesos lo revisamos contigo: sacamos las referencias que se piden de verdad, miramos cuántas están duplicadas o incompletas, y te decimos si tu maestro aguanta un agente o hay que trabajarlo antes. Media hora, y sales sabiendo por dónde vas.
Transparencia: este artículo contiene partes generadas con un agente de IA de MALDITAIA y se ha publicado con aprobación humana. Predicamos con el ejemplo.
Volver al blog de MalditaIA · Solicita una consultoría gratuita