Este es el patrón que sigo viendo: una empresa instala sensores en todas sus instalaciones, crea un panel que muestra las temperaturas de las máquinas en tiempo real y luego lo llama transformación digital. El panel funciona. Los resultados empresariales no cambian. Alguien abre un ticket preguntando por qué.
IoT no es transformación digital. Es un habilitador de ella. Esta distinción parece obvia hasta que lleva tres meses con una implementación preguntándose por qué nada ha mejorado de forma medible. El internet de las cosas le proporciona un flujo en directo del mundo físico. Lo que haga con ese flujo —cómo rediseñe los procesos, cambie los modelos operativos y cree lógica de automatización a su alrededor— es la parte de la transformación. Uno sin el otro es solo un panel caro.
La parte que los equipos suelen aprender tarde
- IoT conecta los eventos físicos con las decisiones digitales, pero los sensores por sí solos no transforman nada.
- Implementar dispositivos es la línea de salida, no la meta, de la transformación digital.
- El valor empresarial medible solo aparece cuando los datos de IoT cambian la forma en que los procesos se ejecutan realmente.
- El problema más difícil no es la conectividad, sino crear la capa de automatización que actúe según lo que le indican los dispositivos.
Qué es realmente IoT y qué no es
La definición que realmente funciona en la práctica: IoT es una red de objetos físicos integrados con sensores, software y conectividad que recopilan e intercambian datos con otros dispositivos y sistemas a través de internet. Termostatos, máquinas de fábrica, contenedores de transporte, equipos hospitalarios, semáforos: cualquier elemento físico que pueda generar una señal y enviarla a algún lugar puede considerarse un dispositivo IoT.
Lo que no es: conectar dispositivos a Wi-Fi. Ese es el primer error de concepto que veo de forma constante, y más adelante genera costosas sorpresas.
Un sistema IoT funcional tiene tres capas más allá del propio hardware. Primero, conectividad adecuada para el entorno, y eso no siempre significa Wi-Fi. Un sensor en una tubería situada en un campo remoto necesita tecnología celular o LPWAN (red de área amplia de baja potencia); un dispositivo dentro de una fábrica podría utilizar por completo protocolos industriales cableados. Elegir la opción de conectividad incorrecta es una de las razones más habituales por las que las iniciativas de IoT se estancan antes de aportar algo útil.
Segundo, gestión de datos de backend: un lugar donde ingerir, almacenar y estructurar el flujo de lecturas que generan los dispositivos. La telemetría en bruto sin un backend es solo ruido.
Tercero, analítica y orquestación: la capa que toma los datos estructurados y activa decisiones. Sin esto, los dispositivos conectados son exactamente eso: conectados y nada más. Los datos permanecen en una base de datos sobre la que nadie actúa, y los sensores se convierten en un coste de capital que nunca se recupera.
Los dispositivos IoT son el punto de entrada físico. El resto de la pila es lo que hace que merezca la pena implementarlos.
Cómo se conectan realmente IoT y la transformación digital
La transformación digital, definida con honestidad, es un cambio integral en la forma en que opera una empresa: sus procesos, su modelo operativo, su cultura y la manera en que aporta valor. No es un proyecto tecnológico. La tecnología es lo que hace posibles cambios específicos, no lo que constituye el cambio en sí.
IoT es uno de los habilitadores más potentes de la transformación digital porque cierra una brecha que la mayoría de las organizaciones nunca pudieron cerrar antes: la brecha entre lo que ocurre físicamente y lo que los sistemas digitales saben al respecto. Antes de IoT, un responsable de planta tenía que recorrer las instalaciones o confiar en informes programados. Ahora las máquinas informan continuamente. Eso cambia lo que es posible, pero solo si la organización está preparada para actuar sobre los datos de manera diferente a como lo hacía antes.
Esa es la distinción que importa para las estrategias de transformación digital. IoT alimenta la capa de datos. Los programas de transformación actúan sobre ella. Ambos se complementan, no son intercambiables. Puede ejecutar una transformación digital sin IoT (aunque perderá la ventaja de los datos del mundo físico). Puede implementar IoT sin transformación (muchas empresas lo hacen; lo llaman «un piloto» y se preguntan por qué nunca escala).
