# enter 2.0 > Consultoría senior con sede en Navarra para IA práctica, datos, dashboards, automatización documental, herramientas operativas, Director de Informática a tiempo parcial y gobierno IT. Foco local y mucha experiencia en tercer sector; trabajo posible con organizaciones de cualquier territorio. Casos anonimizados por defecto, sin precios publicados, y respuesta humana a cada contacto. --- ## IA práctica, datos gobernados y sistemas de información > enter 2.0 ayuda a organizaciones, especialmente del tercer sector, a convertir información dispersa en sistemas, indicadores, dashboards, automatizaciones y flujos de IA seguros. - URL: https://www.enter20.com/ - English: https://www.enter20.com/en/ - Actualizado: 9 de noviembre de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. enter 2.0 ayuda a fundaciones, asociaciones, pymes y equipos de interés público a convertir información dispersa en sistemas fiables, indicadores útiles, dashboards, automatizaciones y flujos de IA con control. Con sede en Navarra y foco cercano en el entorno local. Por la naturaleza del análisis, los datos y el trabajo digital, también puede colaborar con organizaciones de cualquier territorio cuando el contexto lo permite. ### La información existe, pero está atrapada en hojas, correos, PDFs y rutinas informales. Muchas organizaciones ya tienen los datos que necesitan. El problema es que están duplicados, incompletos o repartidos entre aplicaciones, documentos, carpetas y memoria de equipo. La IA puede ayudar, pero solo cuando se entienden el proceso, el modelo de datos, los permisos, la calidad de la fuente y la decisión que se quiere mejorar. Hay mucha experiencia acumulada en tercer sector: fundaciones, asociaciones, proyectos sociales, equipos con recursos limitados y obligaciones reales de gestión, justificación y rendición de cuentas. ### Del diagnóstico a algo usable El trabajo suele terminar en una hoja de ruta, un modelo de datos, un dashboard, una automatización, una herramienta interna o una forma más segura de usar IA en operaciones reales. - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/): Identifica dónde la IA puede aportar valor real y dónde primero hay que ordenar procesos, datos y permisos. - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/): Convierte hojas, formularios y aplicaciones dispersas en indicadores fiables para gestión y rendición de cuentas. - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/): Pequeñas aplicaciones internas cuando Excel, formularios y SaaS desconectados ya no sostienen el trabajo diario. - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/): Función IT senior a tiempo parcial para organizaciones que son demasiado pequeñas para mantener una dirección informática propia. - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/): Procesa PDFs, hojas de cálculo, encuestas y exportaciones repetitivas con scripts, OCR, reglas y revisión humana. - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/): Aclara quién controla los sistemas, dónde viven los datos, cómo se protege el acceso y qué pasa si algo falla. ### Laboratorio: No lo cuente: pruébelo Mini-aplicaciones interactivas que enseñan cómo funcionan las soluciones, con datos ficticios y el estado real de cada una: producción, piloto, prototipo o diseño. - [Bandeja de facturas y nóminas con evidencia](https://www.enter20.com/laboratorio/facturas/) — Piloto: Sube PDFs: datos extraídos con su evidencia, duplicados detectados, nóminas casadas con el banco. - [Cockpit de gerencia](https://www.enter20.com/laboratorio/cockpit/) — Producción: Asuntos entre departamentos con responsable, siguiente paso y fecha compromiso. Cada área ve lo suyo. - [Cuadro de mando con simulador de decisiones](https://www.enter20.com/laboratorio/escenarios/) — Prototipo: Indicadores por etapa e interruptores «Se decide»: qué indicadores no llegan a tiempo si una decisión se aplaza. - [Radar de licitaciones y subvenciones](https://www.enter20.com/laboratorio/licitaciones/) — Prototipo: PDF de la convocatoria → ficha con IA revisada por personas → voto ciego → decisión con trazabilidad. - [ENTERBOX: la IA va a los documentos](https://www.enter20.com/laboratorio/caja-documental/) — Piloto: Un equipo en la oficina convierte documentos en información consultable, con procesamiento local y las fuentes a la vista. - [Memoria organizativa: el conocimiento queda en la empresa](https://www.enter20.com/laboratorio/memoria-organizativa/) — Diseño: Definiciones, procedimientos y decisiones revisadas en archivos propios, preparados para cambiar de herramienta de IA. ### Experiencia aplicada en plataformas, datos, automatización y gobierno IT - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/): Estructuración de datos e indicadores para que fundaciones y asociaciones puedan gestionar, reportar y explicar mejor su impacto. - [Pipeline de encuestas y análisis cualitativo](https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/): Transformación de exportaciones de encuestas en salidas analíticas revisables con Python, pandas, Excel y criterios humanos. - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/): Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. ### IA como capa de trabajo, no como eslogan La IA se usa para acelerar análisis, documentación, clasificación, prototipado, extracción de datos, redacción y apoyo a decisiones. El valor duradero viene de combinarla con datos bien definidos, procesos claros, seguridad proporcionada y revisión humana. En algunos casos la solución será IA. En otros será una base de datos, una pantalla interna, un dashboard, un script de automatización o una regla de gobierno que evite errores. > La IA propone; una persona decide. ### Notas para decidir con más criterio - [Memoria organizativa: que el conocimiento se quede en la empresa aunque cambie la herramienta de IA](https://www.enter20.com/blog/memoria-organizativa-conocimiento-se-quede-en-la-empresa-aunque-cambie-herramienta-ia/) (2026-11-09): Los asistentes de IA necesitan contexto, y ese contexto suele construirse dentro de la herramienta de un proveedor. Curarlo como fichas propias, con fuentes, responsable y fecha de revisión, lo hace revisable y portable. - [Trabajar con asistentes de IA sin perder el hilo: reglas y memoria en el repositorio](https://www.enter20.com/blog/trabajar-con-asistentes-de-ia-sin-perder-el-hilo-reglas-memoria-repositorio/) (2026-10-23): Si el contexto de un proyecto vive en el chat de una herramienta, se pierde al cerrarla. Si vive en el repositorio, cualquier asistente o persona continúa el trabajo del anterior. - [Seguridad en capas para herramientas internas pequeñas: identidad en el borde y fallar cerrado](https://www.enter20.com/blog/seguridad-en-capas-herramientas-internas-identidad-en-el-borde-fallar-cerrado/) (2026-10-06): Una herramienta interna no necesita una VPN ni un servidor expuesto. Necesita identidad antes de llegar a nada, un servicio que falle cerrado cuando falta configuración y túneles en lugar de puertos abiertos. - [Del PDF al dato revisado: huella, evidencia y cola de revisión](https://www.enter20.com/blog/del-pdf-al-dato-revisado-huella-evidencia-cola-de-revision/) (2026-09-18): Extraer datos de facturas, nóminas o convocatorias es fácil de prometer y difícil de hacer fiable. La fiabilidad viene de la huella del documento, la evidencia junto a cada dato y una revisión que no estorba. - [Una copia de seguridad vale lo que vale su restauración](https://www.enter20.com/blog/una-copia-de-seguridad-vale-lo-que-vale-su-restauracion/) (2026-08-31): El registro de la copia puede decir «correcto» y la restauración fallar. Copias por capas, restauraciones de prueba y decisiones escritas son lo que sostiene la continuidad. ### ¿Quiere saber por dónde empezar? Un diagnóstico corto permite ordenar oportunidades, riesgos y prioridades antes de comprar herramientas o abrir un proyecto grande. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Servicios de IA, datos, dashboards y sistemas operativos > Servicios de diagnóstico de IA y datos, dashboards, herramientas operativas, Director de Informática, automatización documental y gobernanza IT. - URL: https://www.enter20.com/servicios/ - English: https://www.enter20.com/en/services/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. enter 2.0 combina diagnóstico, datos, tecnología, dirección informática y gobierno para resolver problemas operativos concretos sin vender IA como magia ni software como fin en sí mismo. - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/): Identifica dónde la IA puede aportar valor real y dónde primero hay que ordenar procesos, datos y permisos. - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/): Convierte hojas, formularios y aplicaciones dispersas en indicadores fiables para gestión y rendición de cuentas. - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/): Pequeñas aplicaciones internas cuando Excel, formularios y SaaS desconectados ya no sostienen el trabajo diario. - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/): Función IT senior a tiempo parcial para organizaciones que son demasiado pequeñas para mantener una dirección informática propia. - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/): Procesa PDFs, hojas de cálculo, encuestas y exportaciones repetitivas con scripts, OCR, reglas y revisión humana. - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/): Aclara quién controla los sistemas, dónde viven los datos, cómo se protege el acceso y qué pasa si algo falla. ### Primero entender, después construir No todos los problemas necesitan una aplicación nueva. A veces basta con definir indicadores, automatizar una extracción, corregir permisos o documentar un proceso crítico. El servicio se ajusta al punto de partida de la organización: diagnóstico, prototipo, mejora de un sistema existente, automatización concreta o acompañamiento de gobierno IT. --- ## Diagnóstico de IA y datos > Identifica dónde la IA puede aportar valor real y dónde primero hay que ordenar procesos, datos y permisos. - URL: https://www.enter20.com/servicios/diagnostico-ia-datos/ - English: https://www.enter20.com/en/services/ai-data-diagnostic/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Para organizaciones que quieren usar IA sin comprar herramientas a ciegas. El diagnóstico revisa procesos, datos, documentos, riesgos, seguridad, reporting y capacidad interna antes de proponer automatizaciones o sistemas nuevos. ### Qué puede quedar después del trabajo - Mapa de procesos y fuentes de información críticas. - Priorización de casos de uso de IA por valor, riesgo y esfuerzo. - Recomendaciones de datos, seguridad, formación y gobierno. - Hoja de ruta práctica con prototipos posibles y decisiones pendientes. ### Prueba técnica y operativa - Uso de IA como apoyo a análisis, documentación, clasificación, prototipado y revisión. - Experiencia en modelos de datos, plataformas operativas, dashboards y automatización documental. - Criterio para distinguir entre un problema de IA, un problema de datos y un problema de proceso. ### Ejemplos anonimizados - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/): Estructuración de datos e indicadores para que fundaciones y asociaciones puedan gestionar, reportar y explicar mejor su impacto. ### Artículos relacionados - [Memoria organizativa: que el conocimiento se quede en la empresa aunque cambie la herramienta de IA](https://www.enter20.com/blog/memoria-organizativa-conocimiento-se-quede-en-la-empresa-aunque-cambie-herramienta-ia/) (2026-11-09): Los asistentes de IA necesitan contexto, y ese contexto suele construirse dentro de la herramienta de un proveedor. Curarlo como fichas propias, con fuentes, responsable y fecha de revisión, lo hace revisable y portable. - [Trabajar con asistentes de IA sin perder el hilo: reglas y memoria en el repositorio](https://www.enter20.com/blog/trabajar-con-asistentes-de-ia-sin-perder-el-hilo-reglas-memoria-repositorio/) (2026-10-23): Si el contexto de un proyecto vive en el chat de una herramienta, se pierde al cerrarla. Si vive en el repositorio, cualquier asistente o persona continúa el trabajo del anterior. - [La IA propone y una persona decide: cómo inventariar el uso de IA en tus herramientas](https://www.enter20.com/blog/la-ia-propone-una-persona-decide-inventariar-uso-ia-herramientas/) (2026-07-26): Antes de discutir qué modelo usar, conviene saber en cada herramienta qué hace la IA, qué no hace nunca, dónde se ejecuta y quién revisa su salida. - [Del ahorro de costes a la irrelevancia: el peligro de automatizar sin rediseñar tus procesos](https://www.enter20.com/blog/del-ahorro-de-costes-a-la-irrelevancia-peligro-automatizar-sin-redisenar-procesos/) (2026-07-08): Automatizar tareas ineficientes traslada el desorden a una plataforma más rápida. El verdadero valor surge al rediseñar la arquitectura de procesos. - [Por qué los proyectos de IA fallan si no se entiende el modelo de datos](https://www.enter20.com/blog/por-que-proyectos-ia-fallan-modelo-datos/) (2026-06-23): La IA puede acelerar trabajo, pero no corrige por sí sola datos ambiguos, responsabilidades difusas ni procesos mal definidos. - [Qué debe incluir un diagnóstico de adopción de IA antes de comprar herramientas](https://www.enter20.com/blog/que-debe-incluir-diagnostico-adopcion-ia-antes-comprar-herramientas/) (2025-12-18): Un diagnóstico serio separa deseos, procesos, datos, riesgos, personas y decisiones antes de elegir proveedores o licencias. - [Cómo usar IA con seguridad en organizaciones con documentos sensibles](https://www.enter20.com/blog/como-usar-ia-seguridad-organizaciones-documentos-sensibles/) (2025-09-19): La seguridad en IA documental depende de clasificación, minimización, revisión humana, contratos, registros y alternativas locales cuando el riesgo lo exige. ### ¿Encaja con su situación? Acceda a nuestro cuestionario de diagnóstico para recibir una primera lectura detallada sobre su caso. