Una cifra de emisiones con tres decimales detrás de la coma da la impresión de precisión. Pero la precisión no dice nada sobre la fiabilidad. Un número puede haberse calculado hasta el último decimal y, aun así, basarse en una unidad incorrecta, un factor de conversión caducado o una estimación que alguien introdujo hace años y que nunca se ha vuelto a comprobar. Eso es la falsa precisión: una cifra que parece más exacta de lo que realmente es.
Esto no ocurre porque las personas sean descuidadas. Ocurre porque un informe es el último paso de una cadena larga, y al final de esa cadena ya no se ve lo que ha pasado por el camino. Una hoja de cálculo con tres decimales tiene el mismo aspecto, tanto si el valor de origen era un dato medido como si era una conjetura al azar. Sin reglas que establezcan qué es un valor válido, esa diferencia permanece invisible.
Cada dato tiene límites dentro de los cuales un valor es plausible. Un consumo energético por sede no puede ser negativo. Un factor de emisión no cambia cada trimestre por un factor de diez. Una cifra de personal no se desvía en miles respecto al mes anterior sin una razón identificable. No se trata de modelos estadísticos complicados, sino de límites sencillos y documentables por dato.
La pregunta de qué es un valor válido no se responde igual en todos los casos. Lo que cuenta como un margen aceptable para un dato es demasiado amplio o demasiado estricto para otro. Esa elección corresponde al propio dato, igual que la pregunta qué es un valor válido y quién lo nota cuando algo falla. Sin hacer explícita esa elección, cualquier valor que entra se considera tácitamente correcto, incluso cuando no lo es.
Además de un límite estricto, hay una segunda capa: desviaciones que no son inválidas, pero sí llamativas. Un valor que cae dentro del margen permitido, pero que se desvía marcadamente del patrón de periodos anteriores, no es incorrecto, pero sí es una señal que alguien debería revisar.
La diferencia entre un rechazo estricto y una señal es una elección deliberada. Un control de valor válido bloquea; una señal pide atención sin bloquear. Ambos son necesarios, y ambos deberían quedar establecidos a nivel del dato, con la pregunta cómo se configura una desviación de señal y quién lo nota cuando ocurre como punto de partida. Sin esa formalización, queda al azar quién nota un valor extraño, y cuándo.
Una regla sin destinatario es una regla que nadie lee. Si un valor cae fuera del límite o emite una señal, debe quedar establecido quién lo verá: la persona que introduce los datos, el responsable de los datos, el controller que procesa la cifra a continuación. Sin ese paso, una desviación desaparece en un archivo de registro que nadie consulta, y un error señalado se convierte en un error inadvertido.
Este es también el punto donde muchos mecanismos de control se detienen en la práctica. Se configura una regla, pero no se asigna quién responde a ella. La regla existe, la notificación aparece, y no ocurre nada. Qué controles corresponden a un dato y quién los ve está relacionado con el panorama más amplio de qué controles corresponden a un dato y quién lo nota cuando algo falla. Un control que nadie ve no es, en la práctica, un control.
Existen sistemas que detectan desviaciones automáticamente y envían notificaciones. Esos sistemas son útiles, pero no resuelven nada si las preguntas subyacentes no se han respondido: qué es un valor válido para este dato específico, qué es una señal, y quién es el destinatario designado. Una herramienta que funciona con reglas que nadie ha pensado produce notificaciones que nadie se toma en serio o alertas que se ignoran de forma estructural. El resultado se parece al control, pero no lo es.
Por eso estas preguntas deben responderse primero a nivel del dato, antes de que un sistema pueda ejecutarlas. La regla corresponde al dato, no al software que casualmente lo supervisa.
La falsa precisión suele surgir combinada con otro problema: partes de la organización que definen un mismo dato de forma diferente. Si una sede cuenta los metros cuadrados de superficie de oficina y otra no, un control de valores plausibles no es suficiente, porque los valores no son comparables entre sí. Lo que se hace con definiciones que difieren entre unidades y cómo se relaciona esto con el control de valores válidos está descrito en la página sobre definiciones divergentes y la pregunta de control correspondiente. Quien configura reglas de calidad sin examinar antes esta cuestión de definiciones puede estar controlando valores plausibles que, en realidad, no son comparables entre sí.
Este escáner determina, dato por dato, qué es un valor válido, qué es una señal y quién es el destinatario designado. Ese panorama no es el punto final, sino el punto de partida: establece dónde no existe actualmente ninguna regla, dónde existe una regla sin destinatario, y dónde la propia definición de un dato ya genera confusión entre unidades. Una vez que se tiene esa imagen, se puede ver qué controles tienen más peso y hacia dónde debe dirigirse primero la atención.
Una vez establecido ese panorama, se puede responder a otra pregunta: qué parte del trabajo que todavía se hace manualmente se puede transferir, tras esta clasificación, a un proceso automatizado. Para eso está pensado el escáner de trabajo de FTE TO AI: calcula, por tarea, qué parte del trabajo puede asumir la IA, no como sustituto de las reglas de calidad aquí establecidas, sino como paso siguiente al panorama que con ellas se genera.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.