¿Sus datos están realmente listos para los agentes de IA?
Tener datos no basta. Para que un agente de IA los utilice correctamente, deben ser accesibles, autorizados, contextualizados y accionables.
Su empresa probablemente ya tiene muchos datos.
Clientes en el CRM. Pedidos y precios en el ERP. Solicitudes en el correo. Procedimientos en documentos. Historial de servicio en otro sistema. Cifras en hojas de cálculo.
Eso no significa que un agente de IA pueda utilizarlos correctamente.
Cuando la IA solo responde una pregunta, una información incorrecta puede producir una mala respuesta. Cuando un agente además puede modificar un expediente, responder a un cliente, crear un pedido o activar una operación, el tema adquiere otra importancia.
> Un dato no está listo para un agente solo porque existe. Debe estar disponible, accesible, autorizado, contextualizado y ser accionable.
Son cinco condiciones distintas.
El problema empieza antes de la IA
Antes de preguntar si la IA puede utilizar los datos de la empresa, la organización necesita saber dónde están y qué contienen.
En la práctica, la información sensible o útil puede estar dispersa entre bases estructuradas, carpetas compartidas, correo electrónico, conversaciones digitales, repositorios de archivos y otros sistemas.
En su trabajo de 2026 sobre clasificación de datos, NIST destaca la necesidad de descubrir, identificar y clasificar la información —incluidos los datos sensibles no estructurados— para entender qué posee la organización y controlar mejor su uso.
Para un agente de IA, ese es el primer paso.
Un agente no puede utilizar correctamente información que la propia empresa no sabe identificar.
Un agente casi nunca trabaja con una sola fuente
Pensemos en una solicitud sencilla:
“Mi pieza está defectuosa. ¿Sigue en garantía y pueden enviar a alguien?”
Para resolverla, un agente podría necesitar consultar el CRM, el ERP, el historial de servicio, la documentación de garantía y el correo actual.
El reto no consiste simplemente en tener los datos.
Consiste en reunir la información correcta para esta solicitud específica.
NIST convirtió este tema en un área específica de trabajo en 2026 al abordar la identidad y autorización de agentes de software: los agentes pueden necesitar acceso a múltiples conjuntos de datos, herramientas y aplicaciones, lo que exige mecanismos adecuados de identificación, autorización y auditoría.
Aquí es donde “datos listos para IA” adquiere un significado mucho más amplio.
Cinco estados de un dato realmente utilizable
1. Disponible
El dato existe y la empresa sabe que existe.
Puede estar estructurado en un ERP o escondido en un PDF adjunto a un correo de hace tres años.
Antes de hablar de IA, la organización necesita saber qué información tiene, dónde reside y cuál es sensible.
2. Accesible
El agente puede llegar a la fuente necesaria.
Un dato puede ser limpio, exacto y estar bien clasificado, pero seguir encerrado en un sistema al que el agente no puede acceder.
La empresa debe distinguir:
“Tenemos esta información”
de:
“El sistema que ejecuta esta tarea puede obtenerla cuando la necesita.”
La conectividad técnica importa. Pero no basta.
3. Autorizado
El agente tiene permiso para acceder a esta información para esta tarea.
Este punto se vuelve crítico cuando la IA pasa de herramientas aisladas a agentes conectados a los sistemas de la empresa.
El trabajo de NIST de 2026 sobre agentes se centra precisamente en cómo identificar al agente, determinar qué está autorizado a hacer y conservar evidencia suficiente para reconstruir sus acciones.
Un agente encargado de agendar citas puede necesitar el nombre, teléfono y disponibilidad del cliente.
Eso no significa que deba consultar su historial crediticio.
Conectar un agente a un sistema no equivale a darle libertad total dentro de ese sistema.
4. Contextualizado
El dato también debe significar lo correcto en la situación actual.
Un valor de 2,500 dólares no es suficiente por sí solo.