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Datos, indicadores y dashboards > Convierte hojas, formularios y aplicaciones dispersas en indicadores fiables para gestión y rendición de cuentas. - URL: https://www.enter20.com/servicios/datos-indicadores-dashboards/ - English: https://www.enter20.com/en/services/data-indicators-dashboards/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Diseño de estructuras de datos, indicadores, vistas de reporting y dashboards para que una organización pueda explicar qué hace, qué resultados obtiene y qué decisiones necesita tomar. ### Qué puede quedar después del trabajo - Definición de indicadores y diccionario de datos. - Modelos de datos y vistas de reporting mantenibles. - Dashboards internos o públicos con criterios de calidad y actualización. - Rutinas de revisión para que el dashboard no sea una foto congelada. ### Prueba técnica y operativa - Trabajo con datos maestros, reporting social, paneles operativos y visualización. - Experiencia con Supabase/PostgreSQL, React, Recharts, R, Shiny, hojas de cálculo y procesos ETL. - Orientación a indicadores útiles, no solo a gráficos atractivos. ### Ejemplos anonimizados - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/): Estructuración de datos e indicadores para que fundaciones y asociaciones puedan gestionar, reportar y explicar mejor su impacto. - [Pipeline de encuestas y análisis cualitativo](https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/): Transformación de exportaciones de encuestas en salidas analíticas revisables con Python, pandas, Excel y criterios humanos. ### Artículos relacionados - [Por qué los proyectos de IA fallan si no se entiende el modelo de datos](https://www.enter20.com/blog/por-que-proyectos-ia-fallan-modelo-datos/) (2026-06-23): La IA puede acelerar trabajo, pero no corrige por sí sola datos ambiguos, responsabilidades difusas ni procesos mal definidos. - [Del caos de Excel a indicadores útiles para fundaciones y pymes](https://www.enter20.com/blog/del-caos-de-excel-a-indicadores-utiles-fundaciones-pymes/) (2026-03-24): Excel no es el problema. El problema aparece cuando cada hoja define la realidad de una manera distinta y nadie sabe qué dato manda. - [Los dashboards no son el principio: son la parte visible del sistema de datos](https://www.enter20.com/blog/dashboards-no-son-principio-parte-visible-sistema-datos/) (2025-06-20): Un dashboard útil depende de procesos, definiciones, calidad de datos, responsables y rutinas de revisión que suelen estar fuera de la pantalla. ### ¿Encaja con su situación? Cuente brevemente el problema operativo, de datos o de IA. La primera respuesta puede servir para orientar el tipo de diagnóstico. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Herramientas operativas a medida > Pequeñas aplicaciones internas cuando Excel, formularios y SaaS desconectados ya no sostienen el trabajo diario. - URL: https://www.enter20.com/servicios/herramientas-operativas/ - English: https://www.enter20.com/en/services/bespoke-operational-tools/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Diseño y construcción de herramientas enfocadas a procesos reales: personas beneficiarias, proyectos, contactos, tiempos, administración, permisos, auditoría y exportaciones. ### Qué puede quedar después del trabajo - Aplicaciones internas con roles, módulos y controles de acceso. - Flujos de alta, edición, revisión, cierre e informes. - Integración con bases de datos y sistemas existentes cuando conviene. - Documentación de uso y transferencia al equipo. ### Prueba técnica y operativa - Plataformas modulares con Firebase Auth, Supabase/PostgreSQL, React, Vite y React Admin. - Trabajo con gestión de personas, proyectos, empleados, grupos, actividades y permisos. - Práctica en despliegues Cloudflare, Firebase Hosting y entornos Linux automatizados. ### Ejemplos anonimizados - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. ### Artículos relacionados - [Trabajar con asistentes de IA sin perder el hilo: reglas y memoria en el repositorio](https://www.enter20.com/blog/trabajar-con-asistentes-de-ia-sin-perder-el-hilo-reglas-memoria-repositorio/) (2026-10-23): Si el contexto de un proyecto vive en el chat de una herramienta, se pierde al cerrarla. Si vive en el repositorio, cualquier asistente o persona continúa el trabajo del anterior. - [Seguridad en capas para herramientas internas pequeñas: identidad en el borde y fallar cerrado](https://www.enter20.com/blog/seguridad-en-capas-herramientas-internas-identidad-en-el-borde-fallar-cerrado/) (2026-10-06): Una herramienta interna no necesita una VPN ni un servidor expuesto. Necesita identidad antes de llegar a nada, un servicio que falle cerrado cuando falta configuración y túneles en lugar de puertos abiertos. - [Del PDF al dato revisado: huella, evidencia y cola de revisión](https://www.enter20.com/blog/del-pdf-al-dato-revisado-huella-evidencia-cola-de-revision/) (2026-09-18): Extraer datos de facturas, nóminas o convocatorias es fácil de prometer y difícil de hacer fiable. La fiabilidad viene de la huella del documento, la evidencia junto a cada dato y una revisión que no estorba. - [Los permisos viven en la base de datos, no en la pantalla](https://www.enter20.com/blog/los-permisos-viven-en-la-base-de-datos-no-en-la-pantalla/) (2026-08-13): Cuando varias áreas o empresas comparten una herramienta, quién ve qué debe decidirse en la base de datos. La interfaz puede fallar; una regla en el servidor, no. - [Del caos de Excel a indicadores útiles para fundaciones y pymes](https://www.enter20.com/blog/del-caos-de-excel-a-indicadores-utiles-fundaciones-pymes/) (2026-03-24): Excel no es el problema. El problema aparece cuando cada hoja define la realidad de una manera distinta y nadie sabe qué dato manda. - [Los dashboards no son el principio: son la parte visible del sistema de datos](https://www.enter20.com/blog/dashboards-no-son-principio-parte-visible-sistema-datos/) (2025-06-20): Un dashboard útil depende de procesos, definiciones, calidad de datos, responsables y rutinas de revisión que suelen estar fuera de la pantalla. ### ¿Encaja con su situación? Cuente brevemente el problema operativo, de datos o de IA. La primera respuesta puede servir para orientar el tipo de diagnóstico. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Director de Informática > Función IT senior a tiempo parcial para organizaciones que son demasiado pequeñas para mantener una dirección informática propia. - URL: https://www.enter20.com/servicios/director-de-informatica/ - English: https://www.enter20.com/en/services/fractional-it-director/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Para fundaciones, asociaciones, pymes y equipos del tercer sector que necesitan criterio directivo en tecnología, datos, seguridad, proveedores y continuidad, pero no justifican una dirección informática interna a jornada completa. ### Dirección IT senior a tiempo parcial El servicio aporta una función de dirección informática para organizaciones que necesitan criterio, seguimiento y coordinación tecnológica, pero no tienen escala para incorporar ese puesto de forma interna. ### Qué puede quedar después del trabajo - Interlocución periódica con dirección para convertir necesidades de negocio en decisiones IT. - Plan anual de sistemas, datos, seguridad, proveedores, continuidad y prioridades. - Revisión de compras, contratos, licencias, dominios, accesos, backups y dependencia de proveedores. - Acompañamiento a equipos internos o externos para que los proyectos técnicos no queden sin dirección. ### Prueba técnica y operativa - Experiencia combinada en gestión, arquitectura, datos, BI, seguridad operativa, automatización y despliegues. - Mucho trabajo acumulado con organizaciones del tercer sector, fundaciones y proyectos con recursos técnicos limitados. - Capacidad para hablar con dirección, administración, equipos sociales y proveedores técnicos sin perder el detalle operativo. ### Ejemplos anonimizados - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/): Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. ### Artículos relacionados - [Memoria organizativa: que el conocimiento se quede en la empresa aunque cambie la herramienta de IA](https://www.enter20.com/blog/memoria-organizativa-conocimiento-se-quede-en-la-empresa-aunque-cambie-herramienta-ia/) (2026-11-09): Los asistentes de IA necesitan contexto, y ese contexto suele construirse dentro de la herramienta de un proveedor. Curarlo como fichas propias, con fuentes, responsable y fecha de revisión, lo hace revisable y portable. - [Seguridad en capas para herramientas internas pequeñas: identidad en el borde y fallar cerrado](https://www.enter20.com/blog/seguridad-en-capas-herramientas-internas-identidad-en-el-borde-fallar-cerrado/) (2026-10-06): Una herramienta interna no necesita una VPN ni un servidor expuesto. Necesita identidad antes de llegar a nada, un servicio que falle cerrado cuando falta configuración y túneles en lugar de puertos abiertos. - [Una copia de seguridad vale lo que vale su restauración](https://www.enter20.com/blog/una-copia-de-seguridad-vale-lo-que-vale-su-restauracion/) (2026-08-31): El registro de la copia puede decir «correcto» y la restauración fallar. Copias por capas, restauraciones de prueba y decisiones escritas son lo que sostiene la continuidad. - [Los permisos viven en la base de datos, no en la pantalla](https://www.enter20.com/blog/los-permisos-viven-en-la-base-de-datos-no-en-la-pantalla/) (2026-08-13): Cuando varias áreas o empresas comparten una herramienta, quién ve qué debe decidirse en la base de datos. La interfaz puede fallar; una regla en el servidor, no. ### ¿Encaja con su situación? Cuente brevemente el problema operativo, de datos o de IA. La primera respuesta puede servir para orientar el tipo de diagnóstico. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Automatización de documentos y datos > Procesa PDFs, hojas de cálculo, encuestas y exportaciones repetitivas con scripts, OCR, reglas y revisión humana. - URL: https://www.enter20.com/servicios/automatizacion-documentos-datos/ - English: https://www.enter20.com/en/services/document-data-automation/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Automatizaciones para el trabajo aburrido pero crítico: extracción, clasificación, validación, renombrado, conciliación, resumen, rutas de revisión y entregables en CSV, Excel o bases de datos. ### Qué puede quedar después del trabajo - Pipelines Python para PDFs, OCR, CSV, Excel y documentos administrativos. - Clasificación por reglas y apoyo de IA cuando la privacidad y el riesgo lo permiten. - Trazabilidad de excepciones, imputaciones y decisiones humanas. - Salidas listas para reporting, archivo o carga en sistemas. ### Prueba técnica y operativa - Herramientas de extracción PDF/OCR, facturas, recibos, nóminas y documentos bancarios. - Análisis de encuestas con pandas, parquet, Excel, codebooks y colas de revisión. - Uso de reglas YAML, postprocesadores y modelos de IA como apoyo controlado. ### Ejemplos anonimizados - [Pipeline de encuestas y análisis cualitativo](https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/): Transformación de exportaciones de encuestas en salidas analíticas revisables con Python, pandas, Excel y criterios humanos. - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/): Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. ### Artículos relacionados - [Memoria organizativa: que el conocimiento se quede en la empresa aunque cambie la herramienta de IA](https://www.enter20.com/blog/memoria-organizativa-conocimiento-se-quede-en-la-empresa-aunque-cambie-herramienta-ia/) (2026-11-09): Los asistentes de IA necesitan contexto, y ese contexto suele construirse dentro de la herramienta de un proveedor. Curarlo como fichas propias, con fuentes, responsable y fecha de revisión, lo hace revisable y portable. - [Del PDF al dato revisado: huella, evidencia y cola de revisión](https://www.enter20.com/blog/del-pdf-al-dato-revisado-huella-evidencia-cola-de-revision/) (2026-09-18): Extraer datos de facturas, nóminas o convocatorias es fácil de prometer y difícil de hacer fiable. La fiabilidad viene de la huella del documento, la evidencia junto a cada dato y una revisión que no estorba. - [Del ahorro de costes a la irrelevancia: el peligro de automatizar sin rediseñar tus procesos](https://www.enter20.com/blog/del-ahorro-de-costes-a-la-irrelevancia-peligro-automatizar-sin-redisenar-procesos/) (2026-07-08): Automatizar tareas ineficientes traslada el desorden a una plataforma más rápida. El verdadero valor surge al rediseñar la arquitectura de procesos. - [Cómo usar IA con seguridad en organizaciones con documentos sensibles](https://www.enter20.com/blog/como-usar-ia-seguridad-organizaciones-documentos-sensibles/) (2025-09-19): La seguridad en IA documental depende de clasificación, minimización, revisión humana, contratos, registros y alternativas locales cuando el riesgo lo exige. ### ¿Encaja con su situación? Cuente brevemente el problema operativo, de datos o de IA. La primera respuesta puede servir para orientar el tipo de diagnóstico. