La gobernanza de datos en la industria evita que un piloto de IA se frene: los datos suelen estar fragmentados entre ERP, MES, SCADA y planillas, sin definiciones comunes ni responsables asignados. Sin diccionario de datos, dueños identificados y controles mínimos de calidad, el modelo aprende de información inconsistente y sus resultados no resisten la revisión de planta.

La escena se repite. El piloto funciona en la prueba, el equipo presenta los resultados y alguien de planta señala que el dato de producción no coincide con el parte del turno. A partir de ahí la discusión deja de ser sobre el modelo y pasa a ser sobre de dónde salió cada número. El proyecto no fracasa: se estanca en una auditoría de datos que nadie había presupuestado.

Qué es la gobernanza de datos en la industria

Es el conjunto de definiciones, responsabilidades y controles que determinan cómo se generan, nombran, almacenan, corrigen y comparten los datos de la operación. No es un proyecto de sistemas: es un acuerdo de gestión sobre qué significa cada número y quién responde por él.

En un entorno industrial tiene una particularidad que la distingue de otros sectores: buena parte del dato no lo carga una persona, lo genera un equipo. Un sensor, un PLC o una balanza producen registros continuos, con su propia frecuencia, su propia unidad y sus propios errores de medición. Gobernar ese dato implica decisiones técnicas que no existen en un entorno puramente administrativo.

Qué no es

• No es comprar una plataforma. Un data lake sin definiciones acordadas concentra el desorden en un solo lugar.
• No es un proyecto de IT en soledad. Quien define qué significa «unidad producida» es producción, no sistemas.
• No es documentar todo. Se gobierna lo que se usa para decidir, no el universo completo de datos.

Por qué los pilotos de IA se frenan en los datos

Los problemas que la gobernanza de datos en la industria debe resolver son recurrentes y casi siempre anteriores al proyecto de IA. El modelo no los crea: los expone.

• Definiciones divergentes: «producción del turno» significa una cosa en el parte de planta y otra en el ERP.
• Datos sin dueño: nadie responde por la corrección de un registro cuando aparece un desvío.
• Huecos y saltos: series de proceso con períodos faltantes por parada de un sensor o corte de comunicación.
• Unidades y frecuencias mezcladas: el mismo indicador registrado por minuto en un sistema y por turno en otro.
• Codificación inconsistente: el mismo producto o motivo de parada con códigos distintos según el sector.
• Historia corta: datos confiables solo de los últimos meses, insuficientes para entrenar sobre un ciclo completo.

Cuando un piloto se frena, la causa rara vez es el algoritmo. Es que el equipo no puede explicar de dónde sale cada número que el modelo usó.

Los cuatro frentes de la gobernanza de datos en la industria

Definiciones: el diccionario de datos

Las definiciones son el primer frente de la gobernanza de datos en la industria. El diccionario registra, para cada dato relevante, su nombre único, su definición en palabras, la fórmula de cálculo si corresponde, la unidad, el sistema de origen y la frecuencia de captura. Es el entregable más simple de explicar y el que más resistencia genera, porque obliga a resolver diferencias de criterio que llevaban años conviviendo sin molestar a nadie.

Responsabilidades: dueño y custodio

En la gobernanza de datos en la industria, el dueño del dato es quien tiene autoridad sobre su definición: en general, el responsable del proceso que lo genera. El custodio es quien lo mantiene técnicamente: sistemas o automatización. Separar ambos roles evita el escenario más común, en el que IT termina decidiendo qué significa un indicador de producción porque nadie más lo definió.

Calidad: cuatro dimensiones que alcanzan

• Completitud: qué proporción de los registros esperados efectivamente existe.
• Exactitud: si el valor refleja lo que ocurrió en el proceso.
• Consistencia: si el mismo hecho se registra igual en todos los sistemas.
• Oportunidad: si el dato está disponible cuando hay que decidir con él.

Acceso: permisos y confidencialidad

No todos los datos tienen el mismo régimen. Los de proceso suelen poder circular ampliamente dentro de la organización; los de costos, los de personas y los vinculados a clientes requieren criterios explícitos. Definir esto temprano evita que el acceso se resuelva caso por caso, que es la vía más rápida hacia el descontrol.

Datos de planta: MES, SCADA, ERP y planillas

La dificultad específica de la gobernanza de datos en la industria es que los datos viven en capas distintas, con lógicas distintas, y casi nunca conversan entre sí.

La integración entre el mundo de operaciones y el de sistemas —lo que suele llamarse convergencia OT-IT— es el frente técnico donde esta gobernanza se vuelve concreta. No requiere unificar todo en una sola plataforma: requiere que cada dato tenga una fuente declarada como autoritativa y que las demás se alineen a ella.

Cómo empezar la gobernanza de datos en la industria con un alcance acotado

Aplicar la gobernanza de datos en la industria a todos los datos de la planta a la vez es un proyecto que nunca termina. La alternativa es empezar por el caso de uso que ya se quiere resolver.

1. Elegir un caso de uso concreto con valor claro: predicción de una falla, control de un parámetro, análisis de rendimiento de una línea.
2. Listar los datos que ese caso necesita y solo esos.
3. Definir cada uno en el diccionario, con fórmula, unidad y sistema de origen.
4. Asignar dueño y custodio para cada dato de esa lista.
5. Medir la calidad actual en las cuatro dimensiones y documentar los desvíos.
6. Corregir en el origen, no en la etapa de preparación del modelo.
7. Extender el mismo método al siguiente caso de uso.

Corregir en el origen es el punto que más ahorra. Un dato reparado en la preparación del modelo vuelve a estar mal la próxima vez; corregido en la carga o en la configuración del equipo, queda resuelto para todos los usos futuros. Los criterios de confiabilidad y gestión de riesgo del marco de gestión de riesgos de IA del NIST y los relevamientos de adopción de McKinsey y de MIT Sloan Management Review coinciden en señalar la preparación del dato como condición previa al escalado.

Cómo se conecta la gobernanza de datos en la industria con la gobernanza de la IA

Son dos capas distintas y conviene no confundirlas, porque resuelven problemas diferentes y en momentos diferentes.

La primera habilita a la segunda. Un comité que aprueba modelos sin haber resuelto las definiciones del dato termina discutiendo, en cada reunión, si el número de entrada era correcto. El desarrollo completo de esa segunda capa está en la nota sobre cómo pasar de pilotos a escala con gobernanza de IA industrial, que continúa donde esta termina.

El recorrido completo va desde los primeros pasos de la inteligencia artificial en la industria hasta el despliegue a escala empresarial, pasando por la medición del ROI de los proyectos de IA, cuya confiabilidad depende también de la calidad del dato de base. Esa secuencia es la que estructura la formación de Academia de la Industria, la propuesta formativa de la Unión Industrial de Córdoba.

Si el objetivo es que dirección, operaciones y sistemas compartan criterios de gobernanza de datos en la industria antes de escalar modelos, el próximo paso es conocer el Curso Inteligencia Artificial para la Estrategia y Transformación Industrial. El recorrido completo está en el certificado en IA para la industria y el resto de la oferta, en la tienda de Academia de la Industria.