Cultura data-driven 2025: IA generativa y agentes autónomos
En junio de 2015 publicábamos en este blog un artículo sobre cómo adaptar la empresa a una cultura centrada en la información y la colaboración. Hablábamos de Big Data, Business Intelligence tradicional, herramientas ETL y la promesa de Apache Spark para procesar datos 100 veces más rápido que Hadoop MapReduce. La startup de referencia era ClearStory Data —hoy absorbida por Alation— y su concepto de «Interactive Storyboards» para romper silos.
Han pasado diez años. El problema no ha cambiado: las organizaciones siguen ahogadas en datos pero sedientas de decisiones. Lo que sí ha cambiado radicalmente es la tecnología disponible, la velocidad de despliegue y el perfil de quien puede analizar. En 2025, el cuello de botella ya no es el procesamiento —Spark lo resolvió—, ni la visualización —Tableau, Power BI y Looker lo democratizaron—. El cuello de botella actual es la última milla cognitiva: transformar datos en contexto accionable antes de que la ventana de decisión se cierre.
El problema real en 2025-2026: no es falta de datos, es exceso de fricción cognitiva
Según el Data and AI Leadership Executive Survey 2025 de Wavestone (encuesta a 125 CDOs de Fortune 1000), el 78% de las organizaciones declara haber invertido en «modern data stack» (Snowflake, Databricks, dbt, Fivetran), pero solo el 23% considera que sus empleados no técnicos toman decisiones basadas en datos de forma rutinaria. La brecha no es tecnológica: es operativa y cultural.
- Fragmentación semántica: El 64% de los analistas dedica más del 50% de su tiempo a «traducir» definiciones de métricas entre departamentos (Finanzas vs Marketing vs Operaciones).
- Latencia decisión-dato: El tiempo medio desde que surge una pregunta de negocio hasta que se tiene una respuesta validada es de 11,3 días (Forrester, The State of Data-Driven Decision Making 2025).
- Dependencia de perfiles escasos: Solo el 12% de las consultas analíticas complejas las resuelve un data scientist; el resto queda en cola o se responde con intuición.
- Gobernanza reactiva: Los catálogos de datos (DataHub, Amundsen, Purview) documentan lo que existía ayer, no lo que necesita el negocio hoy.
En BAOSS lo vemos en cada engagement: las empresas tienen data lakes maduros, lakehouses gobernados, pipelines CI/CD impecables… y directivos que siguen pidiendo «un Excel con el dato de ayer» porque no confían en el dashboard o no saben formular la pregunta en SQL.
Por qué el BI tradicional (y el «self-service» clásico) ha fallado
El modelo clásico —IT modela, negocio consume— asume que las preguntas de negocio son predecibles y estables. En 2025, no lo son. Un director de supply chain necesita cruzar datos de sensores IoT (frecuencia: segundos), previsiones meteorológicas (actualización: hora), tarifas de flete spot (volatilidad: minuto) y comportamiento de proveedores (histórico: años) para decidir ahora si rerutear un contenedor. Ningún dashboard preconstruido contempla esa combinación ad hoc.
El «self-service» de 2015-2020 (arrastrar-y-soltar en Tableau/Power BI) desplazó el cuello de botella: antes esperaba IT; ahora espera el analista que sabe DAX/MDX y entiende el modelo semántico. El usuario de negocio sigue fuera del bucle.
El cambio de paradigma 2025: agentes de IA autónomos + RAG semántico + protocolo MCP
La arquitectura que está funcionando en producción —no en PoC— combina tres capas:
- Capa semántica unificada (Semantic Layer 2.0): No es un catálogo pasivo. Es un knowledge graph vivo que mapea métricas, dimensiones, linaje, propietarios, SLAs de frescura y —clave— definiciones de negocio en lenguaje natural. Herramientas: dbt Mesh + DataHub + MCP (Model Context Protocol) para exponer contexto a LLMs.
- Capa de razonamiento: agentes autónomos multi-paso (LangGraph, CrewAI, AutoGen, o OpenAI Assistants API v2 / Claude 4 Tool Use). No generan solo SQL; planifican: descomponen la pregunta, identifican fuentes, validan calidad, ejecutan, interpretan, proponen next best action y citan fuentes.
- Capa de ejecución híbrida: vLLM / Ollama para inferencia local de modelos abiertos (Llama 3.1 70B, Nemotron 3 Ultra, Qwen 2.5 72B) cuando la latencia o la soberanía de datos lo exigen; API de GPT-4o / Claude 4 Sonnet para razonamiento complejo y generación de narrativas ejecutivas.
El resultado: un «analista virtual senior» que entiende «¿por qué cayó el margen en México la semana pasada?» y responde en 47 segundos con: desglose por SKU/canal/proveedor, correlación con tipo de cambio y huelga portuaria, simulación de impacto si se hubiera activado proveedor alternativo, y enlace al runbook de contingencia. Todo auditable, versionado y gobernado.