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Gobernanza, continuidad y operaciones IT > Aclara quién controla los sistemas, dónde viven los datos, cómo se protege el acceso y qué pasa si algo falla. - URL: https://www.enter20.com/servicios/gobernanza-continuidad-it/ - English: https://www.enter20.com/en/services/it-governance-continuity/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Acompañamiento para organizaciones que dependen de tecnología pero no tienen estructura IT completa: cuentas, accesos, copias, despliegues, proveedores, documentación, recuperación y continuidad. ### Qué puede quedar después del trabajo - Inventario de sistemas, cuentas, propietarios y datos sensibles. - Revisión de accesos, roles, backups, recuperación y dependencias. - Criterios prácticos para operar sin depender de una sola persona o proveedor. - Runbooks y documentación que el equipo puede usar. ### Prueba técnica y operativa - Trabajo con RLS, autorización por módulos, backups, migraciones, dominios, Cloudflare y entornos Linux. - Documentación operacional, handoffs, planes de producción y rutas de rollback. - Enfoque de seguridad proporcionado: suficiente control sin burocracia inútil. ### Ejemplos anonimizados - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/): Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. ### Artículos relacionados - [Trabajar con asistentes de IA sin perder el hilo: reglas y memoria en el repositorio](https://www.enter20.com/blog/trabajar-con-asistentes-de-ia-sin-perder-el-hilo-reglas-memoria-repositorio/) (2026-10-23): Si el contexto de un proyecto vive en el chat de una herramienta, se pierde al cerrarla. Si vive en el repositorio, cualquier asistente o persona continúa el trabajo del anterior. - [Seguridad en capas para herramientas internas pequeñas: identidad en el borde y fallar cerrado](https://www.enter20.com/blog/seguridad-en-capas-herramientas-internas-identidad-en-el-borde-fallar-cerrado/) (2026-10-06): Una herramienta interna no necesita una VPN ni un servidor expuesto. Necesita identidad antes de llegar a nada, un servicio que falle cerrado cuando falta configuración y túneles en lugar de puertos abiertos. - [Una copia de seguridad vale lo que vale su restauración](https://www.enter20.com/blog/una-copia-de-seguridad-vale-lo-que-vale-su-restauracion/) (2026-08-31): El registro de la copia puede decir «correcto» y la restauración fallar. Copias por capas, restauraciones de prueba y decisiones escritas son lo que sostiene la continuidad. - [Los permisos viven en la base de datos, no en la pantalla](https://www.enter20.com/blog/los-permisos-viven-en-la-base-de-datos-no-en-la-pantalla/) (2026-08-13): Cuando varias áreas o empresas comparten una herramienta, quién ve qué debe decidirse en la base de datos. La interfaz puede fallar; una regla en el servidor, no. - [La IA propone y una persona decide: cómo inventariar el uso de IA en tus herramientas](https://www.enter20.com/blog/la-ia-propone-una-persona-decide-inventariar-uso-ia-herramientas/) (2026-07-26): Antes de discutir qué modelo usar, conviene saber en cada herramienta qué hace la IA, qué no hace nunca, dónde se ejecuta y quién revisa su salida. - [Del ahorro de costes a la irrelevancia: el peligro de automatizar sin rediseñar tus procesos](https://www.enter20.com/blog/del-ahorro-de-costes-a-la-irrelevancia-peligro-automatizar-sin-redisenar-procesos/) (2026-07-08): Automatizar tareas ineficientes traslada el desorden a una plataforma más rápida. El verdadero valor surge al rediseñar la arquitectura de procesos. - [Qué debe incluir un diagnóstico de adopción de IA antes de comprar herramientas](https://www.enter20.com/blog/que-debe-incluir-diagnostico-adopcion-ia-antes-comprar-herramientas/) (2025-12-18): Un diagnóstico serio separa deseos, procesos, datos, riesgos, personas y decisiones antes de elegir proveedores o licencias. - [Cómo usar IA con seguridad en organizaciones con documentos sensibles](https://www.enter20.com/blog/como-usar-ia-seguridad-organizaciones-documentos-sensibles/) (2025-09-19): La seguridad en IA documental depende de clasificación, minimización, revisión humana, contratos, registros y alternativas locales cuando el riesgo lo exige. ### ¿Encaja con su situación? Cuente brevemente el problema operativo, de datos o de IA. La primera respuesta puede servir para orientar el tipo de diagnóstico. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Laboratorio: soluciones que se pueden probar > Mini-aplicaciones interactivas con datos ficticios que muestran cómo trabaja enter 2.0: facturas con evidencia, cockpit de gerencia, simulador de decisiones, radar de licitaciones, documentos con IA local y memoria organizativa. - URL: https://www.enter20.com/laboratorio/ - English: https://www.enter20.com/en/lab/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Cada mini-aplicación reproduce el funcionamiento de una solución construida o diseñada por enter 2.0. Los datos son ficticios (empresa inventada «Alisio») y cada una declara su estado: producción, piloto, prototipo o diseño. Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Cuatro estados, sin maquillaje - **Producción.** En uso real por una organización. - **Piloto.** En uso controlado, con aceptación o alcance todavía abiertos. - **Prototipo.** Funciona y se ha enseñado; no está en uso diario. - **Diseño.** Servicio propuesto; la maqueta ilustra la idea. - [Bandeja de facturas y nóminas con evidencia](https://www.enter20.com/laboratorio/facturas/) — Piloto: Sube PDFs: datos extraídos con su evidencia, duplicados detectados, nóminas casadas con el banco. - [Cockpit de gerencia](https://www.enter20.com/laboratorio/cockpit/) — Producción: Asuntos entre departamentos con responsable, siguiente paso y fecha compromiso. Cada área ve lo suyo. - [Cuadro de mando con simulador de decisiones](https://www.enter20.com/laboratorio/escenarios/) — Prototipo: Indicadores por etapa e interruptores «Se decide»: qué indicadores no llegan a tiempo si una decisión se aplaza. - [Radar de licitaciones y subvenciones](https://www.enter20.com/laboratorio/licitaciones/) — Prototipo: PDF de la convocatoria → ficha con IA revisada por personas → voto ciego → decisión con trazabilidad. - [ENTERBOX: la IA va a los documentos](https://www.enter20.com/laboratorio/caja-documental/) — Piloto: Un equipo en la oficina convierte documentos en información consultable, con procesamiento local y las fuentes a la vista. - [Memoria organizativa: el conocimiento queda en la empresa](https://www.enter20.com/laboratorio/memoria-organizativa/) — Diseño: Definiciones, procedimientos y decisiones revisadas en archivos propios, preparados para cambiar de herramienta de IA. Este laboratorio es una selección. El catálogo completo, con recorridos guiados para gerencia y dirección TI, se enseña en una demostración privada. --- ## Bandeja de facturas y nóminas con evidencia > Sube PDFs: datos extraídos con su evidencia, duplicados detectados, nóminas casadas con el banco. - URL: https://www.enter20.com/laboratorio/facturas/ - English: https://www.enter20.com/en/lab/facturas/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Sube PDFs: datos extraídos con su evidencia, duplicados detectados, nóminas casadas con el banco. - Piloto: Piloto controlado en una pyme. Remesas y conexión con el programa contable, pendientes de prueba. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Facturas en PDF que llegan por cinco vías, datos tecleados a mano, duplicados que se pagan dos veces y nóminas que hay que casar una a una con el banco. #### Qué hace - Cada PDF recibe una huella: el duplicado se detecta aunque cambie el nombre del fichero. - NIF, número, fecha, base, IVA y total extraídos, cada uno con la evidencia en el documento. - Proveedor reconocido por sus alias. - Al aprobar se archiva una copia con nombre normalizado; el original no se toca. - Nóminas: el PDF del mes se trocea por persona y se casa con la transferencia. #### Qué se gana - Menos tecleo y menos errores al registrar facturas. - Ningún pago duplicado por despiste. - Justificación de nóminas preparada para auditorías y subvenciones. #### Prueba esto - Selecciona una factura y pasa el ratón por los datos: se ilumina la evidencia. - Abre la factura marcada como duplicada. - Aprueba una y mira el nombre con el que se archiva. - En «Nóminas», revisa el aviso de la regla débil. ### Para dirección TI #### Cómo está hecho - Aplicación web local (FastAPI + PostgreSQL) publicada por Cloudflare Tunnel; OCR local con Tesseract. - Extracción por reglas; reprocesado con un modelo de IA solo si se activa. #### Seguridad - Huella SHA-256 por documento y original inmutable. - Los datos no salen de la oficina salvo que se active el modelo externo; el sistema avisa si falta configuración. - Acceso protegido; Cloudflare Access obligatorio para exponerlo de forma permanente. #### Uso de IA IA externa desactivada por defecto; cuando se usa, cada dato propuesto conserva su evidencia y lo aprueba una persona. #### Operación Exportaciones CSV separadas de facturas y pagos para la asesoría. --- ## Cockpit de gerencia > Asuntos entre departamentos con responsable, siguiente paso y fecha compromiso. Cada área ve lo suyo. - URL: https://www.enter20.com/laboratorio/cockpit/ - English: https://www.enter20.com/en/lab/cockpit/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Asuntos entre departamentos con responsable, siguiente paso y fecha compromiso. Cada área ve lo suyo. - Producción: En uso diario por el equipo de dirección de un centro de servicios desde septiembre de 2026, en fase piloto. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Los asuntos entre áreas se pierden entre correos, WhatsApp y reuniones. Nadie sabe quién tiene la pelota ni para cuándo. #### Qué hace - Cada asunto tiene un área principal, un responsable y un encargado del siguiente paso. - Vistas «Hoy», «Mis responsabilidades», «Con novedades» y «Pendientes de área». - Al asignar el siguiente paso, el estado cambia solo y queda un comentario automático. - Para cerrar hay que escribir lo aprendido. - Correo de seguimiento redactado con todo el historial del caso. #### Qué se gana - Reuniones más cortas: se repasa la lista, no la memoria de cada uno. - Compromisos con fecha y dueño visibles para gerencia. - Cada departamento solo ve lo que le afecta. #### Prueba esto - Cambia de persona arriba (Gerencia, Mantenimiento…) y mira cómo cambia lo que se ve. - Abre un asunto y asigna el siguiente paso a otra área. - Intenta cerrarlo sin escribir el aprendizaje. - Genera el correo de seguimiento. ### Para dirección TI #### Cómo está hecho - React + PostgreSQL gestionado (Supabase) + Cloudflare Worker para los activos y el envío de correo autenticado. - Acceso sin contraseña con código de 6 dígitos por correo. #### Seguridad - Privacidad por Row Level Security: cada área solo «ve que existe» lo que comparte; gerencia lo ve todo. - Escritura solo mediante funciones con control de versión (concurrencia optimista): nadie pisa el cambio de otro. - Auditoría completa y comentario automático en la misma transacción. #### Operación - Copia de seguridad obligatoria antes de cada migración. - Manual de usuario integrado en la propia aplicación. --- ## Cuadro de mando con simulador de decisiones > Indicadores por etapa e interruptores «Se decide»: qué indicadores no llegan a tiempo si una decisión se aplaza. - URL: https://www.enter20.com/laboratorio/escenarios/ - English: https://www.enter20.com/en/lab/escenarios/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Indicadores por etapa e interruptores «Se decide»: qué indicadores no llegan a tiempo si una decisión se aplaza. - Prototipo: Desplegado de forma privada para el órgano de decisión de una fundación; pendiente de su validación. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Los cuadros de mando enseñan el pasado. En una reunión de dirección lo que hace falta es ver qué pasa si hoy no se decide algo. #### Qué hace - Tres preguntas: ¿Cuánto hicimos? ¿Lo hicimos bien? ¿Alguien está mejor? - Selector de etapas: hoy, tras la reunión, tras definir criterios y objetivo. - Interruptores «Se decide»: al apagar uno se ve qué indicadores dejan de llegar a tiempo. - Modo presentación a pantalla completa e impresión. #### Qué se gana - Reuniones que terminan en decisiones, no en informes. - Ver el coste de aplazar una decisión antes de aplazarla. - Cifras con fecha de corte; nunca proyecciones inventadas. #### Prueba esto - Cambia de etapa y mira cómo avanzan los indicadores. - Apaga «Definición común de cliente activo». - Observa qué indicadores pasan a «No llega». ### Para dirección TI #### Cómo está hecho - HTML, CSS y módulos JavaScript sin framework ni dependencias; motor de escenarios con pruebas automáticas. - Cloudflare Worker con Access (código de un solo uso) que falla cerrado si falta configuración. #### Seguridad - CSP estricta y comprobación automática del contenido antes de publicar: ningún dato personal llega a la página. - Las etapas futuras muestran estado, nunca un número inventado. #### Operación QA automatizado en las resoluciones de la tableta y del proyector, con PDF por etapa por si falla la red. --- ## Radar de licitaciones y subvenciones > PDF de la convocatoria → ficha con IA revisada por personas → voto ciego → decisión con trazabilidad. - URL: https://www.enter20.com/laboratorio/licitaciones/ - English: https://www.enter20.com/en/lab/licitaciones/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. PDF de la convocatoria → ficha con IA revisada por personas → voto ciego → decisión con trazabilidad. - Prototipo: Prototipo desplegado: ficha con IA, voto e hitos funcionan; los conectores automáticos de boletines están en diseño. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Cada semana salen convocatorias. Leerlas cuesta horas y decidir a cuáles presentarse depende de quién grite más en la reunión. #### Qué hace - Subes los PDF y el sistema prepara una ficha: objeto, plazo, importe, requisitos. - Cada dato propuesto por la IA queda marcado hasta que una persona lo revisa. - Voto ciego en dos fases: «¿la estudiamos?» y «¿nos presentamos?». - Valor estratégico con 8 criterios puntuados por personas. - Hitos (solvencia, subsanación, adjudicación) e informe imprimible. #### Qué se gana - Menos horas leyendo pliegos. - Decisiones de presentarse sin sesgo de quién opina primero. - Histórico de por qué se dijo sí o no. #### Prueba esto - Sube una convocatoria de ejemplo y mira el proceso. - Revisa un dato marcado con IA. - Vota como tres personas distintas y mira cómo se decide. ### Para dirección TI #### Cómo está hecho - Cloudflare Worker + D1 y R2 en la UE + Workflows para el proceso por pasos con reintentos. - Capa de proveedor de IA intercambiable. #### Seguridad - A la IA solo llega texto público de la convocatoria, nunca votos ni nombres. - Deduplicación por huella SHA-256 de cada PDF. #### Uso de IA - JSON validado con reintento; si vuelve a fallar, la ficha queda en «revisar a mano». - Registro de cada llamada con tokens y coste. #### Operación 27 pruebas automáticas. --- ## ENTERBOX: la IA va a los documentos > Un equipo en la oficina convierte documentos en información consultable, con procesamiento local y las fuentes a la vista. - URL: https://www.enter20.com/laboratorio/caja-documental/ - English: https://www.enter20.com/en/lab/caja-documental/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Un equipo en la oficina convierte documentos en información consultable, con procesamiento local y las fuentes a la vista. - Piloto: Piloto en una pyme de servicios: inventario, extracción PDF/OCR local, maestros y visor documental operativos según la documentación del 27/10/2026. La maqueta ilustra también funciones propuestas; la memoria organizativa y OKF son otro caso, en Diseño. