Por qué tener más datos no significa tener más claridad
Karina Velázquez, directora de Marketing, Inteligencia de Negocios y Comunicación Corporativa de Mercedes-Benz Autobuses, lo plantea sin rodeos en una columna publicada en InformaBTL: las empresas tienen acceso a más información que nunca —clientes, mercados, ventas, comportamiento, tendencias— pero eso no equivale a tener claridad. El verdadero reto está en saber qué preguntar, qué observar y qué decidir a partir de ello.
Para un founder esto es incómodo, porque contradice el instinto. La respuesta natural cuando algo no funciona es pedir más datos: otro tablero, otra integración, otro reporte. Pero el volumen no resuelve la ambigüedad. La resuelve una pregunta bien formulada.
La autora lo dice de forma directa: la inteligencia aparece cuando se conectan los datos con las necesidades reales del negocio y se convierten en conocimiento accionable. La tecnología, por sí sola, no genera estrategia.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasLa pregunta que cambia la conversación
La propuesta de la directiva de Mercedes-Benz Autobuses es simple y por eso mismo difícil de aplicar: antes de construir cualquier tablero, preguntar «¿qué necesitamos entender para tomar una mejor decisión?».
Ese cambio de punto de partida tiene consecuencias operativas concretas:
- Se deja de recopilar información por acumularla y se buscan datos con un propósito.
- Se deja de medir todo y se identifica aquello que realmente puede ayudar a avanzar.
- Se define de antemano qué decisión se va a tomar con esa respuesta, y quién la toma.
En industrias como la movilidad —donde la columna sitúa su experiencia— las decisiones cruzan ciclos comerciales, necesidades específicas de clientes, operación, postventa y múltiples actores. Ahí no alcanza con saber qué ocurrió: hay que entender por qué ocurrió, identificar qué está cambiando y anticipar qué podría suceder.
Ese mismo salto, de la descripción a la anticipación, es el que separa a una startup que reacciona de una que planifica.
¿Qué pasa cuando el dato deja de pertenecer a un área?
Uno de los puntos más accionables de la columna es el de los silos. Marketing, ventas, postventa y comunicación pueden mirar el mismo fenómeno y llegar a conclusiones distintas. Cuando esas miradas se integran y se respaldan con información confiable, la organización obtiene una visión mucho más completa.
La frase que resume el cambio de estatus es esta: el dato deja de pertenecer a un área y se convierte en un lenguaje común para el negocio.
Para una startup en etapa temprana esto no es teoría de corporativo. Es la diferencia entre que el equipo de producto y el de ventas discutan con anécdotas o con la misma métrica sobre la mesa. Y es, además, la razón por la que muchas empresas pequeñas pueden moverse más rápido que una grande: no tienen que romper silos, solo evitar construirlos.
El criterio humano: lo que la IA todavía no reemplaza
La columna es explícita en este punto: los datos pueden mostrar patrones, pero las personas interpretan el contexto. Un indicador puede alertar sobre un cambio en el comportamiento de un cliente, pero hace falta experiencia y conocimiento del mercado para comprender qué hay detrás.
Esa idea tiene respaldo en el research reciente. En las reuniones de otoño de 2026 del AEM Market Share Statistics de la Association of Equipment Manufacturers, Jeremy Kedziora, profesor de Ciencias de la Computación del Milwaukee School of Engineering, resumió el enfoque pragmático: «Encuentra algo que te moleste y arréglalo». Su recomendación fue explorar cómo la IA resuelve un problema pequeño y específico, en lugar de perseguir transformaciones masivas.
El mismo material de AEM señala que, para los profesionales de inteligencia de negocios, el valor está en dejar de pasar horas compilando reportes y limpiando datos para dedicarse a interpretar resultados e identificar acciones estratégicas.
¿Cuánto valor real están capturando las empresas con sus datos?
Acá los números son incómodos. Un análisis del World Economic Forum y McKinsey citado por El Español estima que la adopción de IA en América Latina podría aumentar la productividad anual entre 1,9% y 2,3% y generar entre 1,1 y 1,7 billones de dólares de valor económico adicional cada año. Cerca del 60% de ese potencial provendría de la IA analítica.
Pero la brecha entre potencial y realidad es enorme: según ese mismo análisis, solo el 23% de las organizaciones latinoamericanas está generando algún valor económico con IA, y apenas el 6% reporta una creación de valor significativa. Seis de cada diez pymes de la región informan que no están generando ningún valor medible.
El patrón se repite a nivel global. Una encuesta de McKinsey citada por la Leavey School of Business de Santa Clara University indica que el 88% de las organizaciones ya usa IA en al menos una función, pero cerca de dos tercios siguen en fase de experimentación o piloto. Es decir: casi todos probaron, muy pocos escalaron.
Y hay un dato que conecta directamente con la tesis de la columna. El World Economic Forum señala en su Future of Jobs Report que alrededor de la mitad de las organizaciones identifica la falta de habilidades en IA como la principal barrera para implementarla, y el 63% menciona brechas de habilidades más amplias como obstáculo para la transformación. El cuello de botella no es la herramienta: es la capacidad de hacer buenas preguntas y leer las respuestas.
Para dimensionar el mercado que hay detrás de todo esto, SNS Insider estimó que el mercado de inteligencia de negocios en salud —un solo vertical— pasó de USD 8.320 millones en 2025 a una proyección de USD 20.040 millones en 2035, con un crecimiento anual compuesto del 9,19% entre 2026 y 2035.
¿Qué significa esto para tu startup?
La columna es una opinión, pero deja tres movimientos que cualquier founder puede ejecutar esta semana.
1. Empieza por la decisión, no por el tablero. Antes de pagar una herramienta de business intelligence, escribe en una hoja la decisión concreta que necesitas tomar en los próximos 90 días y qué dato cambiaría tu respuesta. Si no puedes nombrar la decisión, no necesitas el tablero.
2. Unifica una sola métrica entre áreas. Elige el indicador que hoy se discute con anécdotas —churn, activación, costo de adquisición— y define una única fuente de verdad para producto, ventas y soporte. El objetivo no es medir más, es que todos hablen el mismo idioma.
3. Mide tu inteligencia de negocios por decisiones, no por reportes. Velázquez propone exactamente eso: no debería medirse por la cantidad de reportes que produce una organización, sino por la calidad de las decisiones que esos reportes ayudan a tomar. Aplica la prueba a tu stack actual: si un reporte no cambió ninguna decisión en el último trimestre, apágalo.
Y una advertencia sobre el atajo. La tentación es delegar todo a la IA y esperar que el volumen de datos compense la falta de criterio. Los números de América Latina sugieren lo contrario: la región tiene acceso a las mismas herramientas que cualquiera, pero solo una fracción extrae valor. La ventaja competitiva, como dice la columna, no estará necesariamente en quien tenga más herramientas, sino en quien sepa hacer mejores preguntas y actuar con mayor rapidez ante las respuestas.
Conclusión
La tesis de Karina Velázquez es sencilla y por eso vale la pena repetirla: los datos no toman decisiones, las preguntas sí. En un mercado donde el 88% de las organizaciones ya usa IA pero dos tercios siguen experimentando, la diferencia entre capturar valor y acumular reportes no es tecnológica. Es de criterio.
La pregunta estratégica ya no es cuántos datos tienes. La pregunta verdaderamente estratégica es qué estás haciendo con ellos.
Fuentes
- InformaBTL (fuente original)
- El Español
- Santa Clara University, Leavey School of Business
- Association of Equipment Manufacturers
- Yahoo Finance / SNS Insider
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
