El problema aparece cuando la información pierde correspondencia, vigencia o contexto al pasar de un sistema a otro.
Una empresa puede disponer de datos fiables, aplicaciones bien integradas y controles sobre sus procesos. Sin embargo, un resultado puede ser incorrecto si la información utilizada deja de corresponder con la operación que debe resolver.
Pensemos en un pedido que cambia de dirección de entrega después de haber sido confirmado.
El sistema comercial registra la modificación. El almacén prepara correctamente los productos. El operador logístico recibe una dirección válida. Pero esa dirección pertenece a la versión anterior del pedido.
Cada sistema ha procesado información reconocible. El problema aparece en la relación entre ellos: la dirección utilizada ya no corresponde al estado vigente de la operación.
Este tipo de situación ayuda a comprender una dimensión de la integración de datos que merece especial atención. La calidad de los elementos que intervienen importa. También importa que conserven su significado cuando pasan de un proceso a otro.
La información necesita conservar sus relaciones
Cuando analizamos una solución de Data, analítica o IA, solemos identificar sus componentes: fuentes de información, aplicaciones, modelos, conectores, proveedores y sistemas existentes.
Ese inventario permite saber qué interviene.
Pero para comprender cómo se obtiene un resultado necesitamos examinar también las relaciones que conectan esos elementos.
Una consulta debe recuperar información del cliente correcto. Un dato debe conservar su vigencia temporal. Una operación debe utilizar las reglas aplicables a su estado. Una actualización necesita llegar al sistema que ejecutará el siguiente paso.
Son condiciones diferentes y cada una puede afectar a la validez del resultado.
En marzo de 2023, OpenAI documentó un incidente de ChatGPT relacionado con la reutilización de conexiones de caché. Determinadas solicitudes podían recibir información asociada a otro usuario. En algunos casos, los datos tenían el tipo esperado y parecían válidos.
La corrección incorporó comprobaciones adicionales de correspondencia entre la información recuperada y el usuario solicitante.
El mecanismo documentado estaba relacionado con la gestión de datos y conexiones, no con el razonamiento del modelo.
El caso muestra por qué validar el formato de una respuesta resulta insuficiente cuando también necesitamos verificar a quién pertenece y para qué operación es válida.
El tiempo también forma parte del dato
Volvamos al pedido.
La dirección anterior puede ser correcta como registro histórico. El problema aparece cuando se utiliza para ejecutar una entrega que ya tiene otra dirección autorizada.
Esto introduce una distinción relevante para cualquier organización que trabaja con información distribuida: un dato puede ser exacto y estar desactualizado para el uso previsto.
En retail, banca, seguros o servicios, diferentes sistemas mantienen información sobre una misma operación. Cada uno puede actualizarse en momentos distintos y responder a necesidades específicas.
Por eso, el análisis debe contemplar qué versión del dato corresponde a cada etapa, cuándo adquiere validez una modificación y qué confirmación necesita el siguiente sistema.
La sincronización técnica ayuda a transmitir información. La coherencia del proceso exige, además, conservar las condiciones que determinan cuál debe utilizarse.
La vigencia del dato depende de la operación que lo necesita.
Cuando varias capacidades comparten una misma condición
Las relaciones también pueden conectar servicios que, desde el punto de vista del negocio, parecen independientes.
En junio de 2025, Cloudflare documentó una interrupción de Workers KV, un servicio de almacenamiento utilizado para diferentes funciones de su plataforma.
La incidencia afectó a servicios relacionados con identidad, configuración y funcionalidades de IA. Distintos productos dependían de información compartida para completar determinadas operaciones.
El caso permite observar cómo una configuración, una política de acceso o un recurso común puede participar en varios recorridos.
Para una organización, conocer esta convergencia resulta útil porque ayuda a identificar dónde una misma condición sostiene procesos diferentes.
El inventario de aplicaciones puede mostrar qué recursos existen.
El análisis de sus relaciones explica qué necesitan compartir, conservar o confirmar para trabajar de forma coherente.
Del inventario al recorrido del dato
Muchas organizaciones ya utilizan herramientas de arquitectura empresarial, catálogos de datos, linaje, inventarios de configuración y mapas de servicios.
La cuestión está en conectar ese conocimiento con el resultado que necesita obtener el negocio.
En marzo de 2026, la Financial Conduct Authority británica reconoció avances en las prácticas de mapeo de resiliencia operativa. También identificó oportunidades de mejora en la incorporación de información, procesos, personas y dependencias de terceros.
Para Cognodata, esta lectura tiene una aplicación directa en los proyectos de gestión de datos.
Podemos seguir el recorrido de una operación y examinar qué condiciones permiten que la información conserve su utilidad en cada intercambio.
En el ejemplo del pedido, el análisis incluiría la identificación única de la operación, la versión autorizada de la dirección, el momento de actualización, la confirmación de recepción por parte del operador y la coherencia del estado final entre los sistemas implicados.
Cada condición puede asociarse a una comprobación concreta.
Así, el mapa describe tanto los recursos como las relaciones que sostienen el resultado.
La incorporación de IA añade nuevos recorridos de información y dependencias que deben integrarse en este análisis. El perfil de riesgos de IA generativa publicado por NIST en 2024 contempla precisamente la documentación y supervisión de dependencias entre datos, componentes y terceros.
La calidad también se comprueba entre sistemas
La calidad del dato suele evaluarse mediante propiedades como exactitud, integridad, consistencia o actualidad.
Cuando la información circula entre aplicaciones, esas propiedades deben interpretarse en relación con el proceso que utiliza el dato.
Una dirección puede estar correctamente escrita. Una póliza puede existir. Un permiso puede ser válido. Una operación puede figurar como completada.
Lo relevante es comprobar que cada elemento corresponde al cliente, momento, estado y acción adecuados.
La validez del resultado depende también de que esas relaciones se mantengan.
Comprenderlas permite evaluar con mayor precisión qué está ocurriendo entre sistemas y dónde necesita verificarse la información.
Porque una organización puede conocer todos los componentes que participan en una operación y seguir necesitando una respuesta esencial:
¿Estamos utilizando el dato correcto para la operación correcta, en el momento correcto?
Preguntas frecuentes sobre integración y calidad de datos
¿Por qué los datos correctos pueden producir resultados equivocados?
Porque la exactitud de un dato no garantiza que corresponda a la operación que lo utiliza. Un dato puede ser válido, pero pertenecer a otro cliente, a una versión anterior del proceso o a un contexto diferente.
¿Qué relación existe entre la integración de datos y la calidad del resultado?
La integración permite intercambiar información entre sistemas. Para que el resultado sea válido, también es necesario conservar la correspondencia, vigencia y contexto de los datos durante ese intercambio.
¿Qué significa que un dato esté vigente?
Significa que la información es válida para el momento y la operación en los que se utiliza. Un dato puede ser correcto como registro histórico y no ser adecuado para ejecutar una operación actual.
¿Cómo comprobar la coherencia de los datos entre sistemas?
Identificando el recorrido de la información y verificando condiciones como la identidad de la operación, la versión autorizada del dato, el momento de actualización y la confirmación de que el siguiente sistema ha recibido la información correspondiente.
