{"id":25416,"date":"2025-03-17T13:09:17","date_gmt":"2025-03-17T07:39:17","guid":{"rendered":"https:\/\/www.verdantis.com\/?p=25416"},"modified":"2026-01-30T15:32:28","modified_gmt":"2026-01-30T10:02:28","slug":"ai-mdm","status":"publish","type":"post","link":"https:\/\/www.verdantis.com\/es\/ai-mdm\/","title":{"rendered":"Gesti\u00f3n de datos maestros [MDM] e IA"},"content":{"rendered":"<div data-elementor-type=\"wp-post\" data-elementor-id=\"25416\" class=\"elementor elementor-25416\" data-elementor-post-type=\"post\">\n\t\t\t\t<div class=\"elementor-element elementor-element-65d9acd e-flex e-con-boxed e-con e-parent\" data-id=\"65d9acd\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4f6e273 elementor-widget elementor-widget-text-editor\" data-id=\"4f6e273\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"100\" data-end=\"432\">La gesti\u00f3n de datos maestros est\u00e1 pasando de ser una funci\u00f3n reactiva basada en reglas a una capacidad estrat\u00e9gica impulsada por la inteligencia.<\/p><p data-start=\"100\" data-end=\"432\">Los enfoques tradicionales suelen tener dificultades para seguir el ritmo de los datos complejos y multidominio distribuidos en los sistemas ERP, CRM, PLM y SCM, lo que deja a las organizaciones expuestas a errores, duplicados y registros incompletos.<\/p><p data-start=\"434\" data-end=\"754\"><a href=\"https:\/\/www.gartner.com\/en\/data-analytics\/topics\/data-quality\" rel=\"nofollow noopener\" target=\"_blank\">Gartner<\/a> informa de que la mala calidad de los datos cuesta a las organizaciones una media de $12,9 millones al a\u00f1o. La IA y el aprendizaje autom\u00e1tico est\u00e1n transformando este panorama al permitir procesos aut\u00f3nomos como el enriquecimiento de datos, la normalizaci\u00f3n, la deduplicaci\u00f3n y la detecci\u00f3n de anomal\u00edas.<\/p><p data-start=\"434\" data-end=\"754\">Estas capacidades permiten a las organizaciones mantener de forma proactiva datos de alta calidad, coherentes y procesables en todos los dominios de clientes, productos y MRO.<\/p><p data-start=\"756\" data-end=\"1042\">Al cambiar la MDM de una tarea impulsada por el cumplimiento a un proceso proactivo habilitado por la IA, las empresas pueden convertir conjuntos de datos anteriormente fragmentados y propensos a errores en una \u00fanica fuente de verdad, impulsando mejores decisiones operativas, reduciendo el riesgo y desbloqueando nuevas eficiencias en toda la empresa.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c92263a e-con-full pointer e-flex e-con e-parent\" data-id=\"c92263a\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-03f9961 elementor-widget elementor-widget-heading\" data-id=\"03f9961\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"use-cases\">CASOS DE USO<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3e21aed e-con-full e-flex e-con e-child\" data-id=\"3e21aed\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d48d919 elementor-widget elementor-widget-text-editor\" data-id=\"d48d919\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Los procesos dentro de la gesti\u00f3n de datos maestros incluyen una amplia gama de flujos de trabajo y procesos en los que se pueden implementar tecnolog\u00edas centradas en la IA;\u00a0<\/p><ul><li data-start=\"2749\" data-end=\"2847\"><p data-start=\"2751\" data-end=\"2847\"><strong>Normalizaci\u00f3n y estandarizaci\u00f3n de los registros de datos<\/strong><\/p><\/li><li data-start=\"2749\" data-end=\"2847\"><p data-start=\"2751\" data-end=\"2847\"><strong>Enriquecimiento de los registros de datos maestros<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Deduplicaci\u00f3n<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Integraciones entre dominios de datos maestros<\/strong><\/p><\/li><li data-start=\"2950\" data-end=\"3032\"><p data-start=\"2952\" data-end=\"3032\"><strong>Gobernanza de datos maestros<\/strong><\/p><\/li><\/ul><p data-start=\"2952\" data-end=\"3032\"><span style=\"background-color: transparent;\">En las secciones siguientes, trataremos c\u00f3mo las tecnolog\u00edas de IA pueden abordar algunos de los retos m\u00e1s recurrentes, mon\u00f3tonos y lentos dentro de cada uno de ellos.\u00a0 \u00a0<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c1fb190 e-flex e-con-boxed e-con e-parent\" data-id=\"c1fb190\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bb74ef2 elementor-widget elementor-widget-heading\" data-id=\"bb74ef2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"normalization-standardization-of-data-records\">Normalizaci\u00f3n y estandarizaci\u00f3n de los registros de datos<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5245fbb e-flex e-con-boxed e-con e-parent\" data-id=\"5245fbb\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bde0a24 elementor-widget elementor-widget-text-editor\" data-id=\"bde0a24\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>En los entornos empresariales, un mismo art\u00edculo suele describirse de muchas maneras en las distintas plantas, sistemas o regiones, utilizando diferentes abreviaturas, convenciones de nomenclatura, unidades de medida o incluso idiomas.<\/p><p>Esto crea incoherencias que perturban el an\u00e1lisis, la capacidad de b\u00fasqueda, la recuperaci\u00f3n, la l\u00f3gica de correspondencia y la colaboraci\u00f3n entre funciones.<\/p><p>Algunos de los problemas debidos a estos retos son: dificultad para cotejar conjuntos de datos en masa, duplicaci\u00f3n debida a diferentes convenciones de nomenclatura y diversos retos a la hora de implantar un programa de gobernanza de datos.