Calidad de datos con IA: Indegene crea un agente que escribe reglas SQL y Python bajo supervisión humana

Tu modelo de IA es tan fiable como los datos que lo alimentan, y en farmacéuticas ese problema cuesta caro. Indegene, socio operativo de las 20 mayores biofarmacéuticas del mundo, ha puesto en producción un caso de calidad de datos con IA: un agente basado en modelos de lenguaje que genera reglas de validación, las comprueba y entrega código SQL y Python listo para ejecutar, siempre con gobernanza con humanos en el circuito. Lo describe junto a AWS en el blog de machine learning de la nube de Amazon.

El agente vive dentro de NEXT Unified Data Platform (NEXT UDP), la plataforma de datos de Indegene para ciencias de la vida. Esta reúne datos comerciales, médicos, clínicos y corporativos en un entorno gobernado. El agente de calidad de datos es uno de varios agentes independientes de la plataforma, junto a los de ingesta, orquestación, catálogo y generación de SQL. Se construyó sobre Amazon Bedrock, Strands Agents (con sus herramientas de evaluación para medir la precisión de las reglas) y Amazon Bedrock AgentCore como entorno de ejecución. El motivo de elegir Bedrock es que los datos incluyen información sensible de profesionales sanitarios y pacientes. Según el texto que hemos podido revisar, la compañía no publica cifras de ahorro de tiempo ni de precisión. Lo valioso es el diseño.

Por qué los programas tradicionales de calidad de datos se rompen

Indegene describe una fractura conocida por cualquier CTO. Los ingenieros escriben reglas técnicas: que el ID de un profesional sanitario no sea nulo, tenga el formato correcto y sea único. Los equipos de negocio definen reglas de sentido común operativo, como que la cuota de mercado de un producto sume 100% en un territorio. Las primeras viven en código y las segundas en glosarios, procedimientos y la cabeza de los expertos. Mantenerlas alineadas en cientos de conjuntos de datos exige repetir perfilado, definición de reglas, desarrollo SQL y validación cada vez que cambia un esquema o un umbral. El resultado, dice la empresa, es que la calidad de datos acaba siendo una actividad de gobierno periódica y no una capacidad continua.

La diferencia del agente es el contexto. Herramientas como AWS Glue Data Quality ya recomiendan reglas básicas a partir de estadísticas. Indegene añade dos bases de conocimiento complementarias que combinan conocimiento de dominio curado con la experiencia acumulada del uso gobernado. Así puede proponer reglas con sentido de negocio y no solo comprobaciones estructurales. Su propia página de analítica y su informe sobre gobernanza insisten en la misma tesis: sin una base de datos unificada y gobernada, las capacidades de analítica e IA no se sostienen.

Cómo aplicar la calidad de datos con IA en tu empresa

No hace falta ser una farmacéutica para aprovechar la lección. Estas son las ideas que se pueden trasladar:

Integra la calidad dentro de la plataforma, no al lado. Si metadatos, linaje y gobierno están conectados con las reglas, el agente trabaja con contexto y los usuarios de negocio pueden rastrear por qué existe cada regla.

Deja que la IA proponga y que una persona apruebe. El agente acelera la redacción, pero la validación y la gobernanza centralizada siguen siendo humanas. Es el mismo principio que aplica Arca en gestión patrimonial, donde la IA lleva el proceso pero solo un humano mueve el dinero.

Mide la precisión de las reglas antes de producción. Indegene usa herramientas de evaluación para testear la exactitud, algo crítico en entornos regulados. La lección coincide con lo que cuenta el caso de evaluación de agentes de IA en producción, donde un agente confundió $410 con $410 millones.

Reutiliza la seguridad que ya tienes. Al heredar los controles de auditoría de AWS, el equipo se centra en la lógica de calidad y no en la infraestructura del agente.

Empieza donde duele. Los conjuntos de datos nuevos, que hoy exigen trabajo manual repetido, son el mejor candidato para un piloto.

Cuándo tiene sentido dar el paso

El momento llega cuando se cumplen tres señales: la incorporación de nuevos datasets se ha vuelto lenta, los ingenieros dedican buena parte de su tiempo a mantener reglas dispersas en scripts y hojas de cálculo, y el negocio desconfía de los paneles porque no entiende las validaciones. Si además trabajas con agentes en distintos equipos, conviene pensar pronto en control centralizado, como muestra el caso de Uber y su gateway MCP para gobernar 5.000 herramientas.

Un error a evitar es automatizar sin definir quién es dueño de cada regla. La IA puede generar cientos de validaciones en minutos, pero si nadie las revisa, solo habrás multiplicado la deuda técnica. Otro es tratar el agente como sustituto del perfilado y del conocimiento de negocio: sin ese contexto, vuelve a producir reglas genéricas.

La pregunta para tu próximo comité de datos

La calidad de datos con IA no consiste en reemplazar a tus ingenieros ni a tus data stewards, sino en liberar su tiempo para decidir qué es un dato fiable en tu negocio. Antes de lanzar tu próximo proyecto de IA, plantéate: ¿cuántas de tus reglas de calidad existen solo en el código de alguien, y cuántas podría proponer hoy un agente con supervisión humana?