LAS IDEAS CLAVE
- 01
DAQU es un proyecto de desarrollo anunciado; sus objetivos no equivalen a resultados productivos medidos.
- 02
Separa la normalización de texto, la comprobación de equivalencias y la fusión de registros.
- 03
Evalúa falsos duplicados, casos omitidos y tiempo de revisión, conservando el historial de cambios.
DAQU lleva la conversación hacia la calidad de los datos
En una publicación del 22 de septiembre de 2026, CENIA informó sobre DAQU, un proyecto adjudicado en FONDEF IDeA I+D 2026, con CMPC Pulp como entidad asociada. La iniciativa contempla desarrollar una plataforma que utilice modelos de lenguaje para preparar datos, incluyendo normalización, deduplicación y validación, con trazabilidad de las transformaciones y participación de expertos. El horizonte anunciado es de 24 meses. CENIA, proyectos de IA aplicada y datos industriales.
Se trata de un desarrollo anunciado, cuyos resultados deberán evaluarse. Nuestra lectura para empresas chilenas es concreta: la calidad del catálogo merece una tarea propia dentro de la transformación digital. Antes de conectar compras, inventario y analítica, conviene acordar qué significa cada registro y cuándo dos códigos representan realmente el mismo artículo.
Normalizar un nombre y fusionar registros son decisiones distintas
Imaginemos una empresa ficticia de suministros industriales. En su catálogo aparecen cinta emb. transparente 48 mm x 100 m, caja 24 y cinta embalaje transparente 48mm 100m, 24 rollos/caja. Son candidatas a revisión por su parecido, pero falta comprobar marca, referencia del fabricante y presentación. Un tercer registro indica caja de 36 rollos: la diferencia cambia lo que se compra, aunque casi toda la descripción coincida.
Para este ejemplo proponemos separar tres operaciones. Normalizar es ordenar cómo se escribe un dato. Vincular equivalencias es documentar que dos identificadores corresponden a un mismo artículo bajo condiciones comprobadas. Fusionar modifica qué registro usa el sistema y puede afectar sus relaciones con pedidos o existencias. La autorización para corregir una abreviatura no debería extenderse automáticamente a las otras operaciones.
Usar la similitud para encontrar candidatos
La documentación de OpenRefine explica que su agrupación de valores, o clustering, trabaja con la composición del texto. Ayuda a encontrar variantes y errores de escritura, pero no basta para establecer equivalencia de significado. Esta herramienta ofrece una referencia útil para entender el límite de comparar nombres, aunque no constituye por sí misma una solución basada en modelos de lenguaje. OpenRefine, métodos de agrupación.
En la empresa del ejemplo, proponemos comparar un método sencillo de normalización con una alternativa asistida por IA. A esta última le pediríamos sugerencias y atributos que convenga revisar, conservando el texto de origen. Una explicación convincente del modelo no sustituye la ficha del fabricante. Si falta la presentación, el resultado debe conservar esa ausencia para que alguien la resuelva.
La presentación comercial también identifica al producto
El estándar de gestión GTIN de GS1 ilustra por qué el empaque importa. Su regla 2.8 establece que cambiar la cantidad de artículos de una caja exige una nueva identificación GTIN en los niveles superiores de empaque correspondientes. Es una regla del sistema GS1, no una instrucción para renumerar indiscriminadamente los códigos internos de una empresa. GS1, GTIN Management Standard, sección 2.8.
Para las cintas del ejemplo, definiríamos campos separados para ancho, longitud del rollo, cantidad por caja y unidad de compra. También conservaríamos la referencia original del proveedor. Un catálogo que agrupe productos para análisis puede permitir ver todas las cintas de una familia; eso no significa que sus códigos de venta o sus existencias deban consolidarse. La finalidad de cada agrupación debe quedar escrita.
Medir los errores que una limpieza puede introducir
Proponemos construir una muestra revisada por quien conoce el catálogo, con duplicados confirmados, productos parecidos pero diferentes y registros incompletos. Incluiríamos tanto casos sugeridos por la herramienta como otros elegidos independientemente: revisar solo sus propuestas puede dejar fuera duplicados que nunca detectó. Parte de esa muestra debería reservarse para comprobar el resultado después de ajustar las reglas.
El informe del ensayo debería separar tres hallazgos: duplicados detectados correctamente, uniones propuestas entre productos distintos y duplicados que quedaron sin identificar. Sugerimos registrar también cuánto tarda el equipo en resolver cada candidato. Reducir el número de filas no demuestra una mejora si después compras debe reconstruir presentaciones o bodega recibe un código que ya no distingue lo que tiene almacenado.
Mantener el origen de cada cambio
Para el piloto proponemos una tabla de cambios con identificador original, valor anterior, propuesta, evidencia consultada, decisión y responsable. El trabajo empezaría sobre una copia controlada. Antes de llevar una modificación al sistema operativo, el equipo comprobaría qué referencias utilizan pedidos, inventario e informes y cómo conservar su interpretación histórica.
Cuando dos registros se confirmen como equivalentes, una tabla de correspondencias puede ser un primer entregable útil. Permite ensayar búsquedas o reportes con la nueva clasificación antes de decidir una fusión. La forma de aplicarla depende del sistema existente. El ejemplo describe una propuesta editorial de evaluación; no resultados de DAQU, CMPC ni clientes de Digital Dev.
Qué puede decidir una empresa con un primer piloto
Recomendamos comenzar con una familia de suministros cuyo responsable pueda revisar las diferencias. Al finalizar, la decisión debería indicar qué cambios de escritura pueden aprobarse, qué equivalencias necesitan documentación adicional y qué registros deben mantenerse separados. También conviene ajustar el formulario de alta: si la cantidad por caja vuelve a quedar dentro de una descripción libre, el problema puede reaparecer.
Este trabajo complementa la extracción de órdenes de compra con IA: una orden correctamente leída todavía necesita referencias comerciales fiables. La página de IA aplicada a empresas presenta cómo acotar una implementación alrededor de un proceso. En un catálogo, el valor del piloto consiste en mejorar decisiones sobre registros, con evidencia que permita aceptar o rechazar cada cambio.
CON TEXTO Y CONTEXTO
Fuentes y referencias
- CENIA se adjudica dos proyectos FONDEF IDeA I+D 2026 para avanzar en IA aplicada a la fiscalización vial y a la calidad de los datos industrialesCENIA · 2026-09-22
- Clustering Methods In-depthOpenRefine Documentation
- GTIN Management Standard — Release 1.1, septiembre de 2023GS1
Contenido elaborado con asistencia de IA a partir de las fuentes enlazadas. Las recomendaciones corresponden al análisis editorial de Digital Dev. Cómo elaboramos y corregimos nuestros artículos.