<\/p><p>Uno de los principales retos de la gesti\u00f3n de datos maestros es que los atributos esenciales de los art\u00edculos, como las dimensiones, la presi\u00f3n nominal y los grados de los materiales, suelen estar enterrados en descripciones de texto libre o documentos t\u00e9cnicos como PDF, hojas de datos o manuales t\u00e9cnicos, <a href=\"https:\/\/www.verdantis.com\/bom-management\/\">Listas de materiales<\/a> (listas de materiales) o planos CAD.<\/p><p>Esta naturaleza desestructurada dificulta la extracci\u00f3n, normalizaci\u00f3n o incluso la b\u00fasqueda eficaz de estos registros. La IA y el ML, en particular el Procesamiento del Lenguaje Natural (PLN), desempe\u00f1an aqu\u00ed un papel clave.<\/p><p>Los modelos de PLN entrenados, a menudo mediante el Reconocimiento de Entidades Nombradas (REN), pueden analizar descripciones complejas e identificar autom\u00e1ticamente los atributos clave.<\/p><p>Por ejemplo, una descripci\u00f3n de producto como <em>\"V\u00e1lvula de bola con bridas SS316, PN40, DN25\"<\/em> se desglosar\u00eda inteligentemente en: <strong><em>Material = SS316<\/em><\/strong><em>, <strong>Presi\u00f3n = PN40<\/strong>, <strong>Tama\u00f1o = DN25<\/strong>y <strong>Tipo = V\u00e1lvula de bola<\/strong>.<\/em><\/p><p><em><strong>Ejemplos:<\/strong><\/em><\/p><p>En un sistema de datos maestros de clientes, la direcci\u00f3n del cliente A se refiere al estado \"Texas\" como \"TX\" y otro registro puede referirse al estado simplemente como \"Texas\", incoherencias similares en direcciones como \"Parkway\" referida como \"Pk way\" son bastante comunes.<\/p><p>En un sistema de datos de materiales, la dimensi\u00f3n en la descripci\u00f3n breve de una pieza de recambio puede referirse al tama\u00f1o en <em><strong>\"Pulgadas<\/strong><\/em>o <em><strong>\"En\"<\/strong><\/em> o simplemente como <em><strong>\u2033<\/strong><\/em><\/p><p>Cuestiones como \u00e9stas pueden dar lugar a un exceso de existencias (en el caso de un maestro de materiales), duplicaci\u00f3n en las comunicaciones (en el caso de un maestro de clientes) y toda una serie de problemas adicionales.<\/p><p>Antes de la IA, estos retos se manten\u00edan a trav\u00e9s de una biblioteca de taxonom\u00edas existentes que, por lo general, no era \"hol\u00edstica\", era dif\u00edcil de mantener y rastrear y requer\u00eda actualizaciones continuas y s\u00f3lo funcionaba con gestionadas dentro de una base de c\u00f3digo estructurada.<\/p><p>Gracias a los modelos de IA \"conscientes del contexto\" y entrenados en grandes conjuntos de datos verificables, estas incoherencias pueden eliminarse ahora sin mucho esfuerzo sobre la base de la taxonom\u00eda adoptada.<\/p><p>El modelo de IA s\u00f3lo tiene que recibir informaci\u00f3n sobre la taxonom\u00eda que se adopta y el modelo se encarga de los requisitos de normalizaci\u00f3n.<\/p><p><em><strong>Consejo profesional<\/strong>:<\/em> Elija un software MDM de autoaprendizaje que pueda ser entrenado sobre la marcha por el \"Human-in-the-Loop\" que verifica los cambios y los aprueba.<\/p><p>De este modo, el sistema de autoaprendizaje puede llegar a ser verdaderamente aut\u00f3nomo, limitando el papel del administrador de datos a un aprobador.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-1fb652b e-con-full e-flex e-con e-parent\" data-id=\"1fb652b\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t<div class=\"elementor-element elementor-element-2afb1cd e-flex e-con-boxed e-con e-child\" data-id=\"2afb1cd\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-0bb27b4 elementor-widget elementor-widget-heading\" data-id=\"0bb27b4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<span class=\"elementor-heading-title elementor-size-default\">Implantaci\u00f3n de modelos de IA para la normalizaci\u00f3n de datos en dominios de datos maestros<\/span>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8c88cb8 elementor-widget elementor-widget-text-editor\" data-id=\"8c88cb8\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>1. Ampliaci\u00f3n de abreviaturas y correspondencia terminol\u00f3gica: <\/strong>Los modelos de IA entrenados con datos del sector entienden que <em>\"Mtr\" = \"Contador\", \"SS304\" = \"Acero inoxidable 304\", \"CS Ball Vlv\" = \"V\u00e1lvula de bola de acero al carbono\",<\/em> etc. Asignan esas variantes a una terminolog\u00eda normalizada.<\/p><p><strong>2. Normalizaci\u00f3n y conversi\u00f3n de unidades: <\/strong>Si las dimensiones se escriben como <em>\"10 mm\", \"0,01 m\" o \"3IN X 5 YDS\".<\/em>AI puede convertirlos y unificarlos en el sistema de medida preferido (por ejemplo, m\u00e9trico), y separar los campos compuestos en atributos estructurados como Anchura y Longitud.<\/p><p><strong>3. Estructuraci\u00f3n agn\u00f3stica del lenguaje: <\/strong>Los modelos de IA pueden interpretar descripciones en otros idiomas y formatos locales para garantizar la coherencia global.<\/p><p><em><strong>Por ejemplo:<\/strong> <\/em>Reconociendo que <em>\"Filtros de aceite, 7-1\/16 pulg\" <\/em>en espa\u00f1ol se refiere a un<em> \"Filtro de aceite, 7-1\/16 pulgadas\"<\/em>y, a continuaci\u00f3n, extraerlo y asignarlo correctamente.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-01473ad e-flex e-con-boxed e-con e-parent\" data-id=\"01473ad\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-642dffd elementor-widget elementor-widget-heading\" data-id=\"642dffd\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"enrichment-of-master-data-records\">Enriquecimiento de los registros de datos maestros<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3822993 e-flex e-con-boxed e-con e-parent\" data-id=\"3822993\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3e74dd9 elementor-widget elementor-widget-text-editor\" data-id=\"3e74dd9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Uno de los problemas m\u00e1s molestos en la gesti\u00f3n de la mayor\u00eda de los conjuntos de datos maestros tiene que ver con la falta de informaci\u00f3n. Esto es a menudo el resultado de pr\u00e1cticas de gobierno de datos maestros ausentes o deficientes en primer lugar. Seg\u00fan <a href=\"https:\/\/superagi.com\/from-manual-to-automated-how-ai-is-revolutionizing-data-enrichment-in-various-industries\/\" rel=\"nofollow noopener\" target=\"_blank\">Super AGI<\/a>,<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d5f762a elementor-blockquote--skin-border elementor-blockquote--button-color-official elementor-widget elementor-widget-blockquote\" data-id=\"d5f762a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"blockquote.