Lo importante no es la tecnología, sino qué queremos conseguir con ella, según Laura Marquès para TechLeaders

Las claves de la integración de la tecnología dentro de una estrategia clara de negocio. De ello hablamos con Laura Marquès, Head of corporate Data & Analytics en Adevinta (Infojobs, Fotocasa, coches.net…).

En esta entrevista, no sólo destaca tecnologías actuales, sino que explica cuáles son las que las empresas deberían tener en cuenta para su crecimiento, cómo elegir las adecuadas, qué pasos seguir para su implementación y cuál es el papel de las personas y los líderes en este proceso. 

Vives y has vivido en primera persona cómo la tecnología ayuda al crecimiento y desarrollo empresarial pero ¿cuál o cuáles destacarías como imprescindibles para acelerar la innovación en el momento que vivimos actualmente de novedades continuas?

Estamos en una época de aceleración tecnológica constante, pero si tuviera que destacar las palancas realmente imprescindibles para impulsar la innovación hoy, hablaría de la combinación entre Cloud, arquitecturas modernas de datos e Inteligencia Artificial aplicada.

La nube ha eliminado muchas barreras estructurales y permite escalar y experimentar con una velocidad que hace unos años era impensable. Sobre esa base, las arquitecturas de datos bien diseñadas convierten la información en un activo estratégico accesible y explotable. Y la IA, tanto predictiva como generativa, amplía enormemente nuestra capacidad de análisis, automatización y personalización.

Pero lo verdaderamente diferencial no es la tecnología en sí, sino cómo se integra dentro de una estrategia clara de negocio. La innovación no ocurre por adoptar lo último, sino por transformar esas capacidades en impacto tangible y sostenible.

Desde tu experiencia en datos y analítica ¿qué posibilidades crees que ofrecen estas tecnologías para la toma de decisiones estratégicas? 

Creo que el verdadero cambio no es tecnológico, sino de decisiones. Hemos pasado de analizar lo que ocurrió a diseñar lo que queremos que ocurra.

La analítica predictiva y la inteligencia artificial nos permiten anticipar impactos antes de asumir riesgos. Ya no se trata solo de revisar resultados históricos, sino de simular escenarios y entender las consecuencias de una decisión antes de ejecutarla. Eso transforma radicalmente la conversación estratégica.

También ha cambiado nuestra relación con el cliente. La capacidad de analizar comportamientos con mayor profundidad permite tomar decisiones mucho más precisas sobre producto, pricing o posicionamiento. No hablamos solo de segmentar mejor, sino también de entender contexto y momento.

Y hay algo clave: cuando automatizamos decisiones tácticas, liberamos espacio mental en la organización. El comité deja de discutir datos operativos y puede concentrarse en dirección y visión.

En definitiva, estas tecnologías no sustituyen el criterio humano, pero sí lo hacen más informado, más rápido y menos expuesto al error.

¿Cómo elegir la adecuada para cada compañía? Porque no siempre es necesario subirse al carro de todo lo nuevo que llega.

Esta es, probablemente, la pregunta más importante. El ruido tecnológico es enorme y el miedo a quedarse atrás empuja a muchas organizaciones a invertir sin un criterio claro. Mi enfoque parte de tres principios muy sencillos:

1. El primero es empezar por el negocio, no por la tecnología. Nunca deberíamos elegir una herramienta y luego buscarle un uso. La pregunta correcta es: ¿qué problema estratégico queremos resolver o qué oportunidad de ingresos queremos capturar? Si la novedad no impacta directamente en eficiencia, margen o experiencia de cliente, difícilmente será prioritaria.
2. El segundo es la madurez del dato. Muchas compañías intentan implantar soluciones avanzadas sin tener los cimientos preparados. Si los datos no están ordenados, gobernados y accesibles, cualquier tecnología sofisticada será inestable. La herramienta adecuada es la que tu infraestructura puede absorber y potenciar.
3. Y el tercero es el tiempo hasta generar valor. En el contexto actual no podemos permitirnos proyectos que tardan años en demostrar impacto. Es preferible apostar por iniciativas con resultados visibles en pocos meses y escalar desde ahí. La tecnología debe acelerar a la organización, no bloquearla.

No se trata de ser el primero en adoptar todo, sino de ser el más eficaz utilizando aquello que realmente mueve la cuenta de resultados. La innovación no es una colección de herramientas, es una palanca de competitividad.

Para su implementación, las personas son fundamentales. De ahí la importancia de un buen líder, así que ¿cuál crees que debe ser su papel a la hora de poner en marcha cualquier proyecto tecnológico?

El liderazgo es el verdadero punto de inflexión. La tecnología puede ser excelente, pero si las personas no la entienden o no confían en ella, no se adopta.

Hoy el líder no es quien tiene todas las respuestas técnicas, sino quien crea el contexto para que el equipo pueda encontrarlas.

