Antes de hablar de herramientas, eliges una decisión concreta que hoy se toma a ciegas o con demasiada fricción. Describes quién la toma, con qué información y cada cuánto. Después haces un inventario rápido de las fuentes de datos que ya existen, aunque estén desordenadas, y seleccionas una métrica sencilla que indique si esa decisión mejora. Pones una fecha para revisar el avance y asignas una persona responsable de coordinar la información. No estás diseñando todo tu modelo de datos, solo creando un primer espacio controlado donde tratar los datos como un sistema y no como un archivo suelto.

En lugar de discutir en abstracto, dibujas en una pizarra el flujo real de un proceso crítico: quién hace qué, con qué sistemas, qué correos se envían y qué hojas de cálculo se actualizan. Pides a las personas implicadas que señalen dónde se atascan, dónde repiten tareas y dónde temen cometer errores. No buscas todavía soluciones, solo visibilidad honesta. Este mapa te servirá después para decidir qué partes merecen automatización, qué datos faltan y qué cambios de rol habría que anticipar si introduces modelos de IA en ese flujo.

Resistes la tentación de atacar todos los problemas a la vez y eliges un solo piloto de datos o IA. Defines qué entra y qué no entra en su alcance, qué resultados consideras aceptables y qué métricas vas a revisar juntos. Acordáis un periodo de prueba limitado, con una fecha clara para evaluar si tiene sentido extenderlo, ajustarlo o pararlo. Documentas brevemente las decisiones clave y quién será responsable de mantener el piloto vivo durante ese tiempo. Así conviertes la palabra transformación en un experimento manejable y reversible.

Abres tus paneles actuales y te preguntas, sin filtros, qué gráficos no han cambiado ninguna decisión en los últimos meses. Te permites archivarlos o moverlos a un nivel secundario. Luego eliges tres métricas clave que sí influyen en conversaciones reales y te aseguras de que estén visibles, claras y con contexto explicativo. A partir de ahí defines una rutina simple de revisión: cuándo, con quién y qué preguntas debe ayudar a responder cada panel. Prefieres pocos indicadores accionables a un catálogo de visualizaciones que nadie mira.

Antes de anunciar cualquier iniciativa de IA, dedicas tiempo a escuchar qué temores y expectativas tiene tu equipo. Preguntas qué tareas consideran repetitivas, cuáles les gustaría mantener y qué decisiones no querrían dejar nunca en manos de un modelo. Con esa información defines límites explícitos: qué no se va a automatizar, qué decisiones seguirán requiriendo revisión humana y cómo se registrarán excepciones. Comunicar estos límites desde el principio reduce resistencia y te da una base más sólida para introducir cambios técnicos sin romper la confianza.