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote class=\"elementor-blockquote\">\n\t\t\t<p class=\"elementor-blockquote__content\">\n\t\t\t\tEl enriquecimiento de datos con IA puede mejorar la calidad de los datos hasta en 90% y reducir el tiempo de procesamiento hasta en 80%.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-585f010 elementor-widget elementor-widget-text-editor\" data-id=\"585f010\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La informaci\u00f3n que falta es dif\u00edcil de gestionar, ya que la deduplicaci\u00f3n, la normalizaci\u00f3n y las integraciones multidominio se vuelven complicadas si el contexto de un registro de datos simplemente no est\u00e1 disponible en primer lugar.<\/p><p>En el pasado <a href=\"https:\/\/www.verdantis.com\/automated-ai-enrichment-data-cleansing\/\">enriquecimiento de los registros de datos<\/a> se realizaba manualmente por un equipo de especialistas en la materia O mediante automatizaciones complejas que requer\u00edan un almac\u00e9n de datos que deb\u00eda mantenerse de forma estructurada.<\/p><p><em>Automatizaci\u00f3n de edificios<\/em> en el enriquecimiento de datos requerido anteriormente <a href=\"https:\/\/www.verdantis.com\/master-data-management-services\/\">proveedores de software de datos maestros<\/a> Crear asociaciones de datos para acceder a cat\u00e1logos de proveedores, datos de contacto, informaci\u00f3n sobre empleados, etc., en funci\u00f3n del \u00e1mbito de datos en cuesti\u00f3n.<\/p><p>Contratar a un equipo de especialistas en la materia es una propuesta bastante costosa. Pero, adem\u00e1s, la dificultad de resolver el problema de los datos que faltan tambi\u00e9n aumenta, lo que provoca m\u00e1s retrasos y agrava la situaci\u00f3n. <a href=\"https:\/\/www.verdantis.com\/mdm-challenges\/\">los retos derivados de la mala calidad de los datos maestros<\/a>.<\/p><p>Los sistemas de IA agenciales resuelven este reto, ya que son \u00abconscientes del contexto\u00bb y capaces de ejecutar tareas complejas como navegar por la web, recuperar datos de documentos y otras fuentes no estructuradas y completar los huecos en los registros de datos existentes.<\/p><p>Adem\u00e1s, <a href=\"https:\/\/cloud.google.com\/discover\/what-is-model-context-protocol\" rel=\"nofollow noopener\" target=\"_blank\">Protocolos MCP<\/a> avanzan cada d\u00eda, dotando a los agentes de IA de la informaci\u00f3n necesaria para poder ejecutar flujos de trabajo tanto rudimentarios como complejos mediante el uso de software de terceros.<\/p><p>De esta manera, los agentes de IA entrenados espec\u00edficamente para este fin, cuando cuentan con los recursos adecuados, pueden resolver de forma aut\u00f3noma casi todos los retos relacionados con el enriquecimiento de datos, y en una fracci\u00f3n del tiempo necesario.<\/p><p>En el caso de documentos escaneados o archivos de planos de ingenier\u00eda, los sistemas de IA utilizan el reconocimiento \u00f3ptico de caracteres (OCR) combinado con el reconocimiento de patrones para extraer datos tabulares o especificaciones, incluso cuando aparecen en im\u00e1genes o planos de ingenier\u00eda.<\/p><p>Esto permite a las organizaciones <a href=\"https:\/\/www.verdantis.com\/intelligent-document-processing\/\">extraer datos de documentos t\u00e9cnicos<\/a> y transformarlos en registros de datos maestros limpios, estructurados y con capacidad de b\u00fasqueda.<\/p><p>Algunas aplicaciones de los agentes de IA en el enriquecimiento de datos maestros<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ecd33d5 e-con-full e-flex e-con e-parent\" data-id=\"ecd33d5\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t<div class=\"elementor-element elementor-element-a115b31 e-con-full e-flex e-con e-child\" data-id=\"a115b31\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c69a9f3 elementor-widget elementor-widget-heading\" data-id=\"c69a9f3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<p class=\"elementor-heading-title elementor-size-default\">Aplicaciones<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-77a05d5 elementor-widget elementor-widget-text-editor\" data-id=\"77a05d5\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>1. An\u00e1lisis autom\u00e1tico de atributos a partir de descripciones<\/strong><\/p><p>Los modelos de IA, en particular los basados en PNL y entrenados en conjuntos de datos espec\u00edficos del sector, pueden extraer de forma inteligente datos estructurados de descripciones de productos o materiales complejas y no estructuradas.<\/p><p><em>Ejemplo<\/em>: Conversi\u00f3n de \"3-11\/16\u2033OD ,7-1\/16\u2033LG\" en campos estructurados como <em>Di\u00e1metro exterior<\/em> y <em>Longitud<\/em> en los registros maestros de materiales.<\/p><p><strong>2. Comprensi\u00f3n sem\u00e1ntica para la asignaci\u00f3n de campos<\/strong><\/p><p>La IA entiende el contexto de las palabras y abreviaturas utilizadas en los distintos sectores (por ejemplo, \"LG\" = Longitud, \"OD\" = Di\u00e1metro exterior) y las asigna a campos de datos normalizados.<\/p><p><em>Ejemplo<\/em>: Reconocer que \"BALDWIN 915\" se refiere a un fabricante y a un n\u00famero de pieza, y asignarlos en consecuencia.