BlogIA aplicada4 min de lectura

Capa semántica: por qué la IA necesita entender tu negocio antes de responder

Pregunta a tres áreas cuántos clientes activos tiene tu empresa y probablemente recibas tres números. Una IA conectada a tus datos tiene el mismo problema, pero lo responde con total seguridad.

Abstracción de nubes y verde, como el significado que se construye encima de los datos

Ventas cuenta como cliente activo a quien compró en el año; finanzas, a quien tiene una factura abierta; marketing, a quien abrió un correo en los últimos 90 días. Los tres números son correctos según su propia definición.

Las personas resuelven esa ambigüedad con contexto: saben quién pregunta y para qué. Un modelo de lenguaje no. Si conectas Claude a tu ERP sin más, va a elegir una definición —la que le parezca razonable según los nombres de las tablas— y la va a presentar como la respuesta. El problema no es que la IA se equivoque; es que no existe una respuesta única a la que pueda llegar.

Qué es una capa semántica

Es una capa entre los datos y quienes los consultan —personas, reportes o agentes de IA— que traduce el lenguaje del negocio al lenguaje de los datos. Contiene, como mínimo:

  • Entidades: qué es un cliente, un pedido o un producto, y cómo se relacionan entre sí.
  • Métricas: cómo se calcula cada indicador —venta neta, margen, rotación—, con qué filtros y en qué moneda.
  • Vocabulario: los nombres que usa tu equipo, sus sinónimos y las siglas internas.
  • Reglas de acceso: qué puede ver cada rol.

El concepto viene de la inteligencia de negocios, donde existe hace décadas para que todos los reportes muestren las mismas cifras. Lo nuevo es que hoy también la consumen los modelos de IA, y para ellos es todavía más importante: un analista nota cuando un número se ve raro; un modelo, en general, no.

Cómo se ve en la práctica

Supón que alguien pregunta: "¿Cuál fue el margen de la línea de calzado el último trimestre?". Sin capa semántica, el modelo tiene que descubrir qué tabla tiene las ventas, cuál los costos, si "calzado" es una categoría o un texto libre, si el trimestre es calendario o fiscal y si las devoluciones se descuentan. Cada decisión es una oportunidad de error.

Con capa semántica, "margen", "línea de producto" y "trimestre" ya están definidos. El modelo sólo tiene que reconocer qué se le pide e invocar la métrica correcta con los filtros correctos. La respuesta es la misma que daría el reporte oficial, porque sale de la misma definición.

Dónde vive y cómo se conecta a Claude

En los proyectos que implementamos, la capa semántica se apoya en un repositorio de datos consolidado —un data lake en tu nube— y se expone a los modelos a través de un servidor MCP. El servidor no le entrega a Claude tablas sueltas: le entrega métricas y entidades con nombre, descripción y reglas. Así, la misma definición sirve a Claude, a los dashboards y a cualquier agente que construyas después.

Cómo se construye

  1. Se parte de las preguntas que la gerencia y cada área se hacen todas las semanas, no de las tablas.
  2. Se acuerdan las definiciones con los dueños de cada proceso. Cuando dos áreas usan la misma palabra para cosas distintas, se les da nombres distintos.
  3. Se implementan sobre los datos consolidados y se prueban contra los reportes que la empresa ya considera oficiales.
  4. Se documentan en lenguaje de negocio, para que cualquiera pueda revisar cómo se calcula una cifra.
  5. Se mantienen: cuando cambia una regla del negocio, cambia en un solo lugar y todos los que la consumen se actualizan.

Es un trabajo que tiene más de acuerdo entre personas que de programación. Por eso conviene hacerlo antes de multiplicar asistentes y agentes: cada uno que se conecte después hereda definiciones correctas en vez de inventar las suyas.

Especialidad de Veltrum

Conexiones MCP personalizadas

Un servidor MCP y una capa semántica para que Claude trabaje con los datos reales de tu empresa, con los permisos de cada persona.

Ver la especialidad

Conversemos sobre tu operación

Una conversación de 30 minutos suele ser suficiente para saber si hay algo que valga la pena construir.

Agendar conversación

Hablas directamente con los socios de Veltrum, no con un ejecutivo de cuentas.