IA en consultoría: recopilar datos es más fácil que interpretarlos bien

¿Puede una empresa construir su estrategia únicamente con datos recopilados mediante IA?

Empezar con la IA es posible y conviene hacerlo. Pero los datos que reúne un modelo, sin verificación ni interpretación, rara vez se convierten en una base fiable para una estrategia.

La investigación preliminar con IA es útil: en una hora se obtiene una visión general del mercado, una lista de actores y los principales marcos regulatorios. Para una primera aproximación es suficiente, incluso con modelos convencionales de acceso público.

Los problemas empiezan cuando esa visión se toma como base para decidir. La respuesta del modelo se compone de lo que ya se ha publicado y se promedia hasta un nivel en el que vale para todos y para nadie en concreto. El modelo no conoce su negocio, no ve sus números y, lo más importante, no asume sus riesgos. Si la conclusión resulta errónea, quien pierde dinero, tiempo y reputación es la empresa, no la herramienta.

Para que la IA en consultoría dé un resultado de calidad, hay que saber usarla: entender la estructura del sector, plantear la tarea de la forma adecuada, exigir al modelo una respuesta estructurada y después verificar esa respuesta. Sin entender de qué se compone la información y cómo se llega a un resultado práctico, apoyarse solo en los datos que ha reunido el modelo es arriesgado.

¿Qué ha cambiado realmente la IA en el trabajo de los consultores?

El mayor cambio está en el trabajo con datos: ahora se pueden estructurar y analizar mucho más rápido y con más profundidad.

Como muchos consultores, hemos empezado a trabajar con datos más estructurados. Los datos propios o los que el cliente aporta para el análisis se pueden procesar hoy en días, no en semanas: cruzar distintas fuentes, detectar patrones y contrastar hipótesis con un volumen mayor de información. Esto ha elevado de forma notable lo que se puede lograr dentro de un mismo proyecto.

Coincide con lo que observan los investigadores. En un estudio de la Universidad de Münster de 2026, los consultores describen la IA sobre todo como un medio para automatizar el procesamiento y el análisis de la información, que libera tiempo para el trabajo con el cliente y las tareas complejas. La mayoría no la considera una amenaza para su valor principal, que se basa en la interacción humana.

¿Por qué el principal problema de la IA no está en los datos, sino en su interpretación?

Porque el modelo ve la cifra, pero no ve cómo se ha generado. Sin eso, una misma cifra puede significar cosas opuestas.

La energía y la ingeniería son los sectores con los que más trabajamos, y es precisamente aquí donde la diferencia entre los datos y su comprensión se nota especialmente. Para trabajar con datos en estos sectores hacen falta dos cosas:

Primero: entender qué son esos datos

Quién los calcula, qué incluyen, con qué reglas se elaboran y en qué punto de la cadena se generan: en el promotor, en el contratista EPC, en el operador de red o en el regulador.

Segundo: interpretarlos correctamente

Entender qué significa esa cifra para un negocio concreto en un mercado concreto. Es en esta fase donde los modelos se equivocan más que en la recopilación de datos.

Veamos un ejemplo del mercado polaco de energías renovables, que conocemos bien:

Fuente: informe del Presidente de URE, el regulador energético polaco, correspondiente a 2025, y datos de ARE y del Ministerio de Energía, según la publicación de Gramwzielone.pl del 11 de mayo de 2026.

Cada una de estas cifras es fácil de leer mal, y así es como a menudo las leen los modelos:

Ninguna de las interpretaciones superficiales es inventada. Cada una se deduce lógicamente de la cifra. Pero todas llevan a una decisión equivocada: adónde ir, a quién vender, cuánto invertir. La lectura correcta es mucho más fácil de encontrar cuando se entiende la estructura del sector y se sabe qué preguntas hacer a continuación: sobre la normativa, sobre el entorno competitivo, sobre la economía de los proyectos en ese país concreto.

¿Por qué la verificación de datos importa más que la velocidad del análisis?

Porque analizar rápido datos sin verificar solo lleva antes al error.

La verificación, la comprobación y la validación de los datos no son hoy una fase adicional después del trabajo con IA. Son la condición sin la cual es difícil apoyarse en ese trabajo para tomar decisiones. Cada cifra que sostiene una conclusión debe remontarse a la fuente original, comprobarse que está actualizada y, a ser posible, confirmarse con personas que trabajan en ese mercado.

Ni siquiera las herramientas especializadas eximen de ello. Un estudio prerregistrado de Stanford, publicado en Journal of Empirical Legal Studies, mostró que los principales servicios jurídicos de IA daban respuestas incorrectas o infundadas en el 17-33 % de los casos, aunque con menos frecuencia que los chatbots generalistas. La regulación energética no es más sencilla que las bases de datos jurídicas, y cambia con más frecuencia.

La IA no conoce su negocio ni asume sus riesgos. Por eso, la responsabilidad sobre qué datos sirven de base para una decisión sigue recayendo en las personas.

Dima V. Nechyporenko, fundador de the nech

¿Por qué en B2B la persona sigue siendo decisiva?

Porque los acuerdos B2B los cierran personas con personas, y la confianza entre ellas no surge de un intercambio de correos.

El estudio de mercado termina con un informe, pero ahí es donde el negocio apenas empieza. Las empresas tienen que encontrarse, conocerse y, sobre todo, entenderse: cómo se toman las decisiones, qué es importante para el socio, dónde está el límite del compromiso. Por correo electrónico, mensajes de LinkedIn o aplicaciones de mensajería esto es muy difícil de conseguir.

En energía e ingeniería se nota especialmente. El ciclo de venta es largo, los importes son elevados y los riesgos para ambas partes se miden en años. En un país la decisión clave la toma el director técnico, en otro un comité de compras, en un tercero será determinante la posición del banco o del inversor del proyecto. Un modelo puede describir estas diferencias a grandes rasgos. Percibirlas en una conversación concreta es algo que hace mucho mejor una persona que ha trabajado allí.

En los negocios sigue habiendo mucho de humano: las relaciones, la presencia, la comprensión de la mentalidad y de las particularidades culturales de cada mercado, la experiencia vital real. Estos elementos no están en la respuesta del modelo, y son precisamente ellos los que a menudo deciden si habrá acuerdo.

¿Cómo está cambiando la IA el sector de la consultoría?

De forma rápida y profunda. Valoramos estos cambios como muy positivos.

Una parte del trabajo que antes ocupaba la mayor parte del tiempo de un consultor, es decir, la búsqueda, la recopilación y el procesamiento inicial de la información, hoy se hace mucho más rápido. Esto no hace innecesaria la consultoría, sino que cambia dónde reside su valor: en la comprensión del sector, la interpretación correcta, la verificación de los datos y el trabajo con las personas.

Para nosotros, esto significa poder hacer cosas mucho más complejas en menos tiempo y ayudar a los clientes a lograr resultados en Europa más rápido. La herramienta se ha vuelto más potente. La responsabilidad sobre cómo usarla sigue donde estaba.