<\/p><p><strong>3. Armonizaci\u00f3n y conversi\u00f3n de unidades<\/strong><\/p><p>La IA estandariza los diferentes formatos y representaciones de las mediciones en un formato unificado en todo el conjunto de datos, eliminando incoherencias.<\/p><p><em>Ejemplo<\/em>: Conversi\u00f3n de \"3IN X 5 YDS\" a unidades m\u00e9tricas estandarizadas y divisi\u00f3n en unidades separadas <em>Anchura<\/em> y <em>Longitud<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6c6cb98 e-flex e-con-boxed e-con e-parent\" data-id=\"6c6cb98\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-f26ea09 e-con-full e-flex e-con e-child\" data-id=\"f26ea09\" data-element_type=\"container\" data-e-type=\"container\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f3fed2d elementor-widget elementor-widget-text-editor\" data-id=\"f3fed2d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La falta de informaci\u00f3n, como especificaciones, n\u00fameros de pieza del fabricante o unidades de medida, es un problema habitual, especialmente en conjuntos de datos heredados o importaciones de terceros.<\/p><p>Estas deficiencias pueden obstaculizar los flujos de trabajo relacionados con las adquisiciones, el cumplimiento normativo y el an\u00e1lisis.<\/p><p>La IA y el ML ofrecen formas inteligentes de rellenar estos espacios en blanco. Mediante t\u00e9cnicas como la inferencia basada en similitudes, los modelos escanean los registros completos existentes para sugerir valores probables para los incompletos.<\/p><p><em><strong>Por ejemplo,<\/strong><\/em> Si un nuevo art\u00edculo \u00abRodamiento SKF 6205\u00bb no tiene indicado su di\u00e1metro exterior, la IA puede deducir el valor (por ejemplo, 52 mm) a partir de otros art\u00edculos id\u00e9nticos o similares que ya se encuentran en la base de datos.<\/p><p>Adem\u00e1s, la inteligencia artificial generativa puede cruzar datos internos con cat\u00e1logos externos o bases de datos de proveedores para obtener detalles enriquecidos, como dimensiones, hojas de datos, datos del ciclo de vida o piezas alternativas.<\/p><p>Los modelos predictivos, como los algoritmos de regresi\u00f3n o los \u00e1rboles de decisi\u00f3n, tambi\u00e9n pueden utilizarse para estimar campos num\u00e9ricos como la tensi\u00f3n, el par o la presi\u00f3n nominal cuando no se mencionan expl\u00edcitamente.<\/p><p>Este nivel de enriquecimiento garantiza unos datos maestros m\u00e1s completos y utilizables, minimiza la introducci\u00f3n manual de datos y respalda los esfuerzos posteriores de automatizaci\u00f3n, abastecimiento y cumplimiento.<\/p><p>Es bastante habitual, especialmente en el dominio de datos maestros de clientes, encontrar casos en los que falta un registro de datos, como una direcci\u00f3n de correo electr\u00f3nico, un n\u00famero de tel\u00e9fono o una direcci\u00f3n.<\/p><p>Mediante una combinaci\u00f3n de protocolos MCP y agentes de IA, esta informaci\u00f3n que falta se puede enriquecer recuperando datos de fuentes p\u00fablicas como LinkedIn e incluso de fuentes de terceros basadas en suscripciones como <a href=\"https:\/\/www.dnb.com\/en-us\/\" rel=\"nofollow noopener\" target=\"_blank\">DnB<\/a> o <a href=\"https:\/\/www.zoominfo.com\/\" rel=\"nofollow noopener\" target=\"_blank\">ZoomInfo<\/a>.<\/p><p data-start=\"1926\" data-end=\"2353\">Actualmente, se est\u00e1 aplicando cada vez m\u00e1s un enfoque similar a los datos sobre repuestos y MRO, donde la falta de informaci\u00f3n o la inconsistencia de los datos pueden afectar gravemente al rendimiento del mantenimiento y la cadena de suministro.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0dbf035 elementor-widget elementor-widget-image\" data-id=\"0dbf035\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"800\" height=\"600\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment.png\" class=\"attachment-large size-large wp-image-39348\" alt=\"Una imagen de c\u00f3mo los datos de materiales y proveedores pueden enriquecerse con el aprendizaje autom\u00e1tico\" srcset=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment.png 1024w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-300x225.png 300w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-768x576.png 768w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/03\/AI-Powered-Supplier-Materials-Data-Enrichment-16x12.png 16w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7693d90 elementor-widget elementor-widget-text-editor\" data-id=\"7693d90\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"1926\" data-end=\"2353\">Los datos sobre piezas de repuesto suelen adolecer de descripciones incompletas, atributos t\u00e9cnicos que faltan o entradas duplicadas repartidas por m\u00faltiples sistemas. Esto provoca confusi\u00f3n durante la b\u00fasqueda de piezas, retrasos en el mantenimiento y compras redundantes.<\/p><p data-start=\"2355\" data-end=\"2574\">El enriquecimiento de datos basado en IA ayuda a abordar estos retos haciendo que los registros de piezas de recambio sean m\u00e1s completos, coherentes y procesables.<\/p><p data-start=\"2355\" data-end=\"2574\">Mediante el an\u00e1lisis de registros de equipos, cat\u00e1logos de proveedores y datos hist\u00f3ricos, los sistemas de IA pueden:<\/p><p data-start=\"2578\" data-end=\"2668\"><strong>1. Inferir los atributos que faltan.<\/strong> como el tipo de pieza, la calidad del material o las especificaciones de funcionamiento.<\/p><p data-start=\"2578\" data-end=\"2668\">Por ejemplo, en los datos sobre materias primas para plantas qu\u00edmicas, la IA puede inferir los niveles de pureza, los c\u00f3digos de peligro o las instrucciones de almacenamiento que faltan comparando materiales similares en la base de datos.<\/p><p data-start=\"2671\" data-end=\"2747\"><strong>2. Identificar los patrones del fabricante y el n\u00famero de pieza.