El planteamiento de McKinsey resulta útil aquí: los sensores y actuadores supervisan cambios ambientales y activan acciones, creando un ciclo entre eventos físicos y decisiones digitales. Ese ciclo es donde reside el valor. IoT abre el ciclo. Lo que conecte a él determina si genera resultados empresariales o solo genera datos.
El mecanismo central: del evento físico a la acción digital
El ciclo de sensor a acción funciona en cuatro pasos, y cada uno importa.
Un cambio ambiental —el aumento de la temperatura, la caída de la presión, una pieza que alcanza un umbral de frecuencia de vibración— activa una lectura del sensor. Esos datos se mueven a través de redes cableadas o inalámbricas hasta un sistema de backend capaz de ingerirlos a escala. El backend procesa la lectura según reglas o modelos definidos. Se activa una acción: una alerta, un ticket de mantenimiento, un ajuste automatizado o un informe.
Los datos en tiempo real hacen que este ciclo sea lo bastante rápido como para resultar útil. Una lectura de sensor que tarda seis horas en convertirse en una alerta no es prevención, sino una entrada de registro. La infraestructura de computación y conectividad determina lo cerrado que está el ciclo. Para el mantenimiento predictivo, esa rapidez importa. Para la facturación mensual de energía, importa menos.
La cuestión es que los dispositivos y sistemas deben estar conectados en los cuatro pasos, no solo en el primero. Un sensor que genera datos que nadie procesa equivale a no tener ningún sensor, salvo porque cuesta más.
Por qué implementar IoT por sí solo no equivale a transformación
La versión de este problema que llega a la cola de soporte se parece a esto: una empresa instala IoT, lo utiliza durante seis meses, lo añade a una presentación como prueba de progreso digital y luego se pregunta por qué las métricas empresariales no se movieron.
Lo que ocurrió es que los dispositivos estaban conectados, pero los procesos existentes no cambiaron a su alrededor. Los datos fluían hacia un panel. El panel se revisaba los viernes. Las decisiones seguían tomándose igual que durante años, solo que con una fuente de datos más vistosa. Eso no es una transformación digital exitosa: es un statu quo más caro.
Las investigaciones apuntan en la misma dirección: la transformación impulsada por IoT también cambia cómo se trabaja, quién es responsable de qué decisiones y cómo los equipos perciben su propio papel. Cuando esas cosas no cambian, la tecnología produce datos y la organización produce los mismos resultados de siempre. El valor empresarial que IoT debería desbloquear sigue bloqueado. Porque el valor proviene de actuar de otra forma sobre la información, y eso exige rediseñar el proceso, no solo medirlo con mayor precisión.
Dónde crea IoT valor real en todos los sectores
McKinsey ha estimado que IoT podría generar hasta 12,5 billones de dólares en valor económico global en todos los sectores. Solo el entorno de fábrica representa un potencial proyectado de 3,7 billones de dólares de esa cifra, que es precisamente donde convergen IoT industrial, automatización y mejoras en tecnología operativa. No son cifras aspiracionales para dentro de cinco años; reflejan la escala de los programas de transformación que ya están en marcha en distintos sectores ahora mismo.
La pregunta nunca es «¿IoT crea valor?»: la respuesta es sí, a una escala enorme. La pregunta es dónde y cómo, porque los mecanismos no son idénticos en todos los sectores.
Fabricación e IIoT: mantenimiento predictivo y gemelos digitales
IoT industrial en fabricación es donde el caso de valor es más claro y el cálculo del ROI es más directo. La maquinaria industrial que se detiene inesperadamente genera tiempo de inactividad no planificado. El tiempo de inactividad no planificado es caro. Los sensores capaces de predecir un fallo antes de que ocurra convierten ese tiempo de inactividad no planificado en mantenimiento planificado, que representa una fracción del coste y no genera ninguna de las interrupciones.
A partir de ahí se acumulan los casos de uso: supervisión remota de activos en múltiples ubicaciones sin enviar técnicos, simulaciones con gemelos digitales que permiten a los ingenieros modelar cambios de proceso antes de implementarlos, visibilidad de producción en tiempo real que revela cuellos de botella mientras se están formando en lugar de hacerlo después de que hayan costado un turno, y control de calidad automatizado que detecta defectos en línea en vez de al final de la línea.