¿Es el saldo del cliente? ¿Su límite de crédito? ¿Una cotización? ¿El precio de una pieza? ¿El umbral de aprobación de un gerente?
La regulación europea también refleja la importancia del contexto. Para los sistemas de IA de alto riesgo sujetos al artículo 10 del AI Act, las prácticas de gobernanza de datos deben considerar factores como el origen, la preparación, la disponibilidad, la idoneidad y el contexto específico en el que el sistema debe operar. Estas obligaciones tienen un alcance jurídico definido y no se aplican automáticamente a todos los agentes empresariales, pero ilustran un principio útil: la calidad del dato también depende del uso que se le dará.
Un agente debe entender más que un valor.
Debe comprender qué representa ese valor dentro del proceso.
5. Accionable
Esta es la última frontera.
La información está disponible. El agente puede acceder a ella. Tiene permiso para verla. Entiende su contexto.
¿Qué puede ahora hacer con esa información?
Un agente puede estar autorizado para consultar el límite de crédito de un cliente sin estar autorizado para modificarlo.
Puede concluir que un producto parece estar cubierto por garantía sin tener permiso para aprobar automáticamente un reemplazo de 15,000 dólares.
Puede preparar una acción y requerir después la aprobación de una persona autorizada.
El trabajo AuthZEN de OpenID Foundation ilustra esta distinción. Una acción puede seguir sin estar autorizada porque falta una condición: aprobación, consentimiento, autoridad delegada, justificación o evaluación de riesgo. La política sigue determinando si la acción puede ejecutarse.
Un dato se vuelve realmente utilizable por un agente cuando puede encontrarse, consultarse con los permisos correctos, entenderse en contexto y utilizarse para una acción autorizada.
Acceso a los datos y autoridad para actuar son decisiones diferentes
Esta distinción es fácil de pasar por alto.
Para hacer más útil a un agente, puede parecer lógico abrirle más sistemas y más datos.
Pero más acceso no produce automáticamente un mejor agente.
Principalmente produce un agente que puede ver más cosas.
La siguiente pregunta es cuáles debería ver y qué debería poder hacer con ellas.
Por eso, la arquitectura de datos y la gobernanza de agentes terminan convergiendo.
La organización necesita cada vez más razonar según el contexto:
¿Qué agente? ¿Para qué objetivo? ¿En nombre de quién? ¿Sobre qué dato? ¿Para qué operación? ¿Bajo qué autoridad?
Cuando esas respuestas cambian, el acceso y las acciones permitidas también deberían poder cambiar.
No necesita convertir todos sus datos en “AI-ready”
También existe la trampa opuesta: creer que la empresa debe limpiar, centralizar y reconstruir toda su arquitectura de datos antes de comenzar.
No necesariamente.
Un proceso concreto puede ser un mejor punto de partida.
Tome una solicitud de servicio. Identifique los cinco o seis datos realmente necesarios para resolverla. Determine dónde están. Decida cuáles puede consultar el agente. Defina los permisos. Aclare qué acciones puede ejecutar y cuáles requieren aprobación.
Después repita el ejercicio con el siguiente proceso.
Así se evita convertir “preparar nuestros datos para IA” en un programa de transformación de cinco años que con el tiempo olvida por qué empezó.
La verdadera pregunta ya no es “¿tenemos los datos?”
Durante años, la preparación para IA se presentó como una cuestión de volumen o calidad de datos.
Con agentes, esa definición ya no es suficiente.
Una empresa puede tener datos excelentes y aun así estar mal preparada si no puede determinar quién puede usarlos, en qué contexto y con qué autoridad.
La pregunta más útil para la dirección pasa a ser:
“¿Podemos darle a un agente exactamente la información que necesita para completar una tarea específica, sin darle acceso o autoridad más allá de esa tarea?”
Es una pregunta de datos.
Pero también es una pregunta de identidad, permisos, procesos y gobernanza.
Cuando la IA empieza a actuar, estos temas ya no pueden gestionarse por separado.