<\/strong> para la armonizaci\u00f3n entre proveedores.<\/p><p data-start=\"2671\" data-end=\"2747\">En los cat\u00e1logos de compras, la IA puede detectar SKU duplicados que existen con nombres o c\u00f3digos de proveedor ligeramente diferentes, lo que ayuda a evitar pedidos redundantes.<\/p><p><strong>3. Estandarizar las convenciones de nomenclatura.<\/strong> para la coherencia entre plantas.<\/p><p>Por ejemplo, en los datos maestros de productos, la IA puede identificar categorizaciones incoherentes, como un smartphone incluido en la categor\u00eda <em><strong>\u00abAccesorios\u00bb <\/strong><\/em>en lugar de<em><strong> \u00abDispositivos m\u00f3viles\u00bb,<\/strong><\/em> y corregirlo para garantizar la coherencia de los informes y los an\u00e1lisis.<\/p><p>Seg\u00fan un <a href=\"https:\/\/www.gartner.com\/en\/data-analytics\/topics\/data-quality\" rel=\"nofollow noopener\" target=\"_blank\">Informe de Gartner,<\/a>\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-04bd813 elementor-blockquote--skin-border elementor-blockquote--button-color-official elementor-widget elementor-widget-blockquote\" data-id=\"04bd813\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"blockquote.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote class=\"elementor-blockquote\">\n\t\t\t<p class=\"elementor-blockquote__content\">\n\t\t\t\tPrioridades en materia de gobernanza de la calidad de los datos: se observa que las incoherencias entre silos (falta de coherencia, exhaustividad y unicidad de los registros) se encuentran entre los problemas m\u00e1s dif\u00edciles de resolver para las grandes empresas.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-977eb30 elementor-widget elementor-widget-text-editor\" data-id=\"977eb30\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>4. Recomendar piezas intercambiables o alternativas.<\/strong> bas\u00e1ndose en la similitud de las especificaciones, el uso o los datos hist\u00f3ricos de consumo.<\/p><p data-start=\"2720\" data-end=\"2933\">Por ejemplo, si un registro solo incluye <em><strong>\u00abGSKT, 4BOLT, SS316\u00bb,<\/strong><\/em> La IA puede reconocerla como una junta de acero inoxidable, identificar su tipo de brida e incluso sugerir alternativas compatibles en stock o de proveedores autorizados.<\/p><p data-start=\"3481\" data-end=\"3745\">Esta visi\u00f3n enriquecida de los datos sobre repuestos y productos mejora la planificaci\u00f3n del mantenimiento, agiliza las compras y permite optimizar el inventario, especialmente en operaciones con m\u00faltiples plantas, donde la visibilidad de las piezas o la coherencia del maestro de productos suelen estar fragmentadas entre los distintos centros.<\/p><p data-start=\"3481\" data-end=\"3745\">A continuaci\u00f3n se muestra nuestro v\u00eddeo del producto, en el que se muestra c\u00f3mo nuestra soluci\u00f3n de agencia enriquece los datos procedentes de fuentes propias y de terceros:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-27f636f elementor-widget elementor-widget-video\" data-id=\"27f636f\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/06\/AutoEnrich-AI.mp4\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-1d657a7 e-flex e-con-boxed e-con e-parent\" data-id=\"1d657a7\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-78fc0a1 elementor-widget elementor-widget-heading\" data-id=\"78fc0a1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"data-deduplication\">Deduplicaci\u00f3n de datos<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-79ec420 e-flex e-con-boxed e-con e-parent\" data-id=\"79ec420\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-538d285 elementor-widget elementor-widget-text-editor\" data-id=\"538d285\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Gartner informa que la mala calidad de los datos le cuesta a las organizaciones un promedio de $12,9 millones al a\u00f1o.<\/p><p>Una vez que los registros de datos se han estructurado, normalizado, estandarizado y enriquecido con la ayuda de la IA, la deduplicaci\u00f3n de datos se convierte en una tarea muy sencilla.<\/p><p>El proceso de deduplicaci\u00f3n en s\u00ed mismo no utiliza mucha IA (excepto en el caso de los duplicados L2), pero los pasos previos son fundamentales para garantizar una deduplicaci\u00f3n precisa en todo el conjunto de datos.<\/p><p><strong><em><u>Las entradas duplicadas en un conjunto de datos maestros se clasifican normalmente en dos categor\u00edas: L1 y L2.<\/u><\/em><\/strong><\/p><p>La deduplicaci\u00f3n L1 es sencilla y directa; en este caso, todo el conjunto de datos se deduplica bas\u00e1ndose en una \u00fanica l\u00f3gica.<\/p><p><em>Ejemplo 1: <\/em>El mismo ID de material en caso de materiales directos.\u00a0<\/p><p><em>Ejemplo 2:<\/em> La misma direcci\u00f3n de correo electr\u00f3nico o n\u00famero de tel\u00e9fono en el caso de los datos maestros de un cliente<\/p><p><em>Ejemplo 3:<\/em> El mismo n\u00famero de socio fabricante (NPF) en caso de <a href=\"https:\/\/www.verdantis.com\/spare-parts-management\/\">Piezas de repuesto MRO<\/a> datos.<\/p><p>Esencialmente, cualquier registro de datos con los mismos valores en una propiedad que identifica irrefutablemente el registro como una entrada duplicada es un duplicado L1.<\/p><p>Apenas hay IA que pueda utilizarse aqu\u00ed, ya que la l\u00f3gica est\u00e1 estandarizada y estructurada.<\/p><p>Esta es la raz\u00f3n por la que el enriquecimiento de datos maestros suele ser un precursor de la desduplicaci\u00f3n de datos maestros, ya que el enriquecimiento permite actualizar varios valores en el sistema, que luego pueden aprovecharse para la desduplicaci\u00f3n L1.<\/p><p>Los duplicados L2, en cambio, son mucho m\u00e1s complejos y suelen utilizarse cuando faltan los valores necesarios para aplicar la l\u00f3gica L1.