La investigación de Deloitte sobre fabricación inteligente señala que las iniciativas de fábricas inteligentes que integran IoT, IA y aprendizaje automático logran aumentos de hasta el 20 % en la capacidad de producción y reducciones de costes de hasta el 15 % en algunos contextos de fabricación. Estas cifras son el resultado de integrar realmente los datos de IoT en la tecnología operativa y la lógica de decisión, no de limitarse a instalar sensores y observar el panel. El potencial de 3,7 billones de dólares en fábricas estimado por McKinsey es la suma de mejoras de este tipo a escala global.
La Industria 4.0 es, en gran medida, la historia de la reconexión de la tecnología operativa de fabricación con la infraestructura de datos, y IIoT es la capa física que hace posible esa reconexión.
Retail, salud y logística: donde toman forma nuevos modelos de negocio
Los casos de uso de IoT en retail son más visibles de lo que la gente cree. Estanterías inteligentes que detectan cuándo el inventario es bajo y activan una reposición automática sin que una persona recorra la tienda. Monitorización de la cadena de frío que registra la temperatura durante todo el trayecto desde el proveedor hasta la estantería, con alertas automáticas si algo se desvía del rango seguro. Analítica en tienda que traza el movimiento de los clientes para optimizar la colocación de productos.
La salud es donde IoT crea propuestas de valor genuinamente nuevas. Los dispositivos IoT wearables y la monitorización remota de pacientes permiten a los equipos clínicos seguir el estado del paciente fuera del hospital, cambiando el modelo de atención episódica a monitorización continua. El seguimiento de activos en hospitales recupera equipos que, de otro modo, permanecerían sin utilizar en la planta equivocada. Los dispositivos médicos conectados generan datos que informan el tratamiento en tiempo real en lugar de esperar a la siguiente visita programada.
El transporte y la logística son ámbitos donde el seguimiento de flotas basado en IoT y la optimización de rutas se manifiestan como una ventaja competitiva directa. La visibilidad en tiempo real de la ubicación y el estado de los envíos crea nuevas fuentes de ingresos: seguros basados en el uso, entrega con condiciones garantizadas y rutas dinámicas que responden al tráfico y al clima en vez de a horarios fijos establecidos hace años. No son mejoras incrementales de los modelos existentes, sino nuevas experiencias para el cliente basadas en datos que no existían antes de los sensores.
Eso es lo que realmente significan los nuevos modelos de negocio en este contexto: no un servicio renombrado, sino una propuesta de valor fundamentalmente distinta que los datos continuos del mundo físico hacen posible.
Energía, servicios públicos y ciudades inteligentes: el enfoque de ecosistema
La energía y los servicios públicos son donde IoT se convierte en una estrategia de ecosistema en vez de una implementación de una sola empresa. Una red eléctrica inteligente requiere medición inteligente a escala, datos de consumo en tiempo real en millones de puntos finales, respuesta automatizada a la demanda cuando aumenta la carga e integración entre los sistemas de generación, distribución y consumo. Ninguna de esas piezas funciona sin las demás. Ese es el ecosistema IoT: múltiples sistemas conectados —dispositivos, redes, plataformas y analítica— que funcionan como un todo integrado.
La monitorización de tuberías en petróleo y gas utiliza sensores IoT para detectar anomalías de presión y posibles fugas antes de que se conviertan en desastres. Los sistemas de tráfico de ciudades inteligentes utilizan redes de sensores para optimizar la temporización de los semáforos y reducir la congestión de forma dinámica, en vez de seguir horarios fijos redactados hace años. La iluminación inteligente que responde a la ocupación real en lugar de a temporizadores reduce el consumo energético de formas que se multiplican en miles de luminarias.
El objetivo empresarial de estas implementaciones es distinto al de la fabricación o el retail: se busca la gestión de recursos a escala de infraestructura, resultados de sostenibilidad y fiabilidad de los servicios públicos. La infraestructura IoT necesaria para optimizar la red de una ciudad es varios órdenes de magnitud más compleja que una implementación en una planta de fabricación, pero el mecanismo es el mismo: los eventos físicos alimentan decisiones digitales, y estas decisiones mejoran porque los datos son reales y actuales.