Casos BAOSS (anonimizados): de 11 días a 47 segundos
Caso 1: Retail multinacional — 2.400 tiendas, 18 países
Reto: Directivos de país pedían informes semanales de «rendimiento promocional» que llegaban 9 días tarde, con definiciones de «margen promocional» distintas en 12 mercados. Decisiones de recompra de stock se tomaban con datos obsoletos.
Solución desplegada (14 semanas, equipo mixto BAOSS + cliente):
- Semantic layer unificado en dbt Mesh + DataHub: 347 métricas estandarizadas, linaje completo desde ERP (SAP) / POS / eCommerce / loyalty.
- Agente LangGraph + GPT-4o con RAG sobre catálogo semántico + runbooks operativos. El agente no solo consulta Snowflake; recupera el playbook de «recompra urgente» y valida que la recomendación cumple política de stock de seguridad.
- Interfaz: Slack + Teams + portal web. Pregunta en lenguaje natural → respuesta narrada + tabla + gráfico + trazabilidad SQL + acción propuesta (crear PO en Ariba con un clic).
- Gobernanza: MCP expone metadatos, permisos (RBAC/ABAC) y SLAs de frescura al agente. Auditoría completa en Immuta.
Métricas a 6 meses post-go-live:
- Reducción 92% en tiempo respuesta (9,2 días → 4,1 horas medias; consultas rutinarias < 60 seg).
- Adopción: 68% de directivos de país usan el agente semanalmente (vs 12% que abrían el dashboard anterior).
- Impacto negocio: +3,7% margen promocional por recompra ágil de winners y corte rápido de losers.
- ROI 3,2x en 6 meses (ahorro stock obsoleto + ventas capturadas + liberación 4,2 FTEs analíticos reasignados a modelado predictivo).
Caso 2: Operador logístico — flota 12.000 vehículos, 4 hubs
Reto: Planificadores de ruta decidían con hojas de cálculo estáticas. Datos de telemática (GPS, consumo, conducción), tráfico histórico, ventanas de entrega, normativa de tiempos de conducción y disponibilidad de conductores vivían en 7 sistemas sin linaje común. On-time delivery estancado en 89%.
Solución (10 semanas):
- Ingesta streaming (Kafka → Iceberg en S3 → Trino) + dbt incremental para vistas unificadas near-real-time (latencia 3 min).
- Agente CrewAI (3 agentes: Planner, Executor, Critic) + Claude 4 Sonnet para razonamiento espacial-temporal. El agente propone re-ruteo dinámico ante incidencias, simula impacto en SLA y coste, y explica en lenguaje natural («Rerutear camión #4421 por A-2 ahorra 22 min pero +18€ peaje; conductor cumple descanso»).
- Human-in-the-loop: planificador valida con un clic; acción se ejecuta en TMS (Blue Yonder) vía API.
- Modelos locales (Ollama + Llama 3.1 70B 4-bit) para inferencia de ETA y consumo en edge (gateways en hubs), reduciendo latencia y coste cloud.
Métricas a 4 meses:
- On-time delivery: 89% → 96,3%.
- Coste km/entrega: -11,4% (menos km en vacío, mejor consolidación).
- Tiempo decisión planificador: 45 min → 3 min por incidente.
- Despliegue edge: 0 incidencias de latencia en 18.000 decisiones/día.
Arquitectura de referencia BAOSS 2025: componentes y decisiones clave
| Capa | Tecnología elegida | Por qué (2025) |
|---|---|---|
| Almacenamiento / Compute | Databricks (Unity Catalog) / Snowflake / Trino + Iceberg | Open table formats, ACID, time travel, gobernanza unificada |
| Semantic Layer | dbt Mesh + DataHub + MCP Server propio | Definiciones versionadas, linaje, exposición a LLMs estándar |
| Orquestación agentes | LangGraph (stateful, ciclos, human-in-the-loop nativo) | Control determinista + flexibilidad LLM; observabilidad LangSmith |
| LLM Cloud | GPT-4o (razonamiento complejo) / Claude 4 Sonnet (ventana 200k, tool use robusto) | Mejor puntuación en benchmarks SQL + reasoning (Spider 2.0, BIRD) |
| LLM Local / Edge | vLLM (throughput) + Ollama (simplicidad) → Llama 3.1 70B / Nemotron 3 Ultra | Soberanía, latencia < 200ms, coste fijo vs token |
| RAG / Retrieval | LanceDB / Qdrant + reranker (Cohere Rerank 3.5 / bge-reranker-v2) | Búsqueda híbrida (vector + BM25) + rerank = precisión > 92% en QA sobre catálogo |
| Evaluación / Guardrails | Ragas + LangSmith + custom evals (SQL correctness, policy compliance) | CI/CD para prompts: ningún cambio a prod sin > 95% pass rate |
| Interfaz | Slack/Teams bot + React portal (CopilotKit) + API REST | Donde trabaja el usuario; progressive disclosure de detalle técnico |
Decisiones no