Debe conectar el lenguaje del negocio con el de la tecnología, explicar con claridad por qué se impulsa el proyecto, qué problema estratégico resuelve y qué impacto se espera. Cuando el propósito está claro, la tecnología deja de percibirse como una amenaza y pasa a ser una palanca.

También es clave gestionar la incertidumbre, porque la automatización y la inteligencia artificial generan dudas legítimas, y el líder debe crear un entorno de seguridad donde se entienda que la tecnología no sustituye el criterio humano, sino que lo potencia.

Además, muchos proyectos se bloquean por tensiones internas, silos o exceso de burocracia. El líder tiene que facilitar, priorizar y despejar el camino para que los equipos puedan ejecutar con agilidad.

En definitiva, implementar tecnología es, sobre todo, un ejercicio de liderazgo cultural. La herramienta importa, pero lo que realmente transforma es cómo las personas la integran en su forma de trabajar.

Entonces, según tu experiencia impulsando la cultura data-driven ¿qué pasos debería seguir?

Construir una cultura data-driven no es implantar una herramienta, es cambiar comportamientos. Y eso exige coherencia.

• El primer paso es democratizar el acceso. Si los datos permanecen en el departamento de IT o en el equipo de analítica, no existe cultura. Quien toma decisiones —en ventas, marketing u operaciones— debe tener la información a un clic, en un formato comprensible y accionable.
• El segundo es trabajar la alfabetización de datos. No todos deben ser científicos de datos, pero sí deberían saber interpretar un gráfico, reconocer un sesgo o formular las preguntas adecuadas. La capacidad de contextualizar la información es tan relevante como el dato en sí.
• También es imprescindible crear el entorno adecuado. Si cuando un dato revela un error se busca culpable, los incómodos desaparecerán. Si, por el contrario, se valora la identificación de ineficiencias para mejorar, la curiosidad se convierte en motor de aprendizaje. Una cultura basada en datos necesita seguridad psicológica.
• Y, finalmente, el liderazgo debe predicar con el ejemplo. Cuando las decisiones se apoyan sistemáticamente en evidencia, el mensaje cala. Si la intuición se impone ignorando los datos, la cultura se debilita.

Porque una cultura data-driven no nace de la tecnología, sino de la coherencia entre acceso, formación y liderazgo.

Y ¿qué habilidades esenciales de liderazgo debería tener para la gestión de esta transformación digital de su empresa?

Esto exige un liderazgo más completo que el tradicional. No basta con entender la tecnología, hay que saber gestionar la incertidumbre que genera.

Por eso, una habilidad clave es el pensamiento crítico. No todo lo que suena innovador es estratégico, así que el líder debe cuestionar, analizar riesgos y evaluar el impacto real antes de actuar.

También es esencial la agilidad de aprendizaje. En entornos tecnológicos, lo que funcionaba ayer puede quedar obsoleto mañana, por lo que liderar la transformación implica desaprender, adaptarse y evolucionar sin apego a modelos anteriores.

A esto se suma el pensamiento sistémico, porque una decisión digital nunca afecta a un solo departamento: un cambio en precios puede impactar en logística, atención al cliente o percepción de marca. Entender esas interdependencias es fundamental.

La resiliencia estratégica también es clave, ya que los proyectos tecnológicos no son lineales: hay errores, ajustes y prototipos que no salen como se esperaba. Así que hay que tener claro que mantener el rumbo y aprender rápido forman parte del proceso.

Por último, destacaría también la capacidad de comunicación, porque la transformación genera incertidumbre y oportunidad. El líder debe ser capaz de transmitir una visión clara en la que la tecnología potencie el talento humano y haga el trabajo más valioso.

Por tanto, liderar la transformación digital es combinar visión estratégica, mentalidad de aprendizaje y capacidad para movilizar a las personas hacia un cambio sostenible.

¿Cómo lo has hecho tú, que has liderado proyectos de datos a gran escala y puesto en marcha iniciativas de IA para impulsar la eficiencia e impacto de negocio?

Siempre he intentado mantener un enfoque muy claro: pensar en grande, pero ejecutar con pragmatismo.

Nunca empiezo por la tecnología, sino por el impacto y antes de lanzar cualquier iniciativa de datos o IA, trabajamos el caso de uso: qué problema resolvemos, qué eficiencia generamos o qué oportunidad de ingresos abrimos. Si no hay impacto medible, no es una prioridad.

También ha sido clave construir equipos realmente multidisciplinares, aunque no se trata solo de tener buenos perfiles técnicos, sino de integrar desde el inicio a negocio, operaciones y producto. Cuando el experto en negocio y el técnico trabajan juntos desde el diseño, el resultado es mucho más sólido y ejecutable.

A esto sumo que he puesto siempre mucho foco en los cimientos: calidad del dato, gobernanza y una arquitectura escalable. Es tentador sofisticar el algoritmo, pero si la base no es robusta, el modelo no se sostiene en el tiempo.