📊 En cifras:
La estimación de McKinsey de hasta 12,5 billones de dólares en valor económico global de IoT —en plantas de fabricación, cadenas de suministro de retail, sistemas sanitarios e infraestructura energética— sugiere que las organizaciones que tratan IoT como un experimento opcional se están introduciendo en un periodo de oportunidad cada vez más reducido. La escala de la inversión que fluye hacia este espacio, con el mercado de IoT industrial por sí solo proyectado para alcanzar aproximadamente 964.000 millones de dólares en 2035, significa que los adoptantes tardíos se enfrentarán a una brecha de capacidades cada vez más difícil de cerrar, no más fácil.
Los beneficios de IoT en la transformación digital, con las salvedades correspondientes
Los beneficios son reales. Quiero ser específico sobre ellos antes de abordar las salvedades, porque estas no eliminan el argumento a favor, sino que determinan cómo capturarlo.
Reducción de costes en fabricación y logística mediante mantenimiento predictivo y optimización de rutas. Mayor tiempo de actividad gracias a sistemas de alerta temprana que detectan fallos mientras se desarrollan, en lugar de hacerlo cuando ya se han producido. Automatización de procesos en la que las decisiones digitales se activan a partir de eventos físicos sin intervención humana. Nuevos modelos de ingresos —servicios basados en el uso, suscripciones de monitorización de condiciones, contratos basados en resultados— que no eran comercialmente viables antes de que existieran datos continuos de los dispositivos. Mejores experiencias de cliente basadas en información en tiempo real en lugar de informes estáticos.
La digitalización, entendida correctamente, es el proceso de convertir los eventos del mundo físico y los procesos analógicos en información digital sobre la que los sistemas pueden actuar. IoT es el mecanismo que hace esto a escala. Los beneficios de la transformación digital que las organizaciones realmente capturan son los que se derivan de una buena digitalización, e IoT es una de las mejores herramientas para conseguirlo.
Ahora, las salvedades. Ninguno de estos beneficios se materializa al superponer IoT sobre procesos existentes sin rediseñar esos procesos. He visto este modo de fallo suficientes veces como para ser directo: una empresa que instala sensores y mantiene sus flujos de toma de decisiones exactamente como estaban captará aproximadamente cero de estos beneficios. Los datos serán más precisos. Los resultados no cambiarán. El cálculo de ROI será vergonzoso.
Los beneficios requieren que los datos de IoT cambien cómo alguien toma una decisión, o eliminen la necesidad de tomarla automatizando la respuesta. Si no ocurre ninguna de esas dos cosas, los sensores son un centro de costes con un buen panel.
Automatización, datos operativos y el ciclo de digitalización
IoT cierra el ciclo de digitalización de una forma específica: los datos físicos fluyen hacia plataformas de automatización que activan decisiones sin intervención humana. Se supera un umbral de temperatura; un sistema de refrigeración se ajusta. La vibración excede el rango saludable previsto por un modelo; se abre un ticket de mantenimiento. Se vulnera el perímetro GPS de un envío; se activa una notificación al cliente y se alerta a un coordinador logístico.
Este es el mecanismo que separa IoT como recopilación de datos de IoT como capacidad operativa. Recopilar datos es un paso. Disponer de una capa de automatización que convierta datos en tiempo real en decisiones en tiempo real es el paso en el que la mayoría de los equipos invierte menos de lo necesario.
Para los equipos que desarrollan esto, la pregunta práctica es dónde reside la capa de orquestación. Un patrón que he visto funcionar: un flujo de Latenode recibe lecturas normalizadas de máquinas desde una puerta de enlace IoT, las enruta a través de un modelo de clasificación utilizando uno de los más de 1.200 modelos de IA disponibles en un único menú desplegable y crea una orden de trabajo en el CMMS cuando se supera un umbral, todo en una única ejecución que cuenta como un evento en términos de créditos, no como seis pasos independientes. El ciclo del evento físico a la acción empresarial puede ser más cerrado de lo que la mayoría de las implementaciones consigue. Las herramientas están disponibles. La decisión arquitectónica es si conectarlas.
Las decisiones basadas en datos dependen de la calidad de los datos, la velocidad de orquestación y la disposición de las personas a actuar según lo que indican los datos. IoT mejora las dos primeras. La tercera sigue siendo un problema de gestión del cambio. La analítica de datos puede decirle qué está sucediendo; no puede hacer que la organización responda de otra manera sin que alguien rediseñe la respuesta.