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Años de contratos, facturas y ofertas en un servidor de ficheros. Nadie sabe qué hay, qué está duplicado ni qué datos sensibles contiene, y subirlo todo a una IA en la nube no es una opción. #### Qué hace - Inventario del servidor sin modificar los originales. - Extracción de texto PDF/OCR local, maestros de información y visor del documento citado en el piloto. - La maqueta enseña un semáforo propuesto y tres niveles: metadatos, contenido local y nube con autorización registrada. - Las propuestas de clasificación y su aprobación se simulan con evidencias ficticias. - La memoria organizativa amplía este enfoque con contexto curado y portable; figura aparte como Diseño. #### Qué se gana - Pensado para saber qué hay y localizar la evidencia. - Consultar información estructurada junto a su documento de origen. - Decidir qué se procesa en local y qué requeriría autorización adicional. #### Prueba esto - Recorre el semáforo por carpetas. - Intenta activar el nivel «nube» y mira lo que pide. - Aprueba o rechaza una propuesta de clasificación. ### Para dirección TI #### Cómo está hecho - Mini-PC con Ubuntu Server, PostgreSQL, extracción PDF/OCR y portal de consulta local; administración remota por Tunnel y Access. - Lectura regulada por horario, recursos y temperatura para limitar el impacto en la oficina. #### Seguridad - Disco cifrado (LUKS2 con TPM2) y Secure Boot; SSH solo con clave. - Origen montado en solo lectura; roles de base de datos separados para ingesta, revisión y consulta. - Ningún contenido sale a una IA en la nube sin autorización registrada. #### Uso de IA Extracción PDF/OCR local activa. La clasificación asistida y la autorización de nube de esta maqueta ilustran el diseño; no acreditan uso de un modelo en el piloto. #### Operación - Copias por capas y decisiones registradas como ADR; una adaptación de la copia remota sigue pendiente según la documentación del 27/10/2026. - Las cifras, registros y controles mostrados aquí son ficticios. --- ## Memoria organizativa: el conocimiento queda en la empresa > Definiciones, procedimientos y decisiones revisadas en archivos propios, preparados para cambiar de herramienta de IA. - URL: https://www.enter20.com/laboratorio/memoria-organizativa/ - English: https://www.enter20.com/en/lab/memoria-organizativa/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Definiciones, procedimientos y decisiones revisadas en archivos propios, preparados para cambiar de herramienta de IA. - Diseño: Servicio propuesto, sin implantación organizativa contrastada. Esta maqueta funciona con datos ficticios; no ejecuta IA ni aplica permisos reales. Exportación de ejemplo basada en OKF v0.2, consultado el 27/10/2026. - Datos ficticios: Todo lo que ve en las demos es ficticio: la empresa «Alisio», las personas, los importes y los documentos. Nada sale de su navegador. ### Para gerencia #### El problema Cada incorporación o cambio de herramienta obliga a volver a explicar cómo funciona la empresa. Hay procedimientos contradictorios y nadie sabe qué versión está revisada. #### Qué hace - Seleccionar fuentes autorizadas y convertirlas en fichas de contexto Markdown. - Una persona del área resuelve contradicciones, corrige el borrador y aprueba con motivo. - Cada ficha conserva fuentes, responsable, versión y fecha de revisión. - Compartir con cada equipo el contexto que le corresponde; retirar de consulta lo vencido o afectado por un cambio de fuente. - Exportar el ejemplo en Markdown o como paquete OKF con fuentes e historial. #### Qué se gana - Pensado para facilitar incorporaciones y relevos con conocimiento revisado. - Mantener un criterio común entre áreas y herramientas. - Conservar y trasladar el contexto al cambiar de proveedor de IA. #### Prueba esto - En «Revisar», contrasta los plazos de 30 y 45 días y aplica el criterio vigente. - Corrige el texto, escribe el motivo, confirma el contraste y aprueba la ficha. - Consulta la renovación y descarga el paquete OKF. - Cambia de perfil o simula un cambio de fuente para ver qué deja de distribuirse. ### Para dirección TI #### Cómo está hecho - Biblioteca Markdown con metadatos, fuentes e historial; almacenamiento y cuentas bajo control de la empresa como objetivo de implantación. - OKF v0.2 como formato de intercambio: conceptos con YAML, index.md, log.md y fuentes incluidas. - ENTERBOX puede aportar procesamiento documental local; la curación organizativa añade revisión, responsables y mantenimiento. #### Seguridad - Permisos antes de construir el contexto que recibe un asistente; selector de perfiles solo simulado en esta demo. - La política de ejemplo excluye borradores, revisiones vencidas y fichas cuyas fuentes hayan cambiado. - La portabilidad del formato no sustituye cuentas propias, copias, permisos ni un procedimiento de salida. El paquete exportado no está cifrado. #### Uso de IA La IA propondría borradores con fuentes; una persona del área aprobaría. Aquí la propuesta y la consulta son simulaciones deterministas, sin llamadas a modelos. #### Operación - Empezar por un proceso acotado y ampliar por áreas con responsables y revisiones acordadas. - OKF es un formato en evolución. Las extensiones x_alisio_* y los filtros de distribución son propios de esta maqueta. --- ## Trabajos y casos anonimizados > Casos públicos de plataformas operativas, indicadores, dashboards, encuestas y automatización documental, anonimizados por defecto. - URL: https://www.enter20.com/trabajos/ - English: https://www.enter20.com/en/work/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Los casos se presentan de forma anonimizada por defecto. El objetivo es mostrar criterio, alcance y valor operativo, no publicar datos privados ni infraestructura interna. - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/): Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/): Estructuración de datos e indicadores para que fundaciones y asociaciones puedan gestionar, reportar y explicar mejor su impacto. - [Pipeline de encuestas y análisis cualitativo](https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/): Transformación de exportaciones de encuestas en salidas analíticas revisables con Python, pandas, Excel y criterios humanos. - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/): Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. --- ## Plataforma operativa modular para una fundación > Diseño de una plataforma interna para ordenar personas, proyectos, módulos, permisos y reporting operativo sin exponer datos sensibles. - URL: https://www.enter20.com/trabajos/plataforma-operativa-fundacion/ - English: https://www.enter20.com/en/work/foundation-operations-platform/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Tipo de cliente: Fundación, anonimizada por defecto - Tecnologías: React, Vite, React Admin, Firebase Auth, Supabase, PostgreSQL, SQL, Cloudflare ### Problema La organización necesitaba pasar de datos dispersos y procesos manuales a una base operativa común con control de acceso, módulos y capacidad de reporting. ### Restricciones - Datos personales y operativos sensibles. - Necesidad de convivir con herramientas existentes. - Equipos no técnicos que necesitaban pantallas claras y exportaciones fiables. - Despliegue gradual por módulos para reducir riesgo. ### Qué se hizo - Modelo de datos para personas, proyectos, grupos, actividades, empleados y relación entre módulos. - Aplicaciones React/Vite y administración con React Admin. - Autenticación Firebase y autorización contra Supabase/PostgreSQL. - Rutas de despliegue, documentación, controles de baja y validación operativa. ### Gobierno y seguridad - Acceso por módulo y usuario activo. - Borrado duro desactivado en pantallas de administración. - Plantillas SQL, backups y comprobaciones posteriores a migración. - Separación entre información pública y documentación interna. ### Resultado La organización obtuvo una base más clara para gestionar operaciones, permisos y reporting sin multiplicar hojas de cálculo independientes. ### Qué demuestra - Capacidad para unir proceso, datos, autenticación y pantallas operativas. - Criterio para construir por módulos y no intentar una sustitución masiva de golpe. - Atención a seguridad, continuidad y transferencia. ### Áreas conectadas - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) --- ## Indicadores y dashboards para seguimiento social > Estructuración de datos e indicadores para que fundaciones y asociaciones puedan gestionar, reportar y explicar mejor su impacto. - URL: https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/ - English: https://www.enter20.com/en/work/social-impact-dashboards/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Tipo de cliente: Organizaciones sociales y proyectos de interés público - Tecnologías: PostgreSQL, Supabase, React, Recharts, R, Shiny, Google Sheets, CSV ### Problema Había datos de actividad, personas, proyectos y territorio, pero no una lectura integrada para dirección, equipos y financiadores. ### Restricciones - Fuentes con distintos formatos y niveles de calidad. - Necesidad de indicadores comprensibles para perfiles no técnicos. - Separación entre reporting interno y comunicación pública. - Cambios de criterio durante la definición del modelo. ### Qué se hizo - Definición de indicadores y estructura de reporting. - Preparación de vistas y datasets limpios para visualización. - Paneles y visualizaciones con React, Recharts, R/Shiny y hojas de cálculo cuando encajaba. - Documentación de criterios para que el equipo entienda qué mide cada indicador. ### Gobierno y seguridad - Trazabilidad entre dato fuente, indicador y visualización. - Criterios de anonimización o agregación cuando los datos lo requieren. - Separación entre vistas públicas y operativas. ### Resultado Los equipos pudieron pasar de recuentos manuales a una conversación más objetiva sobre actividad, cobertura, evolución y necesidades de datos. ### Qué demuestra - Capacidad para traducir actividad social en datos útiles. - Comprensión de reporting para dirección, financiadores y equipos operativos. - Enfoque en decisiones, no en dashboards decorativos. ### Áreas conectadas - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) --- ## Pipeline de encuestas y análisis cualitativo > Transformación de exportaciones de encuestas en salidas analíticas revisables con Python, pandas, Excel y criterios humanos. - URL: https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/ - English: https://www.enter20.com/en/work/survey-qualitative-analysis/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Tipo de cliente: Proyecto de evaluación y análisis social - Tecnologías: Python, pandas, Parquet, Excel, CSV, pytest, R ### Problema Las respuestas abiertas y datos de encuesta necesitaban codificación, depuración, trazabilidad y entregables comprensibles para análisis posterior. ### Restricciones - Respuestas abiertas con variación lingüística y criterio interpretativo. - Necesidad de conservar revisión humana y no delegar conclusiones a una caja negra. - Entregables en formatos manejables para usuarios no técnicos. ### Qué se hizo - Scripts Python para importar, limpiar, codificar y revisar datos. - Codebooks, colas de revisión, auditoría de imputaciones y salidas Excel. - Síntesis cualitativa y cuantitativa con trazabilidad del proceso. - Documentación para repetir el flujo con nuevas tandas de datos. ### Gobierno y seguridad - Revisión humana en puntos de decisión interpretativa. - Auditoría de imputaciones y excepciones. - Separación de datos fuente, datos procesados y entregables. ### Resultado El análisis pasó de exportaciones difíciles de manejar a una base revisable y reutilizable para conclusiones, informes y mejoras del cuestionario. ### Qué demuestra - Automatización cuidadosa cuando el contexto importa. - Capacidad para mezclar datos cualitativos y cuantitativos. - Entrega en formatos útiles para equipos de investigación o gestión. ### Áreas conectadas - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) --- ## Automatización documental con Python y revisión humana > Flujos para extraer texto, clasificar documentos y generar índices estructurados a partir de PDFs administrativos. - URL: https://www.enter20.com/trabajos/automatizacion-documental-python/ - English: https://www.enter20.com/en/work/python-document-automation/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Tipo de cliente: Operaciones administrativas, anonimizado - Tecnologías: Python, OCR, YAML, CSV, JSONL, PDF, LLM con revisión ### Problema Documentos PDF, facturas, recibos y nóminas consumían tiempo administrativo y generaban errores al renombrar, clasificar o extraer metadatos. ### Restricciones - Calidad desigual de PDFs y OCR. - Datos fiscales, bancarios y laborales sensibles. - Necesidad de mantener el archivo original y registrar excepciones. - Uso de IA solo como apoyo cuando faltan campos o baja la confianza. ### Qué se hizo - Herramientas Python para extracción de texto con OCR de respaldo. - Clasificación por reglas, rutas de documentos e índices CSV/JSONL. - Extracción de metadatos, importes, fechas, proveedores y códigos de centro. - Opciones de dry-run, sidecars de texto, auditoría y aplicación controlada. ### Gobierno y seguridad - Procesamiento local o controlado cuando la privacidad lo exige. - Dry-run antes de aplicar movimientos o renombrados. - Conservación del documento original y trazabilidad de reglas. ### Resultado Las tareas repetitivas de archivo y extracción pasaron a un flujo más rápido, revisable y menos dependiente de memoria manual. ### Qué demuestra - Automatización práctica de procesos administrativos reales. - Uso prudente de IA en documentos sensibles. - Diseño de herramientas pequeñas que ahorran trabajo sin imponer una plataforma completa. ### Áreas conectadas - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) --- ## Método de trabajo > Método de enter 2.0: diagnóstico, modelo operativo, prototipo, producción, gobierno y transferencia. - URL: https://www.enter20.com/metodo/ - English: https://www.enter20.com/en/method/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. El trabajo combina dirección, operación y técnica. La meta no es producir una demo brillante, sino dejar decisiones, sistemas y rutinas que resistan el uso diario. 1. **Escuchar y mapear.** Procesos, fuentes, documentos, roles, problemas recurrentes, decisiones y riesgos. 2. **Separar problema de solución.** No todo requiere IA. Se decide si conviene proceso, datos, dashboard, herramienta, automatización o gobierno. 3. **Prototipar con datos reales controlados.** Se valida valor con un alcance pequeño, criterios claros y protección de información sensible. 4. **Pasar a uso operativo.** Pantallas, scripts, dashboards o documentación se ajustan para que el equipo pueda usarlos sin dependencia innecesaria. 5. **Gobernar y transferir.