Y, por último, medir impacto de forma continua, ya que no basta con implantar, hay que evaluar, ajustar y escalar lo que funciona. Esa mentalidad iterativa es la que convierte la IA en una capacidad estratégica real y sostenible.

En definitiva, más que grandes apuestas aisladas, creo en construir capacidades que conecten tecnología y negocio de manera estructural.

Por toda esta experiencia y conocimiento, formas parte del proyecto TechLeaders, participando en la sesión sobre Big Data y Cloud para directivos: decisiones estratégicas y personalización. ¿Qué claves nos darías sobre esto para entender su valor en el crecimiento empresarial?

Para los directivos, Big Data y Cloud no deberían percibirse como temas de IT, sino como palancas directas de crecimiento y competitividad.

El Cloud no es solo ahorro o infraestructura, es agilidad estratégica. Permite experimentar sin grandes inversiones iniciales, probar hipótesis de negocio con rapidez y escalar aquello que funciona. Esa capacidad de innovar sin fricción es su verdadero valor.

En cuanto al Big Data, la clave está en la personalización. Hemos pasado de trabajar con grandes segmentos a entender comportamientos mucho más precisos. Así, una empresa con millones de clientes puede ajustar su propuesta de valor casi a nivel individual, detectar el momento de necesidad y anticiparse. Esa personalización es hoy uno de los principales motores de fidelización y crecimiento rentable.

Y hay un cambio de mentalidad fundamental: los datos no son un subproducto de la actividad, son un activo estratégico. Bien gestionados, aumentan su valor cuanto más se utilizan y se conectan entre sí. Comprender esto transforma la forma en que una organización invierte, prioriza y compite.

En este momento de ebullición de la inteligencia artificial, ¿qué crees que es lo más importante que deben tener en cuenta los directivos a la hora de implementar proyectos con ella?

En un contexto donde la IA parece estar en todas partes, el verdadero riesgo no es quedarse atrás, sino implementarla sin criterio estratégico.

Aquí, la primera dimensión en la que fijarse es la responsabilidad. Una IA mal entrenada, con sesgos o sin supervisión adecuada, puede afectar seriamente a la reputación de la compañía. Por tanto, la gobernanza no es un freno a la innovación, sino el marco que permite avanzar con seguridad y confianza.

La segunda es el retorno real: la IA no debe implantarse porque sea tendencia, sino porque mejora un indicador concreto de negocio en reducción de costes, aumento de ingresos, optimización de procesos o mejora de la retención. Cada iniciativa debe estar vinculada a un KPI claro y medible.

Y, por último, el factor humano. La tecnología es solo una parte del reto y el éxito depende de cómo las personas la adopten e integren en su trabajo diario. En muchos casos, la gestión del cambio representa la mayor parte del proyecto y sin confianza ni comprensión, no hay transformación.

Teniendo en cuenta todo esto, ¿qué oportunidades identificas hoy para la toma de decisiones de negocio que mejoren los productos y servicios, mejorando retornos de inversión y experiencia del cliente?

Creo que estamos entrando en una etapa donde la verdadera ventaja competitiva está en anticiparse mejor que la competencia.

Una de las oportunidades más interesantes es utilizar modelos avanzados para validar decisiones antes de ejecutarlas: hoy podemos simular cómo reaccionarán distintos perfiles de cliente ante un nuevo producto, una modificación de precio o un cambio en el servicio. Esa capacidad reduce el riesgo de lanzamiento y mejora directamente el retorno de inversión.

Otra gran palanca es la hiperpersonalización real: no se trata solo de recomendar productos, sino de adaptar la experiencia al contexto del cliente en tiempo casi real. Cuando una empresa entiende el momento, la necesidad y el comportamiento individual, la relación deja de ser transaccional y pasa a ser relevante. Y eso impacta tanto en fidelización como en margen.

También estamos viendo un avance claro en la optimización prescriptiva. Ya no solo analizamos qué va a ocurrir, sino que los modelos pueden sugerir qué decisión tomar para maximizar resultados: ajustar precios dinámicamente, optimizar inventarios o reducir ineficiencias operativas. Cada mejora progresiva en eficiencia tiene un impacto directo en la cuenta de resultados.

Pero, más allá de las tecnologías concretas, la mayor oportunidad es estratégica. Las organizaciones que marcarán la diferencia no serán las que adopten la IA más sofisticada, sino las que consigan tomar decisiones más precisas, más rápidas y más alineadas con el valor real que demanda el cliente. Porque no se trata de tener más datos, sino de decidir mejor con ellos.

Laura Marquès ha participado en el programa TechLeaders, que busca capacitar a los equipos directivos y líderes empresariales en el uso de tecnologías habilitadoras para transformar sus modelos de negocio. A su vez, forma parte de Tech FabLab, proyecto integral para acelerar la innovación y el emprendimiento tecnológico a través de la Red CEEI.