🤔 Piense en esto:
Cuantos más datos de IoT genere un sistema, más necesitará la organización cambios de proceso y gobernanza para actuar sobre ellos. La mayoría de los equipos invierte mucho en la capa de dispositivos e invierte poco en la capa de procesos. Si los datos generados por sus sensores llegan a una plataforma donde nadie ha operacionalizado una respuesta, ha comprado un costoso sistema de monitorización en lugar de un programa de transformación. Pregúntese esto antes de añadir más sensores: ¿quién cambia su comportamiento cuando llegan estos datos y cómo?
Qué se necesita para crear un ecosistema IoT que respalde la transformación digital
La cuestión de la preparación para cualquier líder que evalúe IoT a escala se reduce a seis componentes. Si falta uno de ellos, la implementación se estancará o entregará datos sobre los que nadie actúa.
Conectividad adecuada para el entorno. No Wi-Fi por defecto. La elección de conectividad debe corresponderse con el contexto físico: alcance, disponibilidad de energía, volumen de datos y latencia aceptable. Un sensor de campo en una tubería que monitoriza anomalías de presión cada 15 minutos tiene requisitos de conectividad completamente distintos a los de un instrumento de línea de producción que transmite 10 lecturas por segundo. La conectividad celular, LPWAN, los protocolos industriales cableados y las redes de malla existen por razones diferentes. La elección incorrecta se manifiesta como problemas de fiabilidad meses después de la implementación.
Infraestructura de gestión de dispositivos. Gestionar un dispositivo es trivial. Gestionar diez mil requiere capacidades de actualización de firmware, diagnósticos remotos, rotación de certificados de seguridad y seguimiento del ciclo de vida. Aquí es donde el cálculo del coste inicial de implementación suele subestimar el coste operativo a largo plazo.
Infraestructura de datos de backend capaz de ingerir a escala. Los volúmenes de datos de sensores pueden ser muy grandes. La infraestructura de computación en la nube, ya sea nube pública o híbrida, debe gestionar la ingestión, el almacenamiento y la retención sin crear cuellos de botella ni pérdida de datos. La arquitectura de big data no es la excepción en implementaciones IoT maduras; es lo esperado.
Ciberseguridad diseñada para la implementación desde el inicio. Los dispositivos IoT son puntos finales, y los puntos finales son superficies de ataque. La seguridad en una implementación IoT no es igual que la seguridad de TI empresarial: las limitaciones de los dispositivos son diferentes, los ciclos de actualización son diferentes y los riesgos de acceso físico son diferentes. Tratar esto como una consideración posterior es uno de los modos de fallo más documentados, especialmente en IoT industrial.
Analítica y orquestación. La capa entre los datos en bruto y la acción empresarial. Sin ella, los datos permanecen en un almacén que nadie operacionaliza.
Integración con los sistemas empresariales existentes. Los datos de IoT deben conectarse a los sistemas donde el trabajo realmente sucede: ERP, CMMS, CRM y herramientas de BI. Las soluciones digitales que existen aisladas de los sistemas que las personas utilizan a diario tienden a crear flujos de trabajo paralelos en lugar de sustituir los ineficientes.
La escalabilidad debe diseñarse desde el principio. Una arquitectura que funciona para 50 dispositivos y se derrumba con 500 crea el peor tipo de problema: uno que aparece solo después de que la organización se haya comprometido con la implementación.
Conectividad, gestión de datos y la capa de orquestación
Hay tres capas distintas entre un dispositivo IoT y una acción empresarial útil.
Primero, conectividad adaptada al caso de uso. Aquí es donde el instinto de «simplemente conéctelo a Wi-Fi» causa más daño. Las tecnologías LPWAN como LoRaWAN y Sigfox gestionan implementaciones de sensores de largo alcance y bajo consumo: seguimiento de activos en grandes instalaciones, monitorización agrícola e infraestructura remota. La conectividad celular (4G/5G) gestiona casos de uso de alto ancho de banda y alta movilidad, como el seguimiento de flotas. Los protocolos cableados como OPC-UA siguen siendo la columna vertebral de la recopilación de datos de maquinaria industrial porque son fiables, deterministas y no dependen del espectro inalámbrico. Los dispositivos físicos en entornos reales tienen limitaciones que determinan la elección correcta de conectividad. Las tecnologías IoT existen precisamente porque ninguna opción única se adapta a todo.