** Responsables, permisos, backups, rutinas de revisión, indicadores y próximos pasos quedan documentados. ### Pragmático, verificable y transferible - Usar IA donde reduce fricción, no donde aumenta riesgo sin necesidad. - Diseñar datos e indicadores antes de cerrar dashboards. - Preferir sistemas pequeños y mantenibles a plataformas sobredimensionadas. - Documentar decisiones, permisos y operación para que el equipo no dependa de memoria informal. - Proteger datos sensibles desde el diseño. --- ## Sobre enter 2.0 > enter 2.0 es una consultoría senior con sede en Navarra, experiencia amplia en tercer sector y trabajo en IA, datos, BI, automatización, sistemas operativos y gobierno IT. - URL: https://www.enter20.com/sobre-enter-20/ - English: https://www.enter20.com/en/about/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. enter 2.0 tiene sede en Navarra y trabaja con organizaciones que necesitan ordenar información, mejorar reporting, automatizar tareas y adoptar IA de forma práctica y segura. El foco comercial es cercano y local, pero la naturaleza del análisis y del trabajo digital permite colaborar con entidades de cualquier territorio cuando el encaje es claro. ### No es solo desarrollo. No es solo consultoría. Es resolver el sistema de información que sostiene el trabajo. El enfoque combina experiencia en IT, gestión, datos, BI, automatización, seguridad operativa y adopción de IA. La conversación puede empezar en dirección, administración, programas o IT, pero debe terminar en una mejora concreta del trabajo. Hay mucha experiencia en tercer sector: fundaciones, asociaciones, proyectos sociales, equipos pequeños, datos sensibles, reporting para financiadores e indicadores de actividad o impacto. La experiencia histórica se muestra como prueba de capacidades, no como un CV personal. Los proyectos con datos sensibles se presentan de manera anonimizada salvo autorización explícita. - **Sistemas operativos.** Plataformas modulares, gestión de personas, proyectos, actividades, permisos, administración y reporting. - **Datos e indicadores.** Modelos de datos, vistas de reporting, dashboards, social impact, BI, R/Shiny, React y hojas de cálculo gobernadas. - **Automatización.** Pipelines Python, OCR, PDFs, facturas, recibos, nóminas, encuestas, CSV, Excel, reglas y revisión humana. - **Tercer sector.** Mucha experiencia con fundaciones, asociaciones, proyectos sociales, equipos pequeños, justificación de actividad, indicadores y reporting para financiadores. - **Gobierno IT.** Backups, RLS, roles, despliegues, dominios, Cloudflare, Supabase, Firebase, Linux y documentación operativa. - **Dirección informática.** Función de Director de Informática a tiempo parcial para organizaciones que necesitan criterio senior sin crear un puesto interno completo. - **IA aplicada.** Uso de IA para diagnóstico, documentación, clasificación, extracción, prototipado y apoyo al desarrollo, siempre con control humano. Contacto: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) · [Formulario de contacto](https://www.enter20.com/contacto/) · [Cuestionario de diagnóstico](https://evaluo.enter20.com) --- ## Contacto > Contacto con enter 2.0 para diagnóstico de IA, datos, dashboards, herramientas operativas, automatización y gobierno IT. - URL: https://www.enter20.com/contacto/ - English: https://www.enter20.com/en/contact/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. La forma más útil de empezar es describir qué información está dispersa, qué decisión cuesta tomar o qué tarea repetitiva consume demasiado tiempo. Correo público: [contacta@enter20.com](https://www.enter20.commailto:contacta@enter20.com) - No se publican precios cerrados. El alcance depende del diagnóstico, el riesgo, los datos disponibles y la capacidad interna de la organización. - Los casos con información sensible se tratan de forma confidencial y se anonimizan por defecto si se usan como referencia pública. - Cada solicitud la lee y la responde una persona. ### ¿Prefiere un diagnóstico detallado? Si quiere explicarnos en detalle cómo trabaja su organización (procesos, datos, herramientas, IA, gobierno), puede iniciar nuestro cuestionario de diagnóstico estructurado en menos de 10 minutos. [Comenzar cuestionario](https://evaluo.enter20.com) --- ## Memoria organizativa: que el conocimiento se quede en la empresa aunque cambie la herramienta de IA > Cómo convertir procedimientos, definiciones y decisiones en fichas revisadas, con fuentes y vigencia, que cualquier herramienta de IA pueda usar y la empresa pueda llevarse. - URL: https://www.enter20.com/blog/memoria-organizativa-conocimiento-se-quede-en-la-empresa-aunque-cambie-herramienta-ia/ - English: https://www.enter20.com/en/blog/organisational-memory-keep-knowledge-when-changing-ai-tools/ - Actualizado: 9 de noviembre de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-11-09 - Actualizado: 2026-11-09 - Tema: Conocimiento y contexto para IA - Etiquetas: IA, conocimiento, contexto, documentación, portabilidad - Para: Dirección, responsables de área, IT y personas encargadas de la documentación interna - Equipo de enter 2.0 ### Respuesta breve Cada incorporación y cada cambio de herramienta obligan a explicar otra vez cómo funciona la organización. Si ese conocimiento se curara como fichas propias, en texto plano con fuentes, responsable, versión y fecha de revisión, podría usarlo cualquier asistente de IA y la organización podría llevárselo al cambiar de proveedor. La parte difícil no es el formato. Es resolver contradicciones entre documentos, decidir quién aprueba cada ficha y retirar de la consulta lo que ha vencido o lo que depende de una fuente que ha cambiado. ### Puntos clave - Si el contexto de los asistentes de IA se construye dentro de la herramienta de un proveedor, se pierde o hay que rehacerlo al cambiar de proveedor. - Curar el conocimiento como fichas propias en texto plano, con fuentes, responsable, versión y fecha de revisión, lo hace revisable y portable entre herramientas de IA. - Lo difícil no es el formato, sino resolver contradicciones entre documentos, decidir quién aprueba cada ficha y retirar de la consulta lo que ha vencido. - Un borrador sin aprobar no debería alimentar respuestas, y los permisos deben aplicarse antes de construir el contexto que recibe un asistente, no después. - Conviene empezar por un proceso acotado, validar las primeras fichas con quien las aplica a diario y ampliar después por áreas. ### El contexto no debería vivir en la herramienta Los asistentes de IA responden mejor cuando conocen las definiciones, los procedimientos y las decisiones de la organización. Lo habitual es construir ese contexto dentro de la herramienta: instrucciones personalizadas, documentos subidos, memoria del propio asistente. Al cambiar de proveedor, todo eso se pierde o hay que rehacerlo. Una biblioteca de fichas en Markdown con metadatos es independiente de la herramienta. Existen formatos abiertos en evolución, como el Open Knowledge Format, que proponen convenciones para procedencia, verificación y vigencia; sirven como formato de intercambio, no como garantía de compatibilidad con cualquier producto. ### Una ficha es una decisión revisada Dos procedimientos pueden decir cosas distintas sobre el mismo plazo: uno habla de treinta días y otro, más reciente, de cuarenta y cinco. Un modelo puede proponer un borrador que recoja ambos, pero la contradicción la resuelve una persona del área, que corrige el texto, escribe el motivo y aprueba. La aprobación registra responsable, fecha y versión. Cada ficha conserva sus fuentes y un historial. Un borrador sin aprobar no debería alimentar respuestas, y una ficha cuya fuente cambia debería dejar de distribuirse hasta que se contraste y apruebe de nuevo. La vigencia caduca: la cadencia de revisión se acuerda con cada área. ### Cada equipo recibe su contexto No todo el mundo debería recibir todas las fichas. Finanzas necesita el criterio de margen; comercial, las condiciones de renovación; operaciones, sus procedimientos. Los permisos deben aplicarse antes de construir el contexto que recibe un asistente, no después. Los metadatos de una ficha describen su procedencia y vigencia, pero no son un control de acceso ni una firma de autenticidad. Un paquete exportado no está cifrado: las cuentas, los permisos, las copias y el procedimiento de salida siguen siendo parte de la implantación, no del formato. ### Empezar por un proceso acotado Convertir toda la documentación de golpe suele fracasar. Es más útil elegir un proceso concreto, seleccionar sus fuentes autorizadas, curar las primeras fichas, validarlas con quien las aplica a diario y ponerlas en uso. Después se amplía por áreas, con responsables y revisiones acordadas. El resultado es un criterio común entre áreas y herramientas, incorporaciones y relevos con conocimiento revisado y la posibilidad de cambiar de proveedor de IA sin volver a empezar. Es un trabajo organizativo con soporte técnico, no al revés. ### Preguntas frecuentes #### ¿Cómo evito perder el contexto que he dado a un asistente de IA si cambiamos de proveedor? Conviene que ese contexto no viva dentro de la herramienta: las instrucciones personalizadas, los documentos subidos y la memoria del asistente se pierden o hay que rehacerlos al cambiar de proveedor. La alternativa es una biblioteca de fichas propias en Markdown con metadatos, independiente de la herramienta. Cada ficha recoge sus fuentes, responsable, versión y fecha de revisión, de modo que podría usarla cualquier asistente de IA. #### ¿Qué hago si dos documentos internos dicen cosas distintas sobre el mismo procedimiento? La contradicción la resuelve una persona del área, no el modelo. Un modelo puede proponer un borrador que recoja ambas versiones, pero es esa persona quien corrige el texto, escribe el motivo y aprueba la ficha. La aprobación registra responsable, fecha y versión, y la ficha conserva sus fuentes y un historial. Si una fuente cambia, la ficha debería dejar de distribuirse hasta que se contraste y apruebe de nuevo. #### ¿Cómo controlo qué conocimiento interno recibe cada equipo cuando usa un asistente de IA? Los permisos deben aplicarse antes de construir el contexto que recibe el asistente, no después, porque no todo el mundo debería recibir todas las fichas: finanzas, comercial y operaciones necesitan cosas distintas. Los metadatos de una ficha describen su procedencia y vigencia, pero no son un control de acceso ni una firma de autenticidad. Las cuentas, los permisos, las copias y el procedimiento de salida forman parte de la implantación, no del formato. #### ¿Por dónde empiezo a documentar el conocimiento de la organización para usarlo con IA? Por un proceso acotado: convertir toda la documentación de golpe suele fracasar. Se elige un proceso concreto, se seleccionan sus fuentes autorizadas, se curan las primeras fichas, se validan con quien las aplica a diario y se ponen en uso. Después se amplía por áreas, con responsables y revisiones acordadas. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) --- ## Trabajar con asistentes de IA sin perder el hilo: reglas y memoria en el repositorio > Un método para desarrollar con asistentes de IA de forma trazable: reglas únicas, memoria versionada, prompts de sesión, relevos y un guardián antes de cada commit. - URL: https://www.enter20.com/blog/trabajar-con-asistentes-de-ia-sin-perder-el-hilo-reglas-memoria-repositorio/ - English: https://www.enter20.com/en/blog/working-with-ai-assistants-rules-memory-in-repository/ - Actualizado: 23 de octubre de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-10-23 - Actualizado: 2026-10-23 - Tema: Método de trabajo con IA - Etiquetas: IA, asistentes de código, método, documentación, trazabilidad - Para: Responsables IT, equipos técnicos pequeños y quienes contratan desarrollo asistido por IA - Equipo de enter 2.0 ### Respuesta breve Un asistente de IA que programa es tan fiable como el contexto que recibe. Si las reglas y el estado del proyecto viven en el repositorio, versionados junto al código, cualquier asistente o persona puede empezar donde lo dejó el anterior, y cada cambio deja rastro. El método cabe en pocos ficheros: un documento de reglas vinculantes, una carpeta de memoria ligera, tres prompts de sesión (empezar, cerrar, relevar) y un guardián que se ejecuta antes de cada commit. ### Puntos clave - Si las reglas y el estado del proyecto viven en el repositorio, versionados junto al código, cualquier asistente o persona puede continuar donde lo dejó el anterior. - Conviene un único documento de reglas vinculantes y que los ficheros de instrucciones de cada herramienta solo apunten a él, para que no haya dos verdades. - La memoria compartida debe ser ligera a propósito y tener límites de tamaño, porque una memoria que crece sin control deja de leerse. - Una nota de relevo con la tarea, lo hecho, lo que está a medias, el siguiente paso exacto y lo no verificado permite retomar el trabajo sin reconstruir nada. - Un guardián antes de cada commit comprueba que lo privado sigue ignorado y que no hay nada con forma de secreto; si falla, no hay commit. ### Una sola fuente de reglas Cada herramienta tiene su fichero de instrucciones, y es tentador mantener varias versiones. Es mejor que exista un único documento de reglas y que los ficheros de cada herramienta solo apunten a él. Así no hay dos verdades sobre lo que se puede y no se puede hacer. Las reglas útiles son concretas: dónde se trabaja y dónde no, qué datos nunca se abren, qué acciones exigen aprobación de una persona (desplegar, cambiar un secreto, tocar el DNS, escribir a alguien), cómo se informa del estado y qué comprobaciones preceden a un commit. ### Memoria ligera a propósito La memoria compartida necesita pocos ficheros con funciones claras: el objetivo actual y el estado, el sistema tal como es hoy, los procedimientos, lo pendiente, las decisiones duraderas con fecha y un registro de lo hecho en cada sesión. Lo superado se archiva para que cada sesión arranque leyendo poco. Poner límites de tamaño a esos ficheros, y que el guardián falle si se superan, obliga a resumir y a archivar. Una memoria que crece sin control deja de leerse, y una memoria que no se lee no existe. ### Empezar, cerrar y relevar Al empezar, el asistente lee las reglas y el estado, informa de la situación del repositorio y no cambia nada hasta que una persona confirma. Al cerrar, actualiza el registro, lo pendiente y las decisiones, pasa las comprobaciones y prepara el commit. Las dos rutinas se escriben una vez y se comparten entre herramientas. El relevo es la pieza que suele faltar: una nota fechada con la tarea, lo hecho, lo que está a medias (con los ficheros), el