<\/p><p>La IA simplemente no ha evolucionado lo suficiente como para automatizar completamente la detecci\u00f3n de duplicados L2.<\/p><p>Dicho esto, la IA puede hacer el trabajo mucho m\u00e1s simple, club probables duplicados mediante el escaneo de todo el registro de datos y el propio conjunto de datos antes de asignar un \"<a href=\"https:\/\/www.ultralytics.com\/glossary\/confidence\" rel=\"nofollow noopener\" target=\"_blank\">puntuaci\u00f3n de confianza por duplicado<\/a>\", que luego puede asignarse como tarea a un revisor humano para que \"acepte\" o \"rechace\" los registros de datos como duplicados.<\/p><p>Despu\u00e9s de que el administrador de datos \"acepte\" los registros de datos, generalmente se fusionan, en lo que los datos de los 2<sup>nd<\/sup> despu\u00e9s de crear los campos en el primer registro.\u00a0<\/p><p>A continuaci\u00f3n se muestra un v\u00eddeo en el que se muestra c\u00f3mo nuestro agente de IA deduplica los datos:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9e38576 elementor-widget elementor-widget-video\" data-id=\"9e38576\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;start&quot;:702,&quot;end&quot;:750,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2024\/10\/Harmonize-Demo-V2.mp4#t=702,750\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8d14771 e-flex e-con-boxed e-con e-parent\" data-id=\"8d14771\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2b15d7f elementor-widget elementor-widget-heading\" data-id=\"2b15d7f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"master-data-integrations-for-multi-domain-success\">Integraci\u00f3n de datos maestros para el \u00e9xito multidominio<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9635bc1 e-flex e-con-boxed e-con e-parent\" data-id=\"9635bc1\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5f712a9 elementor-widget elementor-widget-text-editor\" data-id=\"5f712a9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Una de las cr\u00edticas m\u00e1s conocidas a un sistema de datos maestros es el hecho de que cada conjunto de datos maestros, en la pr\u00e1ctica, existe aislado de los dem\u00e1s en sistemas de organizaci\u00f3n dispares.<\/p><p>Para comprender realmente el rendimiento de cualquier funci\u00f3n organizativa, es crucial interpretar los datos en todos los dominios de datos maestros.<\/p><p><em>Ejemplo 1:<\/em> Es importante saber a cu\u00e1ntos clientes se puede llegar a trav\u00e9s de cualquier canal de comunicaci\u00f3n de marketing, pero tambi\u00e9n es importante saber qu\u00e9 productos favorecen m\u00e1s estos consumidores, lo que requiere integraciones profundas con <a href=\"https:\/\/www.verdantis.com\/product-master-data-management\/\">datos maestros de productos<\/a><\/p><p><em>Ejemplo 2:<\/em> Es importante saber cu\u00e1ntos recambios hay en la plataforma de aprovisionamiento para aprovisionar las actividades de producci\u00f3n, pero tambi\u00e9n es m\u00e1s importante saber cu\u00e1les de estos recambios son necesarios para el mantenimiento de los activos cr\u00edticos, que ser\u00e1n los siguientes <a href=\"https:\/\/www.verdantis.com\/spare-parts-management-criticality\/\">las piezas de recambio cr\u00edticas<\/a>.\u00a0<\/p><p>Esto s\u00f3lo es posible con una profunda integraci\u00f3n de los datos del maestro de activos con el maestro de materiales de las piezas de recambio.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-44bd917 e-flex e-con-boxed e-con e-parent\" data-id=\"44bd917\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-058004b elementor-widget elementor-widget-heading\" data-id=\"058004b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\" id=\"data-governance\">Gobernanza de datos<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-68410f4 e-flex e-con-boxed e-con e-parent\" data-id=\"68410f4\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1bb9c57 elementor-widget elementor-widget-text-editor\" data-id=\"1bb9c57\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><a href=\"https:\/\/www.verdantis.com\/master-data-governance\/\">Gobernanza de datos maestros<\/a> tienen por objeto garantizar que los datos maestros sean precisos, seguros, normalizados y conformes con las pol\u00edticas internas y la normativa externa.<\/p><p>Sin embargo, a medida que los vol\u00famenes de datos crecen y se vuelven m\u00e1s complejos en los sistemas distribuidos (ERP, PLM, CRM, SCM, etc.), la aplicaci\u00f3n manual de las pol\u00edticas de gobernanza se vuelve inescalable y reactiva.<\/p><p>El aprendizaje autom\u00e1tico aporta una automatizaci\u00f3n proactiva e inteligente a las principales funciones de control de datos al permitir la aplicaci\u00f3n din\u00e1mica de pol\u00edticas, la detecci\u00f3n de anomal\u00edas y el apoyo inteligente a la toma de decisiones.<\/p><p>Estos modelos pueden supervisar y mejorar continuamente la calidad de los datos, al tiempo que reducen la carga manual de los administradores de datos.<\/p><p><em><strong>Aplicaciones:<\/strong><\/em><\/p><p><strong>1. Comprobaci\u00f3n inteligente de pol\u00edticas<\/strong><\/p><p>La IA aprende qu\u00e9 aspecto suelen tener los registros limpios y aprobados, y comprueba si faltan campos o son incorrectos en las nuevas entradas, aunque no haya ninguna norma establecida.<\/p><p><strong><em>Por ejemplo:<\/em> <\/strong>Si la mayor\u00eda de los registros de motores el\u00e9ctricos tienen rellenado el campo \"Tensi\u00f3n\" y un nuevo registro no lo tiene, la IA lo marca de inmediato.<\/p><p>La IA examina registros anteriores, aprende qu\u00e9 campos van juntos y utiliza ese conocimiento para detectar errores.<\/p><p><strong>2. Detecci\u00f3n de anomal\u00edas y errores<\/strong><\/p><p>Los modelos ML detectan valores o combinaciones inusuales en los datos que no se ajustan a los patrones normales.