Segundo, un backend capaz de ingerir flujos de sensores, aplicar modelos de datos y almacenar datos de series temporales al ritmo que exige el caso de uso. La capacidad de recopilar y transmitir datos solo es útil si el extremo receptor puede gestionarlos. Las plataformas de nube pública han hecho que esta capa sea mucho más accesible, pero la arquitectura aún debe considerar deliberadamente las políticas de retención, el rendimiento de las consultas y el coste a medida que crece el volumen de datos.
Tercero, la capa de orquestación: el sistema que conecta los eventos entrantes con las acciones posteriores. Aquí reside la lógica de automatización. Una plataforma IoT sin orquestación es una base de datos. Una plataforma IoT con orquestación es un sistema operativo.
Para los equipos que desarrollan esta capa de orquestación en la práctica: un ingeniero de controles de fabricación que se enfrenta al problema de distribución múltiple —llevar la telemetría de las máquinas desde un servidor OPC o un broker MQTT a un ERP, un panel de informes y un almacén de datos en la nube simultáneamente— está ante un problema clásico de enrutamiento multisistema. En Latenode, ese flujo de enrutamiento puede ingerir datos desde una fuente industrial existente, aplicar reglas de transformación basadas en JavaScript para cada sistema posterior (datos relevantes para costes reformulados para el ERP, señales de alta frecuencia agrupadas antes de llegar al almacén) y enviarlos a los tres destinos mediante más de 5.500 integraciones con OAuth automático, desde un único flujo. Cuando falla una integración, un modelo de IA del mismo flujo resume el problema para el ingeniero de guardia en lenguaje claro. La alternativa son tres scripts independientes mantenidos por quien los escribió, que fallan de formas que no producen un contexto de error útil.
Dónde se estancan las iniciativas de IoT: cuatro señales que vigilar
Cuatro patrones de fallo aparecen de forma constante, y cada uno es visible antes de que la iniciativa fracase formalmente si sabe qué buscar.
Conectividad incorrecta para el entorno. La señal son lagunas intermitentes en los datos durante las primeras semanas de implementación. No interrupciones completas, sino parciales. Los dispositivos se conectan, se desconectan y se vuelven a conectar. El equipo culpa al hardware de los dispositivos y pide sustituciones. Las sustituciones tienen el mismo problema. El problema siempre fue la elección de red, no el dispositivo. Se trata de un fallo de estrategia empresarial disfrazado de problema de hardware: alguien seleccionó la pila sin analizar adecuadamente el entorno físico.
Falta de orquestación de backend. La señal aquí son datos que se acumulan en un lugar mientras nada cambia en los procesos posteriores. Los paneles muestran cifras. Las colas de trabajo siguen siendo las mismas. El equipo describe la implementación de IoT como «funcionando bien» porque los dispositivos están informando. Los dispositivos están informando. Nadie creó la capa que convierte los informes en acciones. Es el equivalente en el negocio digital de contratar a un investigador y no darle ningún lugar donde publicar.
Tratar la implementación de dispositivos como el estado final. Lo veo con mayor frecuencia en proyectos de implementación de IoT donde el éxito se definió como «dispositivos instalados e informando». El panel se puso en verde en la fecha de puesta en marcha. El caso de negocio se basaba en resultados que los dispositivos debían permitir, y esos resultados requieren cambios de proceso que el alcance del proyecto nunca incluyó. Los dispositivos son el comienzo del trabajo, no el entregable.
No rediseñar los procesos en torno a los nuevos datos. Este es el fallo más sutil y más caro. Técnicamente, todo funciona. Los datos fluyen. Los paneles se actualizan. Pero el equipo de mantenimiento sigue respondiendo a fallos de forma reactiva porque nadie cambió el flujo que los coordinadores de mantenimiento realmente utilizan. Optimizar es una palabra demasiado utilizada en este ámbito, pero el mecanismo es real: los datos de IoT solo pueden cambiar los resultados si se integran en el proceso donde se toma la decisión. Observar datos en una pantalla independiente mientras se toman decisiones a la antigua no es transformación digital.
Todos estos estancamientos ocurren en la era digital con equipos que tienen presupuesto e intención. El hilo común es que la implementación de IoT no se vinculó desde el principio a objetivos empresariales específicos y medibles, por lo que no existía un factor que obligara a rediseñar los procesos que los datos debían mejorar.
Ahí es donde suele comenzar el ticket.