siguiente paso exacto y lo que no se verificó. Con esa nota y un commit marcado como trabajo en curso, otro asistente, de otro fabricante o la misma persona al día siguiente, retoma sin reconstruir nada. ### Un guardián antes de cada commit y palabras de estado honestas Un script que comprueba que lo privado sigue ignorado y que el cambio preparado no contiene nada con forma de secreto cuesta poco y evita el error más caro. Si falla, no hay commit, y solo dice el nombre del problema, nunca el valor. Por último, el vocabulario: «preparado» significa que funciona en local con las pruebas pasadas; «desplegado», que está publicado y comprobado con peticiones reales; «validado», que la persona responsable lo ha recorrido en su equipo. Usar tres palabras distintas evita que un prototipo se cuente como una entrega. ### Preguntas frecuentes #### ¿Cómo evito que se pierda el contexto de un proyecto al trabajar con asistentes de IA que programan? Guardando las reglas y el estado del proyecto en el repositorio, versionados junto al código, en lugar de en el chat de una herramienta, que se pierde al cerrarla. Así cualquier asistente o persona puede empezar donde lo dejó el anterior, y cada cambio deja rastro. El método cabe en pocos ficheros: un documento de reglas vinculantes, una carpeta de memoria ligera, tres prompts de sesión (empezar, cerrar y relevar) y un guardián que se ejecuta antes de cada commit. #### ¿Qué reglas conviene dar a un asistente de IA que programa en nuestro repositorio? Reglas concretas, reunidas en un único documento al que apunten los ficheros de instrucciones de cada herramienta. Deben decir dónde se trabaja y dónde no, qué datos nunca se abren, qué acciones exigen aprobación de una persona (desplegar, cambiar un secreto, tocar el DNS o escribir a alguien), cómo se informa del estado y qué comprobaciones preceden a un commit. Mantener una sola fuente evita que haya dos verdades sobre lo que se puede y no se puede hacer. #### ¿Cómo puede otro asistente de IA u otra persona retomar una tarea que quedó a medias? Con una nota de relevo fechada que recoja la tarea, lo hecho, lo que está a medias (con los ficheros), el siguiente paso exacto y lo que no se verificó. Junto con un commit marcado como trabajo en curso, permite que otro asistente, aunque sea de otro fabricante, o la misma persona al día siguiente retome el trabajo sin reconstruir nada. Es la pieza que suele faltar. #### ¿Qué diferencia hay entre un trabajo preparado, desplegado y validado? «Preparado» significa que funciona en local con las pruebas pasadas; «desplegado», que está publicado y comprobado con peticiones reales; «validado», que la persona responsable lo ha recorrido en su equipo. Usar tres palabras distintas evita que un prototipo se cuente como una entrega. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) --- ## Seguridad en capas para herramientas internas pequeñas: identidad en el borde y fallar cerrado > Identidad en el borde, servicios que fallan cerrado, túneles en lugar de puertos abiertos, formularios protegidos y secretos que nunca se imprimen. - URL: https://www.enter20.com/blog/seguridad-en-capas-herramientas-internas-identidad-en-el-borde-fallar-cerrado/ - English: https://www.enter20.com/en/blog/layered-security-internal-tools-identity-at-edge-fail-closed/ - Actualizado: 6 de octubre de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-10-06 - Actualizado: 2026-10-06 - Tema: Seguridad de herramientas internas - Etiquetas: seguridad, Zero Trust, herramientas internas, identidad, secretos - Para: Responsables IT, dirección y personas que encargan herramientas internas - Equipo de enter 2.0 ### Respuesta breve Ninguna capa de seguridad debería darse por buena sola. Si una falla o se configura mal, la siguiente tiene que seguir cerrando el paso. Para una herramienta interna pequeña, eso se traduce en identidad antes de llegar a nada, un servicio que vuelve a comprobar la sesión en cada petición y datos con permisos propios. El principio más útil es fallar cerrado: si falta configuración, el servicio no sirve nada. Es preferible un error visible a una herramienta abierta sin que nadie lo sepa. ### Puntos clave - Ninguna capa de seguridad debería darse por buena sola: si una falla o se configura mal, la siguiente tiene que seguir cerrando el paso. - Una herramienta interna pequeña no necesita VPN: un código de un solo uso enviado al correo y una lista de personas autorizadas resuelven la entrada. - El servicio debe comprobar la sesión en cada petición, mantener su propia lista de correos permitidos y fallar cerrado si le falta configuración. - Lo que vive en la oficina puede publicarse con una conexión saliente hacia el borde de la red, sin abrir puertos en el router y siempre con la identidad delante. - En la documentación, los registros y las conversaciones con asistentes de IA debe aparecer el nombre de un secreto, nunca su valor. ### Identidad antes de llegar a nada Un equipo pequeño no necesita contraseñas que recordar ni que se puedan filtrar. Un código de un solo uso enviado al correo y una política con la lista de personas autorizadas resuelven la entrada a una herramienta privada, sin VPN ni nada que instalar. Detrás de esa puerta, el propio servicio debería comprobar el token de sesión en cada petición: algoritmo, emisor, audiencia, caducidad, correo y firma. Y mantener su propia lista de correos permitidos, de modo que si la política de acceso se amplía por error, la herramienta siga cerrada. ### El mismo error para todos los fallos Un token falsificado, uno caducado y uno sin correo deberían recibir la misma respuesta, sin explicar qué comprobación falló. Decir «el token ha caducado» ayuda a quien ataca a afinar; decir «vuelve a entrar» basta a quien usa la herramienta. Si el servicio no tiene configurados sus parámetros de verificación, debe responder que el acceso no está configurado y no servir nada, aunque el token fuera válido. Un despliegue incompleto no puede ser un despliegue abierto. ### Túneles, no puertos abiertos Lo que vive en la oficina (una base de datos, un equipo que lee documentos) puede publicarse con una conexión saliente hacia el borde de la red, sin abrir ningún puerto en el router. La identidad va siempre delante, también para una prueba rápida. Para formularios públicos, una comprobación contra bots sin captchas molestos, un campo trampa y la dirección IP guardada solo como hash reducen el ruido sin pedir nada a la persona. Y una política de contenido estricta en el navegador evita que un script ajeno se cuele en la página. ### Secretos solo por su nombre En la documentación, en las conversaciones con asistentes de IA y en los registros debería aparecer el nombre del secreto, nunca su valor. El valor vive en el gestor de secretos del servicio y en un fichero local ignorado por el control de versiones. Una clave de despliegue por repositorio, un guardián que revisa cada commit en busca de algo con forma de secreto y una lista corta de acciones que requieren aprobación humana (desplegar, cambiar un secreto, tocar la configuración de acceso o el DNS) completan una higiene que cuesta poco y evita incidentes. ### Preguntas frecuentes #### ¿Cómo protejo el acceso a una herramienta interna pequeña sin montar una VPN? Poniendo la identidad antes de llegar a nada: un código de un solo uso enviado al correo y una política con la lista de personas autorizadas, sin contraseñas ni nada que instalar. Detrás, el propio servicio debería comprobar el token de sesión en cada petición (algoritmo, emisor, audiencia, caducidad, correo y firma) y mantener su propia lista de correos permitidos. Así, si la política de acceso se amplía por error, la herramienta sigue cerrada. #### ¿Qué significa que una herramienta interna «falle cerrado»? Significa que, si le falta configuración, el servicio no sirve nada. Si no tiene configurados sus parámetros de verificación, debe responder que el acceso no está configurado, aunque el token fuera válido. Es preferible un error visible a una herramienta abierta sin que nadie lo sepa: un despliegue incompleto no puede ser un despliegue abierto. #### ¿Qué mensaje de error debe mostrar una herramienta interna cuando falla la comprobación de acceso? El mismo para todos los fallos, sin explicar qué comprobación falló. Un token falsificado, uno caducado y uno sin correo deberían recibir la misma respuesta. Decir «el token ha caducado» ayuda a quien ataca a afinar, mientras que «vuelve a entrar» basta a quien usa la herramienta. #### ¿Qué medidas básicas evitan que se filtren las claves y secretos de una herramienta interna? En la documentación, en los registros y en las conversaciones con asistentes de IA debe aparecer el nombre del secreto, nunca su valor, que vive en el gestor de secretos del servicio y en un fichero local ignorado por el control de versiones. A eso se suman una clave de despliegue por repositorio y un guardián que revisa cada commit en busca de algo con forma de secreto. Una lista corta de acciones que requieren aprobación humana, como desplegar, cambiar un secreto o tocar la configuración de acceso o el DNS, completa una higiene que cuesta poco y evita incidentes. ### Servicios y casos conectados - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) - [Pipeline de encuestas y análisis cualitativo](https://www.enter20.com/trabajos/encuestas-analisis-cualitativo/) --- ## Del PDF al dato revisado: huella, evidencia y cola de revisión > Cómo diseñar la extracción de datos de documentos con huella para duplicados, evidencia por campo, originales inmutables y revisión humana que no frena el trabajo. - URL: https://www.enter20.com/blog/del-pdf-al-dato-revisado-huella-evidencia-cola-de-revision/ - English: https://www.enter20.com/en/blog/from-pdf-to-reviewed-data-fingerprint-evidence-review-queue/ - Actualizado: 18 de septiembre de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-09-18 - Actualizado: 2026-09-18 - Tema: Automatización documental - Etiquetas: documentos, automatización, OCR, evidencia, revisión humana - Para: Administración, responsables de operaciones e IT - Equipo de enter 2.0 ### Respuesta breve Un flujo documental fiable no empieza por el modelo que lee el PDF. Empieza por identificar cada documento con una huella, conservar el original sin tocarlo, guardar junto a cada dato extraído la evidencia de dónde salió y dejar que una persona apruebe lo que importa. Con esas cuatro piezas, da igual si la extracción la hacen reglas, OCR o un modelo de lenguaje: el resultado se puede comprobar, corregir y explicar. ### Puntos clave - Un flujo documental fiable se apoya en cuatro piezas: huella de cada documento, original intacto, evidencia junto a cada dato extraído y aprobación humana de lo que importa. - Una huella criptográfica del contenido detecta duplicados aunque cambie el nombre del fichero o la carpeta, y demuestra que el documento aprobado es el que se recibió. - Si al revisar un dato se ilumina el fragmento del PDF del que procede, la revisión dura segundos y los errores se ven. - Conviene empezar con reglas deterministas, baratas y predecibles, y reservar un modelo de IA para los documentos que las reglas no resuelven. - Cuando una regla es débil, el sistema debe avisar en lugar de dar el resultado por bueno: un aviso honesto vale más que una coincidencia silenciosa. ### La huella evita pagar dos veces Un mismo documento llega por cinco vías: correo, portal del proveedor, escaneado, reenviado por un compañero, descargado otra vez. Si el sistema calcula una huella criptográfica del contenido, el duplicado se detecta aunque cambie el nombre del fichero o la carpeta. La huella sirve también para no procesar dos veces un mismo pliego o una misma convocatoria, y para demostrar más tarde que el documento aprobado es exactamente el que se recibió. ### El original no se toca Al aprobar un documento, conviene archivar una copia con un nombre normalizado (fecha, proveedor, número) y dejar el original intacto. Un inventario de un servidor de ficheros debería montarse en solo lectura: clasificar y extraer no pueden modificar ni borrar nada. Esa inmutabilidad simplifica las auditorías y la justificación de subvenciones: siempre existe el documento tal cual llegó, y la copia normalizada es una comodidad, no la fuente. ### Cada dato con su evidencia Un importe, una fecha o un NIF extraídos sin indicar de qué parte del documento salieron son difíciles de revisar. Si al pasar el ratón por el dato se ilumina el fragmento del PDF del que procede, la revisión dura segundos y los errores se ven. Conviene empezar con reglas deterministas, que son baratas y predecibles, y reservar un modelo de IA para los documentos que las reglas no resuelven. Si el modelo se ejecuta fuera de la oficina, debe estar desactivado por defecto y activarse por documento, con esa decisión registrada. ### Una revisión que no frena La revisión humana no tiene que ser leerlo todo. Puede ser una bandeja de excepciones: lo que cumple las reglas pasa marcado como propuesta, y lo que no cumple el formato esperado, o falla dos veces, queda en «revisar a mano». Cada aprobación registra quién y cuándo. Cuando una regla es débil, por ejemplo al casar una nómina con una transferencia por importe y fecha aproximada, el sistema debería decirlo en lugar de dar el resultado por bueno. Un aviso honesto vale más que una coincidencia silenciosa. ### Preguntas frecuentes #### ¿Cómo evito procesar o pagar dos veces la misma factura cuando llega por distintas vías? Calculando una huella criptográfica del contenido de cada documento: así el duplicado se detecta aunque cambie el nombre del fichero o la carpeta. La misma huella evita procesar dos veces un pliego o una convocatoria y permite demostrar después que el documento aprobado es exactamente el que se recibió. #### ¿Debo usar IA o reglas para extraer datos de facturas y nóminas? Conviene empezar con reglas deterministas, que son baratas y predecibles, y reservar un modelo de IA para los documentos que las reglas no resuelven. Si el modelo se ejecuta fuera de la oficina, debe estar desactivado por defecto y activarse documento a documento, dejando registrada esa decisión. Con huella, original intacto, evidencia y revisión humana, el resultado se puede comprobar y corregir sea cual sea el método de extracción. #### ¿Cómo se revisan los datos extraídos de PDFs sin tener que leerlo todo? Con una bandeja de excepciones: lo que cumple las reglas pasa marcado como propuesta y lo que no cumple el formato