La inteligencia artificial avanza a velocidades de vértigo, pero la realidad es que la gran mayoría de organizaciones avanzan a una velocidad muy diferente y desde puntos de partida tecnológicamente no demasiado avanzados.
La distancia entre la ambición y la capacidad real ya se refleja en los estudios publicados en 2026. The Hackett Group señala que el 43% de las organizaciones está impulsando activamente la implantación de IA en Compras, pero solo el 12% afirma haberla desplegado a gran escala. Por su parte, Suplari y Procurement Tactics sitúan la preparación media del sector en apenas 2,1 puntos sobre 5.
El problema principal suele darse cuando la IA intenta trabajar con proveedores duplicados, categorías mal asignadas, contratos desconectados de las operaciones, precios desactualizados o información repartida entre el ERP, hojas de cálculo, correos electrónicos y diferentes plataformas. En esas condiciones, se puede procesar más información y hacerlo más rápido, pero la calidad…
En este artículo analizamos por qué la calidad, integración y gobernanza del dato se han convertido en el principal cuello de botella para aplicar IA en Compras, qué consecuencias tiene trabajar con información poco fiable y qué bases deberían construir las organizaciones antes de tirarse de cabeza a la IA agéntica.
La adopción de IA avanza más rápido que los datos
Según The Hackett Group, el 80% de los responsables de Compras considera que la IA será la tendencia más transformadora para la función durante los próximos cinco años. La adopción, sin embargo, continúa concentrándose en pilotos o casos de uso aislados, especialmente en gestión contractual, inteligencia de mercado y análisis de gasto.
Esta situación no responde únicamente a que las herramientas todavía estén madurando. El estudio de Suplari y Procurement Tactics, realizado entre 121 profesionales, muestra que el 76% de las organizaciones trabaja con datos fragmentados o apenas en proceso de consolidación. Solo un 6% dispone de información gobernada mediante estándares de calidad y un 71% continúa operando con sistemas aislados o con integraciones limitadas.
Muchas empresas están intentando incorporar una nueva capa de inteligencia sobre una base que todavía no permite obtener una visión coherente de proveedores, contratos, compras y resultados. Pueden poner en marcha una prueba atractiva, pero tendrán dificultades para convertirla en un proceso fiable y repetible.
El dato deficiente no es sólo un problema tecnológico
Hablar de calidad del dato puede parecer una cuestión reservada a Sistemas. En Compras, sus efectos se trasladan directamente a la operación, al riesgo y a la capacidad de generar valor.
El informe The State of Supplier Data: 2026 Edition, elaborado por Graphite a partir de una encuesta a 60 responsables de Compras, identifica como principales consecuencias una mayor exposición al riesgo, señalada por el 55%; registros duplicados o inconsistentes, mencionados por el 50%; e ineficiencias en los procesos de compra o pago, citadas por el 41,7%. También aparecen los retrasos en el alta de proveedores, las correcciones manuales y la falta de precisión en los informes de gasto.
Estos problemas pueden provocar que se solicite varias veces documentación al mismo proveedor, que se negocie sin disponer del gasto completo, que se utilicen condiciones contractuales desactualizadas o que la empresa no sepa con precisión cuánto está comprando y a quién.
Además, Compras suele asumir la responsabilidad sobre la calidad de la información, pero no siempre controla el sistema donde reside. En el estudio de Graphite, el 65,1% atribuye a Compras la responsabilidad principal de mantener el dato de proveedores, mientras que en el 68,3% de las organizaciones esa información se almacena en el ERP. Esto obliga a coordinar criterios con Finanzas, Sistemas, Riesgos y Operaciones.
La IA no corrige automáticamente una base desordenada
La IA puede ayudar a detectar duplicidades, clasificar documentos, normalizar campos o extraer información, pero necesita referencias, reglas y contextos fiables.
BCG, en su estudio de 2026 sobre IA agéntica en compras tecnológicas, identifica los datos heterogéneos y la calidad inconsistente como el bloqueo técnico más citado. Aproximadamente un tercio de los encuestados señala como barrera el coste de preparar los datos y modernizar los sistemas, mientras que cerca de la mitad menciona dificultades para integrar la IA con entornos heredados como el ERP o las plataformas Procure-to-Pay.
Por eso, un piloto puede funcionar con un conjunto limitado de información previamente depurada, pero fracasar cuando intenta extenderse a toda la organización. Escalar exige conectarlo con los flujos reales de Compras, mantener los datos actualizados y definir cómo se validan las decisiones.
McKinsey resume esta necesidad con la construcción de una auténtica columna vertebral del dato de Compras. Cuando los modelos de lenguaje están al alcance de todas las empresas, la ventaja competitiva no reside únicamente en el modelo utilizado, sino en el contexto específico y las señales propias que la organización puede proporcionarle.
Qué significa tener datos preparados para la IA
No basta con realizar una limpieza puntual antes de comenzar un proyecto. Los datos preparados para la IA deben ser fiables, estar conectados y mantenerse dentro de un modelo de gobierno continuo.
Esto requiere:
- Definir quién es responsable de cada tipo de información y quién puede modificarla.
- Establecer criterios comunes para proveedores, categorías, materiales, contratos y unidades de medida.
- Estandarizar la entrada y validación de datos desde el alta del proveedor.
- Conectar la información contractual con solicitudes, pedidos, recepciones, facturas y desempeño.
- Revisar de forma continua la vigencia, integridad y trazabilidad del dato.
Las organizaciones más avanzadas analizadas por Graphite combinan gobierno centralizado, validación continua y procesos estandarizados. BCG añade que esas bases deben conectarse con los sistemas donde se ejecuta realmente la compra, porque una IA aislada del flujo operativo difícilmente producirá resultados sostenibles.
El punto de partida es importante
Antes de seleccionar una solución de IA, Compras debería identificar qué decisiones quiere mejorar y qué información necesita para hacerlo. No todas las organizaciones deben comenzar por el mismo caso de uso ni sanear todo su ecosistema de datos al mismo tiempo.
El punto de partida puede ser una categoría con alto impacto, el maestro de proveedores, los contratos próximos a vencer o los datos necesarios para automatizar una homologación. Lo importante es acotar el objetivo, revisar dónde se origina la información, eliminar las causas que introducen errores y establecer un proceso que permita mantener su calidad.
La IA puede ayudar a Compras a trabajar con más velocidad, ampliar su capacidad de análisis y dedicar menos tiempo a tareas administrativas. Pero su valor dependerá de la información con la que opere. Las organizaciones que construyan ahora una base fiable, integrada y gobernada no solo obtendrán mejores resultados de sus herramientas actuales: también estarán mejor preparadas para aprovechar los nuevos agentes y capacidades están llegando.
¿Se puede sacar partido a la IA con una baja calidad de los datos? La respuesta es sí. Las reducciones de tiempo y eficiencia que estamos viendo con Avanti Intelligence son enormes incluso con estructuras de datos no optimizadas. Además, el control sigue estando en poder del usuario. Sin embargo, para sacar el máximo partido a la IA agéntica, las empresas deben ponerse especialmente las pilas en la calidad del dato.
Imagen diseñada por Magnific
