Durante mucho tiempo, el cierre mensual de una pequeña gestoría catalana exigió una atención que parecía inevitable. Antes de dar la facturación por buena había que revisar clientes, categorías, conceptos y relaciones que podían haberse registrado de formas distintas. Un mismo cliente podía aparecer más de una vez. Dos categorías con nombres diferentes podían significar prácticamente lo mismo. Una pequeña incoherencia, casi invisible cuando se introducía, reaparecía semanas después en el momento más delicado.
El equipo había aprendido a encontrar muchos de esos problemas. Precisamente por eso el proceso seguía funcionando. Las personas conocían las excepciones, recordaban qué nombres eran equivalentes y sabían dónde mirar cuando una factura no acababa de encajar. Pero aquella capacidad tenía una contrapartida: cada final de mes convertía parte de la organización en un sistema manual de control de calidad.
En una gestoría, un negocio basado en el rigor y la confianza, una factura no es un trámite secundario. Es una expresión concreta de que la organización sabe qué servicio ha prestado, a quién, bajo qué criterio y por qué importe.
Cuando Monreal & Meadow empezó a trabajar con la gestoría, no planteamos el problema como una simple automatización de facturas. La factura era el último documento de un recorrido mucho más largo. Si queríamos reducir sus errores, teníamos que entender cómo se creaba la información que acababa llegando hasta ella.
El cierre se había convertido en un control de calidad tardío
Una revisión final puede ser una medida razonable. El problema aparece cuando deja de servir para comprobar excepciones y se convierte en la única forma de confiar en el conjunto.
En esta gestoría, el cierre concentraba el efecto acumulado de muchas decisiones pequeñas. Crear un cliente, asignarle una categoría, relacionar un servicio, actualizar una condición o reutilizar un registro parecían acciones independientes. Sin embargo, todas terminaban encontrándose en la facturación. Si una de ellas se resolvía con información incompleta o con un criterio diferente, el error viajaba silenciosamente hasta final de mes.
La respuesta natural era revisar con más cuidado. Cuanto más importante era la precisión, más personas y más tiempo se dedicaban a comprobarla. Eso protegía el resultado, pero también escondía el origen del problema: el sistema no distinguía con suficiente claridad qué datos eran válidos, qué entidades eran la misma y qué combinaciones necesitaban una comprobación antes de continuar.
La revisión se había convertido en una compensación. La organización añadía criterio humano al final porque la arquitectura no lo había incorporado en el momento donde se tomaba la decisión.
El error de la factura nacía mucho antes
Un cliente duplicado no es únicamente una fila repetida. Puede dividir su historial, asociar servicios a identidades distintas, dificultar una comprobación y hacer que dos personas lleguen a conclusiones diferentes utilizando datos que parecen correctos.
La investigación sobre resolución de entidades denomina a este problema record linkage, deduplicación o resolución de entidades: reconocer cuándo varios registros se refieren realmente a la misma persona, empresa u objeto y construir una representación canónica. La revisión publicada por Olivier Binette y Rebecca Steorts explica que limpiar e integrar registros de forma sistemática y precisa es una condición previa para poder utilizar con confianza la información procedente de distintas fuentes: Science Advances — “(Almost) all of entity resolution”.
Las categorías duplicadas producían un efecto parecido. El problema no era que dos etiquetas se escribieran de forma distinta, sino que la organización perdía un lenguaje común para describir su trabajo. Cuando cada persona tenía que interpretar si dos categorías eran equivalentes, la consistencia dependía de memoria, experiencia y contexto local.
Por eso no empezamos preguntando cómo revisar facturas más deprisa. Empezamos preguntando qué recorrido había seguido cada dato, dónde se había creado, qué decisión representaba, qué alternativas tenía la persona en aquel momento y por qué el sistema permitía que dos respuestas incompatibles parecieran igualmente válidas.
Empezamos por observar las decisiones, no por instalar una herramienta
La forma de trabajar de Monreal & Meadow parte de una idea sencilla: una organización no puede explicarse únicamente a través de los procesos que tiene documentados. Hay que entrar en el trabajo real y observar cómo se resuelven las situaciones normales, qué ocurre cuando falta información y a quién se recurre cuando aparece una excepción.
Trabajamos junto a dirección y responsables de primera línea. Seguimos el flujo de la información hasta la factura, identificamos los puntos donde se generaba ambigüedad y reconstruimos los criterios que el equipo ya utilizaba para corregirla. No llegamos con una herramienta cerrada para imponer una nueva manera de trabajar. Construimos desde las decisiones que la organización necesitaba tomar y desde el conocimiento que ya existía dentro de ella.
Esta diferencia es importante. Si una solución solo digitaliza el proceso descrito, puede conservar todas sus incoherencias con una interfaz más moderna. Si intenta sustituir el criterio de las personas sin entenderlo, obliga al equipo a trabajar alrededor de la herramienta. En ambos casos aparece una segunda operación informal: la oficial dentro del sistema y la real en conversaciones, notas y revisiones posteriores.
Nuestro trabajo consistió en acercar ambas. Hicimos explícitas las reglas que podían compartirse, delimitamos las decisiones que necesitaban contexto y diseñamos una arquitectura donde la información pudiera conservar su significado entre un paso y el siguiente.
Una arquitectura que hace más fácil hacer lo correcto
La calidad de datos no se obtiene limpiando una base una vez. Requiere decidir qué representa cada entidad, qué atributos la identifican, qué relaciones son admisibles y qué debe ocurrir cuando la información no permite responder con suficiente seguridad.