esperado, o falla dos veces, queda pendiente de revisar a mano. Si cada dato muestra el fragmento del PDF del que procede, la comprobación dura segundos. Cada aprobación registra quién la hizo y cuándo. #### ¿Por qué conservar el documento original si ya tenemos los datos extraídos? Porque el original intacto simplifica las auditorías y la justificación de subvenciones: siempre existe el documento tal como llegó. Al aprobarlo puede archivarse una copia con un nombre normalizado (fecha, proveedor, número), pero esa copia es una comodidad, no la fuente. Por el mismo motivo, el inventario de un servidor de ficheros debería montarse en solo lectura. ### Servicios y casos conectados - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) --- ## Una copia de seguridad vale lo que vale su restauración > Copias por capas, restauraciones de prueba mensuales, runbooks con vuelta atrás y decisiones registradas para la continuidad de una organización pequeña. - URL: https://www.enter20.com/blog/una-copia-de-seguridad-vale-lo-que-vale-su-restauracion/ - English: https://www.enter20.com/en/blog/backup-only-as-good-as-its-restore/ - Actualizado: 31 de agosto de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-08-31 - Actualizado: 2026-08-31 - Tema: Continuidad y operación IT - Etiquetas: copias de seguridad, continuidad, operación IT, runbooks, decisiones - Para: Dirección, responsables IT y administración de organizaciones pequeñas - Equipo de enter 2.0 ### Respuesta breve Una copia de seguridad no se comprueba leyendo su registro, sino restaurándola. Hay copias que el sistema da por buenas durante meses y que, llegado el momento, no permiten volver al punto que se necesita. La continuidad se construye con capas: una copia local rápida, una copia que un equipo central «tira» y que el equipo copiado no puede borrar, y una copia fuera de la oficina con una clave limitada. Y con una restauración de prueba en el calendario. ### Puntos clave - Una copia de seguridad no se comprueba leyendo su registro, sino restaurándola: hay copias que el sistema da por buenas y que no permiten volver al punto necesario. - Un disco grande, un servidor de ficheros o una carpeta sincronizada dan una sensación de seguridad que no resiste un fallo de hardware, un borrado por error ni un ataque de cifrado. - La continuidad se construye por capas: una copia local rápida, una copia que un equipo central se lleva y que el equipo copiado no puede borrar, y otra fuera de la oficina. - La capa cero es poder reconstruir el equipo desde cero con procedimientos y configuración versionados; si depende de la memoria de una persona, no es una capa. - Una comprobación de integridad semanal y una restauración de prueba mensual, con fecha y resultado anotados, convierten la copia de un acto de fe en un dato. ### Un disco grande no es una copia Tener los datos en un disco de mucha capacidad, en un servidor de ficheros o en una carpeta sincronizada da una sensación de seguridad que no resiste un fallo de hardware, un borrado por error o un ataque que cifre el equipo. Cuando un disco empieza a fallar, lo correcto es dejar de escribir en él y montarlo solo en lectura para rescatar lo que se pueda. Un ataque que cifra un equipo también cifra todo lo que ese equipo puede alcanzar. Por eso la copia importante es la que el equipo no puede tocar: una estación central se conecta, se lleva la copia cifrada y el equipo de la oficina no guarda las credenciales de esa estación. ### Capas y qué pasa si Una forma de explicar las copias a quien no es técnico es por escenarios. Se borra una carpeta por error: se recupera de la copia local del día anterior. Se estropea el disco: se reinstala el equipo desde el repositorio de configuración y se restaura la copia de la estación central. Incendio o robo: equipo nuevo, reconstrucción y datos desde la nube en una región europea. La capa cero es poder reconstruir el equipo desde cero con procedimientos y configuración versionados. Si eso depende de la memoria de una persona, no es una capa. ### Restaurar de prueba y contar los fallos tal cual Una comprobación de integridad semanal y una restauración de prueba mensual, con fecha y resultado anotados, cambian la conversación: la copia deja de ser un acto de fe y pasa a ser un dato. Los ensayos destapan errores que el registro no muestra, como copias marcadas como fallidas porque un fichero cambió durante la copia aunque el archivo se creó bien. Distinguir aviso de fallo, y alertar solo por los fallos reales, evita que el equipo deje de leer las alertas. Y guardar la versión anterior de un script antes de arreglarlo permite volver atrás si el arreglo da problemas. ### Decisiones escritas y procedimientos con vuelta atrás Cada decisión duradera merece una nota corta: contexto, decisión, excepciones y consecuencias. Por ejemplo, que fuera de la oficina solo vaya configuración mientras el cliente no decida sobre sus datos, o que la nube se use solo con autorización registrada. Años después, esa nota explica por qué las cosas son como son. Un procedimiento no está listo si no dice cómo se verifica y cómo se revierte. Objetivo, comando, verificación y vuelta atrás caben en media página, y esa media página es la diferencia entre una operación y una apuesta. ### Preguntas frecuentes #### ¿Cómo sé si una copia de seguridad funciona de verdad? Restaurándola, no leyendo su registro. Hay copias que el sistema da por buenas durante meses y que, llegado el momento, no permiten volver al punto que se necesita. Una comprobación de integridad semanal y una restauración de prueba mensual, con fecha y resultado anotados, convierten la copia de un acto de fe en un dato. Los ensayos destapan errores que el registro no muestra. #### ¿Cómo protejo las copias de seguridad frente a un ataque que cifre los equipos? Haciendo que la copia importante quede fuera del alcance del equipo copiado, porque un ataque que cifra un equipo también cifra todo lo que ese equipo puede alcanzar. Una estación central se conecta, se lleva la copia cifrada, y el equipo de la oficina no guarda las credenciales de esa estación. A esa capa se suman una copia local rápida y una copia fuera de la oficina con una clave limitada. #### ¿Cómo se recuperan los datos si se borra una carpeta por error o se estropea un disco? Cada escenario se resuelve con una capa distinta. Una carpeta borrada por error se recupera de la copia local del día anterior; si se estropea el disco, se reinstala el equipo desde el repositorio de configuración y se restaura la copia de la estación central. Ante un incendio o un robo, se parte de un equipo nuevo, se reconstruye y se recuperan los datos desde la nube. Si un disco empieza a fallar, lo correcto es dejar de escribir en él y montarlo solo en lectura para rescatar lo que se pueda. #### ¿Qué debe incluir un procedimiento de operación IT para que sea fiable? Objetivo, comando, verificación y vuelta atrás: un procedimiento no está listo si no dice cómo se verifica y cómo se revierte. Todo ello cabe en media página, y esa media página es la diferencia entre una operación y una apuesta. Además, cada decisión duradera merece una nota corta con contexto, decisión, excepciones y consecuencias, que años después explica por qué las cosas son como son. ### Servicios y casos conectados - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) --- ## Los permisos viven en la base de datos, no en la pantalla > Por qué los permisos, las validaciones y la auditoría de una herramienta interna deben aplicarse en la base de datos y no solo en la interfaz. - URL: https://www.enter20.com/blog/los-permisos-viven-en-la-base-de-datos-no-en-la-pantalla/ - English: https://www.enter20.com/en/blog/permissions-live-in-the-database-not-the-screen/ - Actualizado: 13 de agosto de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-08-13 - Actualizado: 2026-08-13 - Tema: Herramientas internas y permisos - Etiquetas: permisos, bases de datos, herramientas internas, seguridad, auditoría - Para: Responsables IT, dirección de operaciones y quienes encargan herramientas internas - Equipo de enter 2.0 ### Respuesta breve Una regla de acceso que solo existe en la interfaz es una sugerencia. Si alguien llama a la API directamente, abre otra pantalla o un error deja pasar una consulta, la regla desaparece. Las reglas que importan deben cumplirse en la base de datos. Lo mismo vale para las validaciones y la auditoría: que una persona no pueda estar asignada al 120 %, que un fichaje antiguo no se edite o que cada cambio deje rastro son garantías que conviene aplicar donde viven los datos. ### Puntos clave - Una regla de acceso que solo existe en la interfaz es una sugerencia: basta una llamada directa a la API, otra pantalla o un error para saltarla. - Con políticas de fila, la base de datos filtra cada consulta según quién pregunta, y lo que no corresponde a un usuario no está oculto: no está. - Las reglas de negocio deben validarse en los datos, porque una importación, un script o una pantalla nueva saltarán las que solo aplica el formulario. - Una práctica útil es que la aplicación escriba solo a través de funciones con permisos acotados, que registran el cambio y la auditoría en la misma transacción. - Cerrar, archivar o desactivar en lugar de borrar conserva el historial, mantiene los informes coherentes y permite explicar las decisiones. ### Cada área ve solo lo suyo En una herramienta compartida por varias áreas, o por varias empresas en una misma plataforma, el aislamiento se resuelve con políticas de fila: la base de datos filtra cada consulta según quién pregunta. Mantenimiento ve sus asuntos, gerencia los ve todos, y nadie tiene que acordarse de añadir un filtro en cada pantalla. El efecto práctico se nota al cambiar de usuario: lo que no corresponde deja de existir para esa sesión. No está oculto; no está. Esa diferencia es la que protege cuando la interfaz tiene un error. ### Escribir solo a través de funciones Una práctica útil es que la aplicación no escriba directamente en las tablas, sino a través de funciones con permisos acotados. Cada función hace una cosa, comprueba lo que debe comprobar y registra en la misma transacción el cambio, la auditoría y, si procede, un comentario automático. Con un número de versión en cada registro, dos personas no se pisan: si alguien guarda sobre una versión antigua, la operación falla y se le muestra el cambio del otro. Es más sencillo que bloquear registros y evita pérdidas silenciosas. ### Validar en los datos, no en el formulario Que una persona no supere el 100 % de dedicación en periodos que se solapan, que un PIN se bloquee tras cinco intentos o que un fichaje antiguo no se pueda modificar son reglas de negocio. Si solo las aplica el formulario, una importación, un script o una pantalla nueva las saltarán sin querer. Lo mismo con lo que no debe salir: el precio de coste de un catálogo debe eliminarse en la API pública, no solo ocultarse en la pantalla, y una puntuación interna de un cuestionario no debería enviarse nunca al navegador del cliente. ### Nunca borrar: cerrar o desactivar Borrar destruye el historial y, con él, la posibilidad de explicar una decisión. Cerrar, archivar o desactivar conserva lo ocurrido y mantiene los informes coherentes. Para cerrar un asunto puede exigirse escribir lo aprendido: cuesta poco y deja memoria. Estas decisiones no requieren una plataforma grande. Una base de datos relacional bien configurada, funciones con permisos acotados y una copia de seguridad obligatoria antes de cada migración bastan para que una herramienta pequeña sea fiable durante años. ### Preguntas frecuentes #### ¿Es suficiente ocultar datos en la interfaz para que cada área vea solo lo suyo? No. Una regla de acceso que solo existe en la pantalla desaparece si alguien llama a la API directamente, abre otra pantalla o un error deja pasar una consulta. El aislamiento se resuelve con políticas de fila en la base de datos, que filtran cada consulta según quién pregunta. Así, lo que no corresponde a un usuario no está oculto: no existe para su sesión. #### ¿Cómo evito que dos personas se sobrescriban los cambios en una herramienta interna? Con un número de versión en cada registro. Si alguien guarda sobre una versión antigua, la operación falla y se le muestra el cambio de la otra persona. Es más sencillo que bloquear registros y evita pérdidas silenciosas. #### ¿Las validaciones de negocio deben aplicarse en el formulario o en la base de datos? En la base de datos. Reglas como que una persona no supere el 100 % de dedicación en periodos solapados, que un PIN se bloquee tras cinco intentos o que un fichaje antiguo no se pueda modificar se saltan sin querer si solo las aplica el formulario: basta una importación, un script o una pantalla nueva. Lo mismo vale para los datos que no deben salir, como el precio de coste de un catálogo en una API pública. #### ¿Hace falta una plataforma grande para que una herramienta interna sea fiable? No. Validar en los datos, aplicar permisos por fila o cerrar registros en lugar de borrarlos no requiere una plataforma grande. Una base de datos relacional bien configurada, funciones con permisos acotados y una copia de seguridad obligatoria antes de cada migración bastan para que una herramienta pequeña sea fiable durante años. ### Servicios y casos conectados - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Director de Informática](https://www.enter20.com/servicios/director-de-informatica/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) --- ## La IA propone y una persona decide: cómo inventariar el uso de IA en tus herramientas > Cómo documentar en cada herramienta qué hace la IA, qué no hace nunca, dónde se ejecuta y quién revisa, con criterios aplicables a pymes y entidades sociales. - URL: https://www.enter20.com/blog/la-ia-propone-una-persona-decide-inventariar-uso-ia-herramientas/ - English: https://www.enter20.com/en/blog/ai-proposes-a-person-decides-inventory-ai-use/ - Actualizado: 26 de julio de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-07-26 - Actualizado: 2026-07-26 - Tema: Gobierno de la IA - Etiquetas: IA, gobernanza, revisión humana, proveedores, Reglamento de IA - Para: Dirección general, responsables IT y responsables de área - Equipo de enter 2.0 ### Respuesta breve Gobernar la IA en una organización pequeña no exige un comité ni un documento de cincuenta páginas. Exige una tabla honesta: para cada herramienta, qué hace la IA, qué no hace nunca, dónde se ejecuta y qué persona revisa lo que