En pocos meses, la IA generativa pasó de ser una curiosidad a una herramienta de todos los días, y los directivos notaron lo que hace bien. Escriben una pregunta en lenguaje natural y obtienen una respuesta fluida en segundos. La siguiente petición al equipo de BI surge sola: ¿por qué buscar en varios tableros para entender por qué bajó el margen en el Oeste, si bastaría con preguntar?
Las herramientas de BI ofrecen preguntas en lenguaje natural desde hace años, con resultados dispares. Lo que está cambiando es la calidad de los modelos de lenguaje que las respaldan, y las expectativas de quienes preguntan. Para los equipos de BI, esto es menos una función que basta con activar que un cambio en lo que construyen y en aquello de lo que son responsables.
Los tableros responden las preguntas que alguien anticipó
Un tablero es un conjunto de respuestas a preguntas que alguien previó hace meses: cómo van las ventas contra el plan, dónde está presionado el margen, qué clientes pagan tarde. Lo hace bien y debe seguir haciéndolo. Donde se queda corto es en la siguiente pregunta: ¿por qué se movió la cifra, qué productos lo explican, cómo se compara con el mismo periodo del año pasado?
Hoy esas preguntas de seguimiento suelen llegar por correo a un analista, que reconstruye el contexto, vuelve a hacer los cálculos y responde uno o dos días después. Para entonces la junta ya terminó, y la decisión se tomó sin la respuesta. Es en esa brecha entre ver una cifra y entenderla donde las preguntas en lenguaje natural aportan más valor.
Anticipe las preguntas, no solo las páginas
Antes de elegir una herramienta, reúna las preguntas. Lea los correos de seguimiento que recibe el equipo de analítica, asista a algunas revisiones de negocio y pregunte a los directivos qué buscaron el mes pasado sin encontrarlo. Unas cuantas docenas de preguntas reales, escritas con las palabras que la gente realmente usa, valen más que cualquier lista de funciones.
Agrúpelas por tipo y verifique que el modelo de datos pueda responder cada una. Las preguntas sobre cambios requieren comparaciones en el tiempo. Las que desglosan una cifra requieren jerarquías limpias de productos, regiones y clientes. Las que comparan contra el plan requieren que el plan esté en el mismo modelo que el real. El banco de preguntas se convierte entonces en un conjunto de prueba: cada pregunta tiene una respuesta esperada y cada cambio al modelo se valida con ese conjunto. Mantenga vivo el banco después del lanzamiento: las preguntas que la gente realmente hace serán distintas de las que anticipó, y el registro de preguntas reales es la mejor guía de lo que el modelo necesitará después.
Haga que cada definición sea inequívoca
Un tablero oculta la ambigüedad detrás de su diseño. El título de la página, los filtros y el analista que lo construyó le indican al lector que “ingresos” significa ingresos netos después de devoluciones y descuentos. Una pregunta escrita no lleva ese contexto. Pida los ingresos del último trimestre, y el sistema tendrá que elegir entre ventas brutas, pedidos recibidos, ventas facturadas e ingresos netos. No siempre elegirá la cifra que reporta finanzas.
La solución es una disciplina que los buenos equipos de BI ya aplican, hecha explícita para cada término de negocio:
- Una sola definición certificada. Una medida por término, con un responsable designado, y las alternativas ocultas o renombradas para que nadie las confunda con ella.
- Una descripción en lenguaje claro. Qué incluye y qué excluye la medida, escrita para el directivo y no para el desarrollador.
- Las palabras que la gente usa. Ventas, ingresos y facturación asociados a la misma medida; los pedidos colocados, a pedidos y no a ingresos.
- Valores predeterminados sensatos. El periodo, la moneda y el alcance que se asumen cuando una pregunta no los especifica.
Cuando un término sigue siendo realmente ambiguo, un sistema bien diseñado pide una aclaración en lugar de adivinar.
Muestre de dónde viene cada respuesta
Una respuesta sin fuente es una opinión. Cada respuesta debe mostrar la medida que usó, los filtros y el periodo aplicados y cuándo se actualizaron los datos por última vez, con un vínculo al reporte gobernado donde se puede comprobar la cifra. Los directivos ponen a prueba un sistema nuevo haciendo preguntas cuya respuesta ya conocen. Cuando la fuente está a la vista, una diferencia se explica en un minuto. Cuando no lo está, una sola cifra equivocada puede deshacer meses de confianza.
Las respuestas también deben respetar quién pregunta. Si un gerente regional solo ve su región en un tablero, una pregunta no debe revelar las demás regiones. Las reglas de acceso deben vivir en el modelo de datos, del que las heredan cada reporte y cada pregunta, y no en páginas individuales.
Igual de importante es saber cuándo no responder. Si una pregunta queda fuera de lo que cubre el modelo, como un mes que aún no cierra o una medida que no existe, la respuesta correcta es decirlo y remitir a la persona que puede ayudar. Un sistema que reconoce sus límites se gana la confianza para las preguntas que sí puede responder.
Conserve los tableros para el monitoreo
Nada de esto vuelve obsoletos a los tableros. El monitoreo depende de la consistencia: las mismas medidas, en el mismo lugar, comparadas de la misma forma cada semana, para que los patrones y las excepciones salten a la vista. Una pregunta no puede hacer ese trabajo, porque nadie pregunta por un problema que todavía no ha notado.
Los dos funcionan mejor juntos. El tablero muestra que algo se movió; la pregunta explica por qué. Diséñelos en conjunto: cada página de un tablero debe anticipar sus preguntas de seguimiento más comunes, y una pregunta que la gente repite una y otra vez es señal de que falta una página o de que no es clara. Una buena prueba del diseño es si un directivo puede pasar de una cifra en rojo en un tablero a una explicación confiable sin escribir un correo.
Qué cambia para el equipo de BI
El trabajo se desplaza hacia el origen. Se necesitan menos páginas aisladas, porque una pregunta de seguimiento ya no exige un reporte nuevo. Se dedica más esfuerzo a las definiciones, las descripciones, los sinónimos, las preguntas de prueba y la revisión periódica de las preguntas que fallaron. Las habilidades que más importan son el dominio del vocabulario del negocio, un modelado de datos limpio y la costumbre de probar las respuestas como finanzas revisa un cierre de mes. Nada de esto es vistoso, pero es la diferencia entre una demostración impresionante y una herramienta que la dirección usa cada semana.
Empiece en pequeño: un dominio, un equipo directivo, un conjunto de datos bien gobernado y las preguntas que ese equipo realmente hace. Demuestre la exactitud de las respuestas ahí antes de ampliar el alcance. Los equipos que trabajan así descubren que sus tableros también mejoran, porque la claridad que exigen las preguntas en lenguaje natural beneficia a todos los reportes.