La norma ISO/IEC 25012 define un modelo general para establecer requisitos, medidas y evaluaciones de calidad de datos, incluyendo los procesos de producción, adquisición e integración. La idea útil para este caso es que la calidad debe especificarse en relación con el uso que tendrá la información; no puede evaluarse únicamente cuando el documento final ya está generado: ISO/IEC 25012 — Data quality model.
En este caso, eso significó trabajar sobre una arquitectura capaz de favorecer una representación coherente de clientes y categorías, validar combinaciones relevantes y hacer visible una anomalía cerca del momento donde se producía. El objetivo no era llenar cada acción de permisos y comprobaciones, sino reducir las posibilidades ambiguas y ofrecer contexto cuando realmente cambiaba una decisión.
Una buena arquitectura no elimina toda posibilidad de error. Hace que la opción correcta sea reconocible, que una duplicidad probable sea detectable y que las situaciones dudosas no continúen silenciosamente hasta la factura. De este modo, el control deja de ser una inspección masiva al final y se distribuye a lo largo del flujo.
La inteligencia ayuda cuando sabe cuándo no decidir
No todas las duplicidades son idénticas. Dos empresas pueden compartir palabras en su nombre sin ser la misma. Un cliente puede cambiar de denominación, utilizar una abreviatura o aparecer con datos incompletos. Una regla demasiado simple puede dejar pasar un duplicado; una automatización demasiado agresiva puede unir registros que deberían permanecer separados.
Ahí es donde construimos herramientas inteligentes y tecnologías de apoyo. Su función no era declarar que todos los casos estaban resueltos, sino comparar señales, detectar inconsistencias, proponer relaciones y dirigir la atención del equipo hacia las excepciones que necesitaban juicio profesional.
La diferencia entre automatizar una respuesta y automatizar la preparación de una decisión es fundamental. En los casos claros, el sistema puede prevenir o resolver trabajo repetitivo. En los casos inciertos, debe conservar la duda, reunir el contexto y permitir que una persona decida sin reconstruir toda la historia desde cero.
El resultado es un control más proporcionado. El equipo deja de dedicar la misma atención a todas las facturas y puede concentrarse en aquello que realmente se desvía. La tecnología no sustituye su criterio; evita desperdiciarlo en comprobar una y otra vez situaciones que el sistema ya puede mantener consistentes.
La precisión no nace de revisar todas las facturas. Nace de saber qué decisiones ya son fiables y cuáles todavía necesitan atención.
La herramienta tuvo que adaptarse a la gestoría, no al revés
Una arquitectura técnicamente correcta puede fracasar si obliga a las personas a abandonar el conocimiento que hace funcionar el negocio. Por eso la implantación no se trató como una entrega de software, sino como una colaboración con quienes tomaban las decisiones cada día.
Las sesiones de trabajo con dirección y responsables operativos sirvieron para contrastar reglas, entender excepciones y ajustar el funcionamiento de las herramientas. Cada prototipo permitía comprobar no solo si la tecnología funcionaba, sino si la información aparecía en el momento adecuado, si una alerta era comprensible y si el esfuerzo exigido guardaba relación con el riesgo que evitaba.
Este acompañamiento también cambió la propiedad de la solución. La gestoría no recibió una caja negra que solo Monreal & Meadow pudiera interpretar. El equipo participó en la construcción del criterio, entendió qué decisiones se automatizaban y conservó la capacidad de reconocer cuándo el sistema necesitaba revisión.
La ISO 8000-61 trata la calidad de datos como un conjunto de procesos que pueden mejorarse y evaluarse, mientras la ISO 8000-150 pone el foco en las funciones y responsabilidades necesarias para gestionarla. Ambas refuerzan una idea que el proyecto hizo tangible: la calidad no pertenece exclusivamente al software ni puede depender indefinidamente de una persona que revisa al final. Debe formar parte de cómo la organización trabaja y gobierna su información: ISO 8000-61 — Data quality management e ISO 8000-150 — Roles and responsibilities.
La precisión no consiste en revisar más, sino en necesitar revisar menos
Con la nueva arquitectura y las herramientas construidas alrededor de ella, la gestoría redujo los errores de facturación hasta dejarlos cerca de cero. El cierre mensual ganó fluidez y el equipo pudo confiar en que una gran parte del control ya había ocurrido antes de generar la factura.
El resultado no procede de una única regla ni de un modelo capaz de adivinarlo todo. Procede de haber conectado arquitectura de datos, decisiones operativas, automatización y adopción. Monreal & Meadow aportó la capacidad de recorrer ese espacio completo: entrar en la operación, encontrar dónde nacía el problema, traducir el criterio del cliente a una estructura técnica y acompañar al equipo hasta incorporarla a su forma de trabajar.
Eso cambia también el significado de eficiencia. Ahorrar tiempo de revisión importa, pero la mejora más profunda es recuperar confianza. Cuando la organización deja de preguntarse cada mes si todos los datos estarán bien, puede dedicar su atención a atender mejor, resolver casos complejos y mejorar el servicio que presta a sus clientes.
Una factura precisa es el resultado visible. Debajo hay algo más valioso: un sistema que hace más fácil trabajar bien.
La factura no se corrige a final de mes. Se empieza a cuidar en la primera decisión que acabará llegando hasta ella.