Un espacio donde exploramos cómo los datos, la analítica y la inteligencia artificial impulsan mejores decisiones en el ámbito del marketing digital. Aquí encontrarás herramientas prácticas, insights y novedades del mundo data-driven.
¿Te han reenviado esta newsletter? Suscríbete aquí para recibirla en tu correo.
✒️ La columna
La culpa no es de la IA, José Luis
A ver si te suena: le pides a Claude —la IA de moda— un dato concreto sobre tu cartera de clientes y de repente te suelta una cifra rarísima. ¿En serio tengo tantos clientes? ¡Qué bien! Champán para todos.
Por lo que sea, te da por comprobarlo manualmente (esas tareas de las que la IA venía a salvarnos) y resulta que hay que anular el pedido de ostras que ya tenías en curso.
¿Qué pasó, mi máster? Pues que tu CRM no está precisamente para entrar a vivir: tres registros del mismo cliente, dos con el nombre escrito de forma distinta, uno a medias. La IA no se ha inventado nada: ha leído, con una fidelidad pasmosa, ese precioso desorden.
Un desorden 100% «human in-the-loop» —el palabro de moda— donde nosotros, las personas, hemos generado un caos de datos. A mano, con prisa, un viernes a las 18.00, pensando «esto ya lo reviso luego».
Si en algo mejora la IA al excel de toda la vida es en ímpetu: no se limita a quedarse quietecita esperando que alguien encuentre y, con suerte, subsane el error. La IA coge ese error y lo convierte en un mantra de su propia existencia, arrastrándolo con fuerza hacia todos los insights y decisiones estratégicas que sea necesario. Ese comité donde José Luis nunca sospechó que Claude se la estaba metiendo doblada.
Pero la culpa no es de la IA de turno, ni de José Luis, sino de los procesos de registro de datos y de la posterior curación de esas bases de datos para su explotación, ya sea en dashboards, IAs u otros. Un tema cultural y estratégico (también técnico, sí, pero que esto no os asuste… también la IA es técnica y bien que cacharreáis todos). Sed buenos y sanead vuestros datos. Ah, y contratad profesionales que los preparen para la IA.
Según la encuesta global de IA de McKinsey (2025), la inexactitud es, de hecho, el riesgo que más empresas dicen haber sufrido en primera persona, por encima de cualquier otro. No es un temor de futuro: es algo que ya está pasando dentro de las organizaciones que han empezado a apoyarse en la IA.
Y como vimos en la columna, ese problema rara vez nace en el modelo. Nace en los datos sobre los que se le pide responder.
La gran ironía de 2026 es que las mismas firmas que venden transformación con IA están tropezando con ella. En junio,KPMG retiró un informe sobre IA agéntica plagado de citas inventadas: de 45 referencias, solo 5 apuntaban a fuentes reales. Nadie comprobó lo que había escrito antes de publicarlo con el logo de la firma.
El precedente más caro venía de Australia, dondeDeloitte tuvo que devolver parte de un contrato público de 439.000 dólares por entregar al Gobierno un informe con referencias, e incluso una cita judicial, que no existían. Cuando el dato sin revisar llega al cliente, deja de ser una anécdota y se convierte en una factura.
Por eso la respuesta también está llegando desde la norma. En agosto de 2026 entran en vigor las obligaciones de transparencia de la Ley de IA europea, que en los usos de alto riesgo exigen supervisión humana sobre lo que la máquina produce. Lo que el sentido común ya pedía, ahora lo pide la ley: con datos en orden y alguien que valide, la IA deja de ser un riesgo y hace lo que promete.
Tras más de 25 años en grandes corporaciones y los últimos como asesor independiente, Enrique Burgos se define como «un hombre orquesta con canas»: el que entra en las empresas a decir las verdades incómodas que nadie se atreve a decir. Hablamos con él sobre datos, silos y el descontrol con que muchas compañías están usando la IA.
«La IA hace maravillas, pero alguien tiene que validar lo que dice»
Muchas empresas dicen que les faltan datos. ¿Es verdad? Casi siempre es lo contrario. Lo que hay es una desestructuración brutal. El mundo del silo dentro de las compañías es real, totalmente real: cada uno maneja sus datos, «yo tengo lo mío y tomo mis decisiones con lo mío», y hacer un cruce de datos entre departamentos, quitando las grandes compañías con grandes equipos, no es nada habitual. No es que no tengan datos; es que o no los recopilan, o los recopilan de aquella manera. Y convencer a perfiles muy senior de que es crítico empezar a capturar el dato de forma ordenada y explotarlo es un salto gigante para su realidad. Ahí tiene que haber un proceso de evangelización muy potente.
