couche sémantique

El ejemplo de Jamin Ball sobre el ARR es la formulación más tajante del problema: dentro de una misma empresa, ventas, finanzas, contabilidad y legal pueden calcular cada uno los ingresos recurrentes anuales a partir de definiciones distintas y fuentes de datos contradictorias. Los humanos arbitran esa ambigüedad mientras trabajan. Los agentes no. En la nota de Ball de diciembre de 2025, un flujo de "quote-to-cash" que toma la lista de precios equivocada, el término contractual equivocado o una cifra de ARR obsoleta automatizará después lo incorrecto, con total seguridad, en cada paso siguiente.

La couche sémantique es lo que buscan ambas fuentes: un entendimiento compartido de la empresa (entidades, relaciones, definiciones, reglas) que codifica qué significan los datos y qué fuente prevalece. Ball la sitúa en el data warehouse y el lakehouse, a los que reformula como "registros de verdad" que proporcionan las capas semánticas y los marcos de gobernanza que los agentes necesitan para operar con seguridad. Padhi y sus coautores de McKinsey la colocan un nivel más arriba, dentro del sistema operativo de IA: una capa de ontologías y el Knowledge graph, apoyada en la infraestructura y los datos existentes, junto a modelos analíticos deterministas invocados por agentes, la orquestación de agentes y una capa de experiencia.

La brecha contra la que escriben ambos se refleja en la encuesta State of AI 2026 de McKinsey: el 40% de las grandes empresas ha desplegado agentes a escala, un 6% atribuye a la IA al menos un 5% del EBIT. Corregir la gobernanza semántica figura entre las primeras recomendaciones de McKinsey, junto a financiar el AI OS compartido y redefinir los derechos de decisión. La conclusión del propio Ball es que un system of record es una fuente canónica de verdad, lo cual cambia lo que una empresa realmente debe construir.