<\/p><p><strong><em>Por ejemplo:<\/em> <\/strong>Una \"tuber\u00eda de PVC\" con \"1000 PSI\" est\u00e1 marcada, porque el PVC no suele soportar tanta presi\u00f3n.<\/p><p>La IA se hace una idea de lo que es normal para cada tipo de art\u00edculo y detecta los valores at\u00edpicos mediante modelos de reconocimiento de patrones como los bosques de aislamiento o los autocodificadores.<\/p><p><strong>3. Aprobaci\u00f3n automatizada de registros<\/strong><\/p><p>La IA punt\u00faa los registros nuevos o actualizados en funci\u00f3n de su limpieza y exhaustividad. Los registros de alta confianza pueden aprobarse autom\u00e1ticamente, mientras que los de baja confianza se env\u00edan a un humano para su revisi\u00f3n.<\/p><p><strong><em>Por ejemplo:<\/em> <\/strong>Un art\u00edculo clasificado como \"Perno hexagonal\", con todos los campos rellenados correctamente y que coincide con los datos anteriores, se aprueba autom\u00e1ticamente.<\/p><p>Los modelos ML calculan una puntuaci\u00f3n de confianza en funci\u00f3n del grado de coincidencia del registro con las normas existentes.<\/p><p><strong>4. Ayudar a los administradores de datos en tiempo real<\/strong><\/p><p>La IA ayuda a los administradores de datos mientras trabajan sugiriendo valores, se\u00f1alando campos que faltan o indicando posibles problemas.<\/p><p><strong><em>Por ejemplo:<\/em> <\/strong>Al revisar un registro de material, un administrador ve sugerencias de IA para los campos que faltan y recibe alertas si algo no coincide con entradas similares.<\/p><p>Los modelos NLP y ML se ejecutan en segundo plano y muestran sugerencias y advertencias inteligentes directamente en la interfaz.<\/p><p>A continuaci\u00f3n se exponen algunos casos de uso:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-75256c8 elementor-widget elementor-widget-image\" data-id=\"75256c8\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"576\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-768x576.png\" class=\"attachment-medium_large size-medium_large wp-image-39355\" alt=\"Una imagen que muestra c\u00f3mo la IA y el aprendizaje autom\u00e1tico ayudan a gobernar los datos maestros\" srcset=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-768x576.png 768w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-300x225.png 300w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance-16x12.png 16w, https:\/\/www.verdantis.com\/wp-content\/uploads\/2025\/12\/AI-Powered-Master-Data-Governance.png 1024w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3003e4a elementor-widget elementor-widget-text-editor\" data-id=\"3003e4a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong data-start=\"1764\" data-end=\"1801\">Datos maestros de clientes:<\/strong><\/p><p>En las grandes empresas multinacionales, los nuevos registros de clientes suelen llegar a trav\u00e9s de m\u00faltiples canales, portales CRM, env\u00edos de socios o cargas internas.<\/p><p>La falta de direcciones de correo electr\u00f3nico, NIF o informaci\u00f3n de facturaci\u00f3n incompleta puede retrasar la facturaci\u00f3n y crear riesgos de cumplimiento. Los sistemas de gobernanza de IA detectan autom\u00e1ticamente los campos obligatorios que faltan, los enriquecen utilizando fuentes internas y externas verificadas y se\u00f1alan los posibles duplicados en el punto de entrada.<\/p><p><em><strong>Por ejemplo,<\/strong> <\/em>si dos registros muestran \"Acme Corp\" y \"Acme Corporation\", el sistema se\u00f1ala un posible duplicado y evita entradas redundantes. De este modo se garantiza una alta<a href=\"https:\/\/www.verdantis.com\/customer-master-data-management\/\">datos de calidad sobre los clientes<\/a> al tiempo que se reduce el esfuerzo manual.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8155977 elementor-widget elementor-widget-text-editor\" data-id=\"8155977\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"2458\" data-end=\"3261\"><strong data-start=\"2458\" data-end=\"2505\">Datos de materiales y repuestos:<\/strong><\/p><p data-start=\"2458\" data-end=\"3261\">En el \u00e1mbito de los materiales o MRO, es habitual que falten especificaciones, n\u00fameros de pieza del fabricante o informaci\u00f3n sobre unidades de medida, especialmente en conjuntos de datos heredados o importaciones de terceros.<\/p><p data-start=\"2458\" data-end=\"3261\">Estas lagunas dificultan el aprovisionamiento, la planificaci\u00f3n del mantenimiento y los flujos de trabajo anal\u00edticos. El enriquecimiento basado en IA puede inferir valores que faltan a partir de registros existentes, cruzar cat\u00e1logos de proveedores y estandarizar convenciones de nomenclatura en varias plantas.<\/p><p data-start=\"2458\" data-end=\"3261\"><em><strong>Por ejemplo,<\/strong><\/em> un nuevo registro \"Rodamiento SKF 6205\" al que le falte su di\u00e1metro exterior puede enriquecerse autom\u00e1ticamente con el valor correcto a partir de elementos similares de la base de datos.<\/p><p data-start=\"2458\" data-end=\"3261\">Del mismo modo, un registro catalogado como <em><strong>\"GSKT, 4BOLT, SS316\"<\/strong> <\/em>puede enriquecerse para especificar una junta de acero inoxidable, identificar el tipo de brida y sugerir alternativas compatibles.<\/p><p data-start=\"3263\" data-end=\"3632\">Los modelos predictivos, como los algoritmos de regresi\u00f3n o los \u00e1rboles de decisi\u00f3n, tambi\u00e9n pueden estimar campos num\u00e9ricos como la tensi\u00f3n, el par o la presi\u00f3n nominal cuando no se dispone de valores expl\u00edcitos.<\/p><p data-start=\"3263\" data-end=\"3632\">Al identificar anomal\u00edas, armonizar n\u00fameros de pieza, normalizar descripciones y sugerir alternativas, la IA garantiza que el maestro de materiales se convierta en una fuente de verdad fiable y procesable.