Una reflexión sobre agentes de IA y el activo más subestimado de cualquier empresa.
Hay una pregunta que suena casi ridícula cuando uno la dice en voz alta: ¿Excel va a existir para siempre?
Pasé años usándolo en logística, abastecimiento y retail. Aprendí el BUSCARV como si fuera un superpoder. Y en ese camino me fui dando cuenta, lento, de algo que recién después entendí como problema: Excel aguanta todo.
Cambiaste la definición de "cliente activo" a mitad del análisis y Excel no protesta. Hay tres versiones del archivo dando vueltas y nadie sabe cuál es la buena. Excel, impasible. El error queda invisible hasta que alguien lo encuentra, normalmente cuando peor cae.
El análisis se volvió automático
El análisis se está convirtiendo en un commodity. No porque se haya vuelto fácil, sino porque se está volviendo automático: viene incluido con casi cualquier API de IA decente. Eso mueve el recurso escaso a otro lado: ya no es la capacidad de analizar, es tener datos en los que uno pueda apoyarse sin desconfiar.
Cuando entra un agente al medio (un sistema que analiza datos y recomienda decisiones sin que nadie lo esté supervisando), la primera pregunta que aparece suele ser qué tan bueno es el agente. Pero esa es la pregunta de superficie. La que importa es en qué universo de datos lo estás soltando.
Un agente no sabe cuántos clientes activos tienes. Consulta tu base de datos, tus tablas, tus definiciones de métricas. Consulta tu mapa de la realidad. Si ese mapa está mal dibujado, lo que tienes es algo peor que un Excel con errores: decisiones automatizadas tomadas con confianza sobre datos equivocados.
Excel fue el parche de un problema que nunca se resolvió
Excel no apareció en el vacío. Apareció porque en la mayoría de las empresas nunca hubo una arquitectura de datos real, ni definiciones consistentes, ni una fuente única de verdad a la que todos le creyeran. Funcionó durante décadas porque el consumidor final siempre fue un humano: alguien que podía interpretar, preguntar en la reunión, ajustar a mano. Esa flexibilidad fue una virtud mientras hubo alguien mirando.
Cuando un agente navega esos mismos datos de forma autónoma, la flexibilidad pasa a ser un riesgo estructural. Ya no hay nadie reconciliando nada al vuelo.
Imagina esta reunión
En vez de que alguien llegue con un Excel que se preparó tres días antes, hay un dashboard en vivo y un agente disponible para conversar.
"¿Cómo estuvieron las ventas versus el mes pasado, ajustando por días hábiles?"
El agente responde en segundos. Alguien sigue la pregunta:
"¿Y si sacamos la promoción de la semana 2?"
Recalcula al toque. Una conversación que antes ocupaba tres días de preparación, en un par de minutos.
Esa reunión es posible hoy, técnicamente. Lo que no existe en la mayoría de las empresas es la base que la sostiene.
El problema tiene nombre: gobernanza de datos
¿Cuántos clientes activos tiene tu empresa? Marketing tiene un número, finanzas tiene otro, soporte uno distinto. Hoy eso se reconcilia en una reunión, medio a regañadientes, y se sigue. Cuando el agente opere encima de esos datos sin supervisión, no va a haber nadie haciendo esa reconciliación.
Lo mismo pasa con churn, conversión, ingreso, usuario activo. Cada métrica sin una definición consensuada es una grieta, y el agente va a caer en todas, una por una, sin avisar.
Sin resolver eso, no pasas de FINAL_v7.xlsx a una empresa más inteligente. Pasas a un Excel automatizado por un agente, que es peor, porque ya nadie lo cuestiona.
El diferencial no va a ser el modelo
Excel va a seguir existiendo. Lo que cambia es su rol. Antes era motor y panel de control al mismo tiempo. De acá en adelante esas dos cosas se van a separar: el motor se va a mover al datalake ordenado y a los agentes que corren sobre él, y Excel va a quedar más cerca de lo que siempre fue mejor para hacer, una interfaz humana para revisar, anotar y ajustar al final.
El analista del próximo ciclo no va a gastar tres días preparando un Excel para la reunión del lunes. Va a gastar esos tres días asegurándose de que los datos que está consumiendo el agente son confiables. El diferencial competitivo no va a ser quién tiene el mejor modelo de IA, va a ser quién tiene la realidad mejor modelada. Datos ordenados con un agente promedio le ganan, de forma consistente, a datos desordenados con el modelo más avanzado del mercado.
La llegada de los agentes no nos libera de ordenar la casa. Más bien obliga a hacerlo.
La pregunta estratégica, entonces, no es cuándo implementamos IA. Es una bastante más incómoda: ¿tenemos la cadena dato confiable → definición consistente → decisión → acción funcionando de punta a punta? Si la respuesta honesta es "no" o "más o menos", el proyecto más importante que pueden arrancar este año probablemente no sea un piloto de IA, sino ordenar el mapa primero.