Con la IA encima de la mesa, ¿dónde queda la persona? Soy fiel defensor de la IA, hace maravillas. Pero se está cometiendo un error pensando que todo es automatizable y que puedes prescindir de un porcentaje de tu plantilla. Creo que va a haber un proceso de vuelta: muchas compañías que están echando a gente van a necesitar humanos para hacer ciertas cosas. Hay que chequear mucho, hay que validar y falta conocimiento para usar bien la IA. El mundo agéntico hace barbaridades, pero todavía hay un punto de equilibrio que encontrar. No es «vamos a usar la IA a muerte y prescindimos de diez mil empleados»; eso volverá.
Y luego está el tema de los datos. Mencionas un descontrol. ¿A qué te refieres? Es algo que me preocupa mucho. Hay compañías que lo están restringiendo, pero en un gran porcentaje cualquier empleado coge ChatGPT o Claude y le sube el estado financiero de la empresa, información sobre clientes, presentaciones corporativas… para mejorar un Excel o sacar unos resultados. Y ahí no hay un control de seguridad. Es un tema de gobernanza bastante crítico. Va a entrar regulación que controle ese tipo de cosas, pero hoy es un punto a tener muy en cuenta: cómo se usa tu data corporativa en entornos públicos de LLMs. Porque además mucha gente dice que usa IA, pero la usa como el antiguo clip de Microsoft Word: para preguntarle cuatro cosas. Eso no es aprovecharla de verdad.
💡 Tip express
Auditoría relámpago de un informe hecho con IA
Antes de enviar un informe con tu nombre o el logo de tu empresa, pega el texto en una conversación limpia con la IA y pídele algo concreto: «revisa cada dato y cita de este texto, indica cuáles puedes verificar y marca explícitamente las que no». Pedir verificación y no solo revisión de estilo, es lo que marca la diferencia.
Es exactamente el paso que faltó en KPMG, EY o Deloitte: nadie hizo esa pregunta incómoda antes de publicar. Diez minutos de fricción ahora pueden ahorrarte una retractación, una factura como la de Deloitte, o la credibilidad de tu próximo informe.
Si quieres tener estos prompts ya listos para usar, hemos preparado un kit de prompts anti-alucinación:descárgalo aquí.
🔎De nuestro puño y tecla
Por qué tu IA suena tan segura cuando se inventa los datos (y cómo evitarlo)
Una IA se equivoca con la misma seguridad con la que acierta: te da una cifra inventada igual de redonda que una real, y nadie lo nota. En este artículo explicamos por qué pasa, cuánto cuesta de verdad en una empresa y, sobre todo, qué puedes hacer para evitarlo, que casi nunca es cambiar de modelo, sino preparar tus datos.
¿Y si el problema no fuera la IA, sino ese Excel lleno de duplicados y campos a medias que le das de comer? OpenRefine es una herramienta gratuita para poner orden en tus propios datos antes de que lleguen a ninguna IA: detecta valores escritos de mil formas distintas y los unifica, caza duplicados, rellena huecos y normaliza columnas enteras en un par de clics. Trabaja sobre tus hojas de cálculo, sin escribir una línea de código. Es, literalmente, pasarle la fregona al dato de origen: justo donde, como hemos visto toda esta edición, empiezan la mayoría de las alucinaciones.
🎧 Bonus track
Blame It on the Boogie | The Jacksons
Los Jacksons publicaron Blame It on the Boogie en 1978, dentro de Destiny: disco en estado puro, imposible quedarse quieto. Y toda la canción va de lo mismo: echarle la culpa al boogie. No fui yo, no fue mi decisión… fue el ritmo, que me obligó. La excusa perfecta para no asumir la propia responsabilidad.
Y así cerramos esta edición. Porque cuando una IA te suelta un dato inventado, la reacción fácil es la misma: la culpa es de la máquina, que alucina. Pero ya hemos visto que casi nunca es así. La IA no se inventó nada. Culpar al boogie es muy cómodo; mirar quién metió los datos, un poco menos.
Un dato curioso: en 1978 había dos cantantes llamados Michael Jackson grabando esta misma canción a la vez —el de los Jacksons y un británico, Mick Jackson, que la había hecho antes—, y sus discográficas la sacaron con un día de diferencia. La prensa lo llamó «la batalla del boogie«: dos artistas con el mismo nombre, cada uno señalando al otro como la copia. Hasta para discutir de quién es la culpa hacían falta dos.
Y hasta aquí la edición de hoy
📭 Si tienes sugerencias o temas que te gustaría que abordemos, nos encantaría leerlos en hola@aditu.ai
🔔 ¿Es tu primera vez aquí? Suscribirte es la manera más fácil de no perderte ninguna edición.
.png?upscale=true&width=1120&upscale=true&name=Por%20qu%C3%A9%20tu%20IA%20suena%20tan%20segura%20cuando%20se%20inventa%20los%20datos%20%20(C).png)