<\/p><p data-start=\"3263\" data-end=\"3632\">A continuaci\u00f3n encontrar\u00e1 nuestro v\u00eddeo sobre la soluci\u00f3n de gobierno de datos de Verdantis:\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-04cb3ea elementor-widget elementor-widget-video\" data-id=\"04cb3ea\" data-element_type=\"widget\" data-e-type=\"widget\" data-settings=\"{&quot;video_type&quot;:&quot;hosted&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"e-hosted-video elementor-wrapper elementor-open-inline\">\n\t\t\t\t\t<video class=\"elementor-video\" src=\"https:\/\/www.verdantis.com\/wp-content\/uploads\/2024\/10\/Integrity-Demo.mp4\" controls=\"\" preload=\"metadata\" controlslist=\"nodownload\"><\/video>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e470421 e-flex e-con-boxed e-con e-parent\" data-id=\"e470421\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-64494e0 elementor-widget elementor-widget-heading\" data-id=\"64494e0\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"designing-and-deploying-ai-in-mdm\">Dise\u00f1o e implantaci\u00f3n de la IA en MDM<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3ce2472 e-flex e-con-boxed e-con e-parent\" data-id=\"3ce2472\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f8326db elementor-widget elementor-widget-text-editor\" data-id=\"f8326db\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p data-start=\"5157\" data-end=\"5306\">Aunque las ventajas del aprendizaje autom\u00e1tico en la gesti\u00f3n de datos maestros son evidentes, su adopci\u00f3n satisfactoria requiere una integraci\u00f3n meditada con la arquitectura empresarial y los modelos de gobernanza:<\/p><ul data-start=\"5308\" data-end=\"5995\"><li data-start=\"5308\" data-end=\"5466\"><p data-start=\"5310\" data-end=\"5466\"><strong data-start=\"5310\" data-end=\"5335\">Calidad de los datos de formaci\u00f3n<\/strong>: El rendimiento de los modelos de IA\/ML est\u00e1 directamente ligado a la calidad y representatividad de los datos hist\u00f3ricos utilizados para entrenarlos.<\/p><\/li><li data-start=\"5467\" data-end=\"5636\"><p data-start=\"5469\" data-end=\"5636\"><strong data-start=\"5469\" data-end=\"5496\">Contexto espec\u00edfico del \u00e1mbito<\/strong>: Los modelos est\u00e1ndar suelen requerir un ajuste o reajuste para adaptarse a los matices espec\u00edficos de los datos de ingenier\u00eda, fabricaci\u00f3n o aprovisionamiento.<\/p><\/li><li data-start=\"5637\" data-end=\"5801\"><p data-start=\"5639\" data-end=\"5801\"><strong data-start=\"5639\" data-end=\"5667\">Explicabilidad y confianza<\/strong>: Los usuarios deben poder rastrear y comprender c\u00f3mo la IA ha llegado a una decisi\u00f3n o sugerencia concreta, especialmente en los sectores regulados.<\/p><\/li><li data-start=\"5802\" data-end=\"5995\"><p data-start=\"5804\" data-end=\"5995\"><strong data-start=\"5804\" data-end=\"5832\">Human-in-the-Loop (HITL)<\/strong>: Los sistemas de IA deben dise\u00f1arse para aumentar y no sustituir a los administradores de datos, permitiendo la supervisi\u00f3n humana cuando sea necesaria y creando circuitos de retroalimentaci\u00f3n para la mejora continua.<\/p><\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-2150a1b e-flex e-con-boxed e-con e-parent\" data-id=\"2150a1b\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3f3dde5 elementor-widget elementor-widget-heading\" data-id=\"3f3dde5\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\" id=\"conclusion\">Conclusi\u00f3n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fa71598 e-flex e-con-boxed e-con e-parent\" data-id=\"fa71598\" data-element_type=\"container\" data-e-type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c865306 elementor-widget elementor-widget-text-editor\" data-id=\"c865306\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La IA y el ML no solo est\u00e1n mejorando la gesti\u00f3n de datos maestros, sino que est\u00e1n redefiniendo lo que es posible. Estas tecnolog\u00edas aportan un nivel de velocidad, adaptabilidad e inteligencia que los sistemas manuales y basados en reglas no pueden igualar.<\/p><p>Para MDM, la gesti\u00f3n de datos MRO y la gobernanza de datos, la IA ya no es un concepto emergente, sino una capacidad necesaria para aumentar la calidad de los datos, acelerar la toma de decisiones y preparar las operaciones empresariales para el futuro.<\/p><p>A medida que las organizaciones sigan adoptando la transformaci\u00f3n digital, aquellas que integren la inteligencia impulsada por la IA en sus pr\u00e1cticas de datos maestros estar\u00e1n mejor posicionadas para operar con agilidad, precisi\u00f3n y conocimiento.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>C\u00f3mo el aprendizaje autom\u00e1tico ayuda a la gesti\u00f3n de datos maestros mejorando la clasificaci\u00f3n, la correspondencia, el enriquecimiento y la calidad continua de los datos a escala empresarial.<\/p>","protected":false},"author":4,"featured_media":28429,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[64],"tags":[],"class_list":["post-25416","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/25416","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/comments?post=25416"}],"version-history":[{"count":2,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/25416\/revisions"}],"predecessor-version":[{"id":39908,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/25416\/revisions\/39908"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/media\/28429"}],"wp:attachment":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/media?parent=25416"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/categories?post=25416"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/tags?post=25416"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}