Un análisis de VentureBeat publicado el 23 de agosto identifica la causa real de que los agentes de IA fallen en producción: no es el modelo, es el desorden documental de la empresa. El conocimiento vive repartido entre sistemas con definiciones distintas del mismo dato, y cada aplicación mantiene su propia versión desactualizada.
Para Carla esto cambia la pregunta antes de contratar un agente de IA. No es «qué puede hacer» sino «de dónde saca la respuesta». Si el CRM dice una cosa, la intranet otra y el Drive una tercera, el agente hereda esa contradicción y la entrega como si fuera un hecho, con la misma seguridad.
El análisis propone organizar el conocimiento en cuatro capas antes de escalar cualquier agente: guardar las fuentes originales sin tocar, normalizarlas en un formato común, conectarlas con identificadores compartidos entre departamentos y publicar solo una versión final que consulten todos los agentes. En una empresa mediana esto equivale a auditar qué vive en el CRM, el Drive y las hojas de cálculo de cada equipo antes de automatizar nada encima.
El caso típico: marketing y atención al cliente describen al mismo cliente de forma distinta en sus respectivas herramientas. Un agente que cruce ambas fuentes sin depurarlas antes generará respuestas incoherentes desde el primer día, y el problema se atribuirá al agente cuando el origen es la base documental.
Antes de aprobar un proyecto de automatización con IA esta semana, pide un inventario de dónde vive el dato que ese agente va a usar y quién lo mantiene actualizado. Si nadie puede responder con precisión, el proyecto no está listo, por bueno que sea el modelo elegido.
Lo que el análisis no aclara es el coste de montar esa arquitectura de cuatro capas: requiere tiempo y, casi siempre, un proveedor externo. Para una empresa mediana sin equipo de datos, la versión realista es más modesta: un documento único y mantenido por proceso, no una plataforma completa.