No lances otra iniciativa de IA hasta que sepas dónde han estado tus datos.
Hay una extraña ironía en las fintech en este momento: el sector que ayudó a digitalizar la banca se está viendo superado por su propia ambición.
Todo el mundo habla de IA. Todo el mundo habla de la próxima plataforma analítica, del motor de conocimiento del consumidor de nueva generación, de la revolución de la experiencia personalizada. ¿Pero entre bastidores? Décadas de crecimiento, cambios de plataforma y modificaciones normativas han dejado a muchas instituciones con entornos de datos profundamente fragmentados. Lo que antes funcionaba, ahora frena la innovación.
Un ejecutivo de la Cumbre Databricks de Datos + IA 2025 lo describió sin rodeos: “datos malos con esteroides”. Eso lo resume todo.
El verdadero problema no es la falta de innovación. Es una Falta de Base
Las fintech heredadas no empezaron con malas prácticas de datos. Pero con el tiempo, los sistemas se multiplicaron. El lanzamiento de productos fue más rápido de lo que podían seguir los modelos de datos. Las fusiones y adquisiciones trajeron nuevas plataformas. El cumplimiento cambió. Y, de alguna manera, cinco equipos diferentes acabaron calculando el “usuario activo mensual” de cinco formas distintas.
No sólo es ineficaz, sino peligroso. Cuando tus conocimientos dependen de la versión de la verdad de la que tires, incluso los informes básicos se convierten en un riesgo.
Y lo que es peor, este desorden aboca a la IA al fracaso. Todo el mundo quiere la magia, pero pocos quieren abordar el trabajo de datos entre bastidores que la hace posible. No es de extrañar que, según Gartner, la mala calidad de los datos cueste a las organizaciones una media de 12,9 millones de dólares al año. Y en finanzas, donde los modelos impulsan el movimiento real del dinero, ese precio puede ser mucho mayor.
Acceso a los datos ≠ Usabilidad de los datos
En DAIS 2025, el equipo de Zillow compartió su empeño por “romper los silos y permitir el autoservicio”. Es un objetivo que merece la pena y que vemos que muchas empresas tecnológicas se esfuerzan por conseguir. Pero el autoservicio sólo funciona si los datos que lo respaldan son fiables, coherentes y realmente utilizables.
Eso significa gobernar. Significa limpiar el linaje. Significa establecer políticas de acceso que no sólo mantengan los datos seguros, sino también visibles para las personas que los necesitan. Herramientas como Unity Catalog existen por una razón. Sin una gobernanza básica, “democratizar los datos” puede convertirse rápidamente en otra palabra de moda, que promete más de lo que realmente puede ofrecer.
El reloj del cumplimiento está en marcha
Todo esto sería más fácil de ignorar si los reguladores no fueran cada vez más agudos. GDPR, CCPA, GLBA… elige tu acrónimo. Las normas son cada vez más estrictas, y es sólo cuestión de tiempo que los sistemas heredados no puedan seguir el ritmo.
Barclays, por ejemplo, está invirtiendo mucho en construir una plataforma de datos empresariales “preparada para el futuro”. No porque esté de moda, sino porque es necesario. No se puede generar confianza en el consumidor sobre una base de registros incoherentes y conductos de datos opacos.
¿Y si tu modelo de IA hace una predicción errónea porque tu canal de datos ha omitido algunas filas o le ha proporcionado información obsoleta? Eso es algo más que un contratiempo técnico: podría ser una señal de alarma de cumplimiento.
A las Fintech no les faltan ideas, les falta capacidad de ejecución
Esto es lo realmente importante. La mayoría de los equipos de fintech con los que hablamos saben lo que hay que hacer. Tienen arquitectos inteligentes, analistas avispados, incluso hojas de ruta sólidas. Pero están atascados intentando modernizarse mientras mantienen el avión en el aire.
Los equipos internos suelen estar desbordados sólo para mantener los sistemas en funcionamiento. Contratar ingenieros de datos de alto nivel es más difícil que nunca. Y tratar de incorporar otra herramienta sin desentrañar el backend sólo añade más complejidad.
Ahí es donde la ayuda adecuada marca la diferencia.
Aquí es donde tiene sentido la ingeniería costera
Modernizar una base de datos no es un proyecto aislado, sino un proceso iterativo. Requiere una estrecha colaboración, pruebas constantes y comentarios en tiempo real. Eso no te lo da un equipo deslocalizado con 12 horas de antelación. Tampoco lo obtienes siempre de una consultora gigante.
Los equipos nearshore ofrecen un punto dulce: talento de ingeniería altamente cualificado en zonas horarias que se alinean con tu equipo principal. Consigues velocidad sin sacrificar el contexto. Puedes emparejarte en Slack, depurar en directo o hacer un taller sobre un esquema a mitad de la impresión.
Cómo puede ayudar Distillery
Distillery trabaja con empresas de tecnología financiera para ayudarles a reforzar lo que funciona y abordar lo que les frena antes de pasar a la siguiente fase.
Te ayudamos:
- Unificar y limpiar entornos de datos dispersos. Por ejemplo, sincronizar datos de cuentas en tiempo real con sistemas normativos como APEX para garantizar la precisión y el cumplimiento.
- Construye un acceso gobernado y seguro utilizando herramientas como Unity Catalog, para que los equipos confíen en los datos que utilizan y sepan quién tiene acceso a qué.
- Moderniza los sistemas heredados con arquitecturas modulares y escalables, como hicimos para Rakuten Super Logistics, que permiten elaborar informes en tiempo real y agilizar las operaciones de datos.
- Incorpora ingenieros nearshore que trabajen como verdaderas extensiones de tu equipo, no como vendedores aislados, para que los proyectos avancen más rápido y se mantengan alineados con los objetivos empresariales.
Nuestros equipos aportan un enfoque práctico para convertir las hojas de ruta teóricas en sistemas reales que funcionen. Ya lo hemos hecho antes. Y no desaparecemos después de entregar la presentación de diapositivas.
Reflexión final
No hay nada malo en querer ampliar la frontera. La IA remodelará la tecnología financiera. Pero sólo para las empresas que tengan la casa en orden.
Si tus cuadros de mando no están alineados, tus canalizaciones están cosidas con cron jobs, y tus analistas no confían en los números, tampoco confiarán en tu IA.
Arregla los datos. Luego escala el futuro. Hablemos de cómo podemos ayudarte a conseguirlo.