Skip to main content

Blog

Novedades, tendencias y perspectivas de tecnología y negocios.
Publicaciones destacadas

¿Qué se necesita para lograr estimaciones realmente confiables?

La presión por acelerar decisiones convive con la necesidad de mantener control sobre los datos. ¿Es posible habilitar autonomía sin comprometer la calidad y la trazabilidad?

La gobernanza de datos no suele fallar en el diseño, sino en su implementación. Cuando llega el momento de ejecutarla, aparecen tensiones entre cultura, prioridades y decisiones.

La información gana protagonismo en toda la organización, pero no necesariamente bajo un mismo criterio. A medida que se multiplica su uso, también lo hacen las diferencias en cómo se interpreta y se gestiona. ¿En qué momento eso empieza a impactar en las decisiones?

Antes de preguntar cómo usar la IA en un servicio público, conviene preguntar si los datos están listos para sostener mejores decisiones.

Seis etapas conectadas llevan a una función de finanzas capaz de usar la IA con confianza: diagnóstico, datos, pronóstico, escenarios, gobernanza y adopción.

La asequibilidad, la inversión de capital y la resiliencia ya se mueven juntas. Los servicios públicos necesitan escenarios para decidir antes de que el futuro se aclare.

Quanam, consultora de transformación digital con sede en Montevideo, Uruguay, es Certified en el Claude Partner Network. Su equipo tiene certificaciones de Claude, parte de un camino guiado por una convicción: la IA rinde más cuando se trabaja junto a las personas.

Odoo presentó su versión 20 en Montevideo, con automatización de procesos mediante IA, y Quanam compartió su trayectoria de más de 15 años como partner de la plataforma.

Un modelo predictivo de sepsis llegó a cientos de hospitales de Estados Unidos con una promesa difícil de resistir. Una validación independiente en Michigan Medicine mostró que no detectaba dos de cada tres casos. Qué se pierde cuando nos saltamos la etapa de conocer los datos, y qué columnas nunca deberían entrar a un análisis.

Antes, el análisis era lento y lleno de dudas. Hoy la máquina responde en segundos y, sin darnos cuenta, dejamos que el cálculo ocupe el lugar del pensamiento. Un recorrido desde los cálculos a mano hasta la inteligencia artificial para entender qué está en juego y qué sigue siendo la parte humana del análisis.

Unos segundos frente a una máquina tragamonedas bastan para entender por qué el “casi” no existe en la matemática y por qué seguimos esperando que la realidad compense una mala racha. El mismo mecanismo aparece al analizar datos o evaluar riesgos. Sobre eventos independientes y la memoria que los datos no tienen.