Antes de la IA, el dato. Así prepara Ferrovial su información para trabajar con algoritmos

La adopción de la inteligencia artificial avanza en casi todos los sectores, pero su utilidad depende de algo menos vistoso que el algoritmo: la calidad de los datos con los que trabaja. Un modelo alimentado con información incompleta o contradictoria devuelve respuestas igual de incompletas o contradictorias, solo que más rápido. 

Para una empresa como Ferrovial, cuyo modelo de negocio integra el diseño, la financiación, la construcción, la explotación y el mantenimiento de infraestructuras complejas, el reto es todavía mayor. La compañía maneja una gran cantidad de información procedente de diferentes sistemas, países y áreas de actividad, y con frecuencia una misma realidad se define de forma distinta según el equipo que la registre o queda dispersa entre plataformas diferentes.

Un lenguaje común para los datos

Ese es el problema que resuelve Pangea, el programa que ha creado Ferrovial para hacer más fiable el gobierno de sus datos, es decir, para decidir quién se ocupa de cada dato, cómo se define y garantiza su calidad. Su punto de partida es crear un lenguaje común, con definiciones compartidas, estándares de calidad y mecanismos que permiten conocer el origen de cada dato y el recorrido que ha seguido hasta llegar a quien lo consulta, lo que se conoce como trazabilidad.

La diferencia se nota en el día a día. Antes de Pangea, dos equipos podían partir de los mismos datos y obtener valores distintos para un mismo indicador, porque el concepto se había interpretado de forma diferente o habían aplicado reglas de cálculo distintas. Con criterios compartidos, esa discrepancia deja de producirse. Esto es crítico en casos como el seguimiento financiero y el control de riesgos. Los datos de costes, previsiones, desviaciones, riesgos u oportunidades solo sirven para tomar decisiones si son recogidos y entendidos de la misma manera.

Lo que dicen las cifras

Ferrovial traduce el impacto positivo del gobierno del dato en ahorro de costes y de tiempo para localizar, validar o interpretar información. Según la compañía, la estandarización de procesos, activos y modelos de información ha reducido hasta un 50% el tiempo empleado en desarrollar nuevas soluciones analíticas, y la reutilización de capacidades ya existentes ha supuesto ahorros de hasta un 33% en los costes de desarrollo. Ferrovial ha definido más de 1.800 términos de negocio y cada dominio cuenta con Data Owners identificados, responsables de su mantenimiento y de su calidad.

Con el diseño de esta arquitectura, Ferrovial ofrece a sus usuarios una plataforma de autoconsumo, un entorno en el que los equipos consultan los datos de forma autónoma.

Tener los datos ordenados no sirve de mucho si nadie los usa. Por eso, este sistema ha impulsado una comunidad interna para compartir conocimiento, difundir buenas prácticas y extender una cultura basada en el dato. Esa red organiza formaciones periódicas y mantiene niveles de participación superiores al 80%.

Los datos han de durar décadas

Hay una razón de fondo para tanta insistencia en las definiciones. Una infraestructura no se entrega y se olvida. Desde que una administración se plantea una necesidad hasta que termina su explotación pueden pasar entre cincuenta y noventa años. Eso obliga a definir cómo se gestiona la información en cada etapa del activo y cómo se asegura su recuperación durante el resto de etapas, porque lo que se decide durante el diseño condiciona lo que habrá que saber décadas después para el mantenimiento. Garantizar que la información sea consistente es vital, por ejemplo, para desarrollar los estudios de calidad y medio ambiente del activo durante su operación.

Quién responde de cada dato

Un lenguaje común no se mantiene solo. El gobierno del dato se apoya también en responsables designados dentro del negocio, que gestionan de forma activa sus propios datos. La compañía parte de que los usuarios tienen responsabilidad sobre el dato que utilizan y, por eso, ha establecido tres roles específicos.

El Data Owner es responsable de un dominio de información, es decir, cada uno de los bloques en los que se organiza el inventario de datos. El Data Product Owner define, da soporte y asegura que los datos resulten útiles a través del desarrollo de productos de datos. Por último, el Data Steward vela por su calidad, su consistencia y sus definiciones de una manera más operativa Detrás de esta organización, está la idea de tratar cada conjunto de datos como un producto, con alguien que responde de él y con usuarios que los consumen.

Del dato ordenado a la inteligencia útil

Cuando se habla de IA, la conversación suele girar en torno a los modelos, pero todo empieza por lo que no se ve: identificar qué dato existe, qué significa, de dónde viene y quién responde por él. Con un sistema de gobierno del dato la información de negocio y de las áreas corporativas en diferentes geografías quedan estandarizados y se convierte en la base que sostiene la toma de decisiones de toda la compañía.

Ese trabajo previo es ahora, para Ferrovial, su principal ventaja ante la IA. El conocimiento acumulado en Pangea, con sus dominios, glosarios, trazabilidad y responsables, se está convirtiendo en un mapa de conocimiento que la IA puede interpretar, de modo que sus respuestas hablen el mismo idioma que el negocio y ofrezca respuestas mucho más fiables.

En un sector donde cada decisión acaba afectando a la construcción y operación de infraestructuras críticas, Ferrovial asegura que la IA amplifica el criterio profesional, pero solo puede hacerlo bien partiendo de datos trazables y ordenados.