propone. Esa tabla aclara más que cualquier política genérica. Permite ver que en algunas herramientas la IA solo transcribe, en otras prepara una ficha que alguien valida y en otras, a propósito, no hay IA. ### Puntos clave - Gobernar la IA en una organización pequeña exige una tabla honesta: para cada herramienta, qué hace la IA, qué no hace nunca, dónde se ejecuta y quién revisa. - Escribir lo que la IA no hace nunca, como puntuar candidaturas o responder a un cliente, evita que su alcance crezca sin que nadie lo decida. - Lo que se entrega a un modelo externo sale de la organización, y quitar el nombre no es anonimizar: sector, tamaño, fechas y cargos también identifican. - Toda salida de un modelo debería llegar marcada como propuesta, con su evidencia, hasta que una persona la acepte, corrija o rechace, quedando registrado quién y cuándo. - A veces la respuesta correcta es no usar IA, como en un canal de denuncias, donde la confianza se apoya en que una persona instruye el caso. ### Cuatro columnas que lo cambian todo La primera columna describe la tarea en concreto: transcribir un currículum a una ficha, extraer objeto, plazo e importe de una convocatoria, proponer una clasificación para un documento. Cuanto más acotada es la tarea, más fácil resulta revisarla y sustituirla. La segunda recoge lo que la IA no hace nunca: puntuar candidaturas, decidir si la organización se presenta a un concurso, responder a un cliente, prometer resultados. Escribirlo evita que el alcance crezca sin que nadie lo decida. Las otras dos columnas, dónde se ejecuta y quién revisa, convierten la tabla en un mapa de riesgo. ### Dónde se ejecuta importa tanto como qué hace Lo que se entrega a un modelo externo sale de la organización. Por eso conviene distinguir entre un modelo que corre en un equipo propio, uno que corre en la cuenta de un proveedor bajo contrato y uno externo que solo recibe texto público, como el de una convocatoria oficial. Una capa propia entre la aplicación y el modelo permite cambiar de proveedor sin reescribir el producto, y registrar cada llamada con su coste permite saber cuánto cuesta y cuándo falla. Quitar el nombre no es anonimizar. El sector, el tamaño, las fechas y los cargos identifican igual que un apellido. Minimizar lo que se envía y agregar los datos con umbrales mínimos protege más que un borrado superficial. ### Marcar la propuesta hasta que alguien la revise Todo lo que sale de un modelo debería llegar marcado como propuesta, con su evidencia al lado: el fragmento del documento del que se extrajo un importe, el párrafo del que salió una fecha. La marca desaparece cuando una persona acepta, corrige o rechaza, y queda registrado quién lo hizo y cuándo. Si la salida no cumple el formato esperado, conviene un reintento y, si vuelve a fallar, una cola de revisión manual. Un sistema que degrada hacia la persona es más fiable que uno que improvisa. ### Cuándo la respuesta correcta es no usar IA Un canal de denuncias no debería depender de un modelo para nada: la confianza de quien comunica se apoya en que una persona instruye el caso. Una herramienta que reconstruye horas facturables a partir del calendario puede clasificar con reglas y palabras clave, que son predecibles y auditables. Las herramientas de selección de personal merecen atención especial: el Reglamento europeo de IA considera de alto riesgo los sistemas que filtran o evalúan candidaturas. Diseñar la herramienta para que la IA solo transcriba, sin puntuar, ordenar ni extraer edad, sexo o nacionalidad, es una decisión de diseño que debe documentarse y que no sustituye el análisis jurídico de cada organización. ### Preguntas frecuentes #### ¿Cómo documento el uso de IA en las herramientas de mi organización sin montar un comité? Con una tabla de cuatro columnas para cada herramienta: qué tarea concreta hace la IA, qué no hace nunca, dónde se ejecuta y qué persona revisa lo que propone. Esa tabla aclara más que una política genérica y funciona como mapa de riesgo. Muestra, por ejemplo, que en unas herramientas la IA solo transcribe, en otras prepara una ficha que alguien valida y en otras, a propósito, no hay IA. #### ¿Basta con quitar los nombres antes de enviar datos a un modelo de IA externo? No. Quitar el nombre no es anonimizar: el sector, el tamaño, las fechas y los cargos identifican igual que un apellido. Minimizar lo que se envía y agregar los datos con umbrales mínimos protege más que un borrado superficial. También conviene distinguir si el modelo corre en un equipo propio, en la cuenta de un proveedor bajo contrato o en un servicio externo que solo recibe texto público. #### ¿Puede una herramienta de selección de personal usar IA para filtrar candidaturas? Es un caso que exige especial atención: el Reglamento europeo de IA considera de alto riesgo los sistemas que filtran o evalúan candidaturas. Una decisión de diseño posible es que la IA solo transcriba, sin puntuar, ordenar ni extraer edad, sexo o nacionalidad. Esa decisión debe documentarse y no sustituye el análisis jurídico de cada organización. #### ¿Qué debe hacer el sistema cuando la IA devuelve una respuesta con un formato incorrecto? Conviene un reintento y, si vuelve a fallar, enviar el caso a una cola de revisión manual. Un sistema que degrada hacia la persona es más fiable que uno que improvisa. En cualquier caso, todo lo que sale de un modelo debería llegar marcado como propuesta hasta que una persona lo acepte, corrija o rechace. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) --- ## Del ahorro de costes a la irrelevancia: el peligro de automatizar sin rediseñar tus procesos > Por qué aplicar herramientas avanzadas sobre procesos obsoletos y desordenados neutraliza el valor y la diferenciación de tu organización. - URL: https://www.enter20.com/blog/del-ahorro-de-costes-a-la-irrelevancia-peligro-automatizar-sin-redisenar-procesos/ - English: https://www.enter20.com/en/blog/danger-of-automating-without-redesigning-processes/ - Actualizado: 8 de julio de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-07-08 - Actualizado: 2026-07-08 - Tema: Adopción de tecnología y procesos - Etiquetas: automatización, procesos, estrategia, tecnología - Para: Dirección general, responsables de operaciones y coordinadores de proyectos - Equipo de enter 2.0 ### Respuesta breve En pequeñas organizaciones, fundaciones y pymes, aplicar herramientas avanzadas para hacer más rápido lo que ya se hace de forma manual solo traslada el desorden original a una plataforma digital más rápida. Centrar la estrategia en la ejecución barata de tareas comunes provoca un problema silencioso: la pérdida total de diferenciación y valor real en la gestión. ### Puntos clave - Automatizar tareas ineficientes sin rediseñar los procesos solo traslada el desorden original a una plataforma digital más rápida. - Delegar tareas rutinarias en herramientas de bajo coste es correcto; el error es creer que optimizar esa capa rutinaria equivale a toda la transformación digital. - Resolver procesos heredados con las mismas instrucciones genéricas que la competencia vuelve homogéneo el impacto de la organización y elimina su diferenciación. - Como ocurrió con la electricidad en las fábricas, el salto de productividad llega al rediseñar el flujo completo de trabajo, no al cambiar solo el motor. - La transformación real se apoya en pilares internos y no en herramientas genéricas externas: memoria propia, datos limpios y una cultura de experimentación. ### El error del filtro táctico Es correcto delegar problemas rutinarios y mecánicos —como procesar textos estándar o estructurar datos repetitivos— en herramientas de bajo coste para controlar el presupuesto. El error surge cuando la dirección considera que optimizar esa capa rutinaria constituye la transformación digital completa. Si utilizas las mismas instrucciones genéricas que tu competencia para resolver procesos heredados, tu impacto organizativo se vuelve completamente homogéneo. ### La lección histórica: rediseñar la estructura Cuando la electricidad llegó a las fábricas, la productividad no mejoró durante décadas porque los gestores se limitaron a sustituir el motor central de vapor por uno eléctrico, manteniendo la vieja distribución de la maquinaria. El verdadero salto ocurrió cuando se rediseñó el flujo completo de trabajo en función de las nuevas capacidades independientes. Automatizar tus tareas antiguas con tecnologías actuales es solo "cambiar el motor de vapor". La ventaja competitiva real aparece cuando diseñas una arquitectura de procesos que antes era inviable por limitaciones de tiempo o personal, enfocando la información desde una perspectiva totalmente nueva. ### Construir valor: contexto y autonomía Para que una organización logre una transformación real, debe apoyarse en pilares internos que no dependan de herramientas genéricas externas: Memoria propia y datos limpios: El valor no está en el software, sino en cómo se conecta a tus metodologías y bases de datos internas para crear un anclaje operativo único. Cultura de experimentación: Permitir que quienes mejor conocen el contexto diario tengan los recursos mínimos para probar soluciones sin verse frenados por cadenas burocráticas. El mercado ya ha democratizado el músculo de ejecución. El verdadero desafío para líderes y consultores ya no es automatizar el pasado, sino aportar el criterio necesario para redefinir qué procesos merecen la pena ser ejecutados. ### Preguntas frecuentes #### ¿Basta con automatizar nuestras tareas manuales para transformar digitalmente la organización? No. Delegar tareas rutinarias y mecánicas en herramientas de bajo coste ayuda a controlar el presupuesto, pero optimizar esa capa no constituye la transformación digital completa. Hacer más rápido lo que ya se hace a mano solo traslada el desorden original a una plataforma más rápida. El valor aparece al rediseñar la arquitectura de procesos. #### ¿Qué riesgo tiene resolver nuestros procesos con las mismas herramientas genéricas que usa la competencia? El riesgo es que el impacto de la organización se vuelva homogéneo. Si se resuelven procesos heredados con las mismas instrucciones genéricas que los demás, la ejecución puede ser más barata, pero se pierden la diferenciación y el valor real en la gestión. El mercado ya ha democratizado la capacidad de ejecución; el verdadero desafío es aportar criterio para redefinir qué procesos merece la pena ejecutar. #### ¿Qué enseña la llegada de la electricidad a las fábricas sobre la automatización actual? Que cambiar el motor no basta. Cuando los gestores sustituyeron el motor central de vapor por uno eléctrico y mantuvieron la vieja distribución de la maquinaria, la productividad no mejoró durante décadas. El salto llegó al rediseñar el flujo completo de trabajo en función de las nuevas capacidades. Automatizar tareas antiguas con tecnologías actuales equivale a cambiar solo el motor. #### ¿En qué debe apoyarse una pyme o una fundación para lograr una transformación real? En pilares internos que no dependan de herramientas genéricas externas. Por un lado, memoria propia y datos limpios: el valor no está en el software, sino en cómo se conecta con las metodologías y bases de datos internas. Por otro, una cultura de experimentación que dé a quienes mejor conocen el día a día los recursos mínimos para probar soluciones sin trabas burocráticas. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) --- ## Por qué los proyectos de IA fallan si no se entiende el modelo de datos > Cómo evitar proyectos de IA débiles revisando primero procesos, entidades, permisos, datos fuente e indicadores. - URL: https://www.enter20.com/blog/por-que-proyectos-ia-fallan-modelo-datos/ - English: https://www.enter20.com/en/blog/why-ai-projects-fail-without-understanding-data-model/ - Actualizado: 24 de junio de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-06-23 - Actualizado: 2026-06-24 - Tema: IA y modelo de datos - Etiquetas: IA, datos, gobernanza, diagnóstico - Para: Dirección, responsables de operaciones y equipos IT - Equipo de enter 2.0 ### Respuesta breve Un proyecto de IA falla cuando se espera que el modelo resuelva decisiones que la organización todavía no ha definido: qué es cada entidad, quién puede verla, qué dato es fuente oficial y qué indicador se considera válido. Antes de automatizar, conviene dibujar el modelo operativo: personas, proyectos, documentos, estados, roles, permisos, salidas de reporting y excepciones. Ese mapa reduce riesgo y hace que la IA trabaje sobre una base verificable. ### Puntos clave - Un proyecto de IA falla cuando se espera que el modelo resuelva decisiones que la organización aún no ha definido, como qué dato es fuente oficial o qué indicador es válido. - Antes de automatizar conviene dibujar el modelo operativo (personas, proyectos, documentos, estados, roles, permisos, salidas de reporting y excepciones) para que la IA trabaje sobre una base verificable. - Un modelo de datos es también un modelo de responsabilidad: explicita quién da de alta, quién valida, quién puede ver, quién corrige y quién decide con la salida. - La IA funciona mejor como capa de apoyo, para clasificar, resumir o detectar inconsistencias, y peor cuando se usa para ocultar falta de proceso. - La señal de madurez no es tener muchos prompts, sino saber qué datos se pueden usar, con qué límites, para qué decisión y bajo qué control humano. ### La IA no sustituye las definiciones internas Muchos pilotos empiezan con una pregunta atractiva: qué puede hacer un asistente con los documentos, correos o hojas de cálculo de la organización. La pregunta útil suele ser anterior: qué significa cada dato y quién tiene autoridad para cambiarlo. Si una misma persona aparece con nombres distintos, si un proyecto tiene varios códigos, si las fechas no significan lo mismo en cada área o si nadie sabe qué versión de una hoja es la buena, el modelo de IA puede producir respuestas fluidas pero poco defendibles. ### El modelo de datos es también un modelo de responsabilidad Un modelo de datos no es solo una tabla. Define qué cosas existen en la organización y cómo se relacionan: personas, actividades, expedientes, facturas, indicadores, documentos, permisos y decisiones. Cuando se explicitan esas relaciones también aparecen responsabilidades. Quién da de alta, quién valida, quién puede ver, quién corrige y quién usa la salida para tomar una decisión. Sin esa capa, la IA opera en un entorno ambiguo. ### Dónde encaja mejor la IA La IA funciona mejor como capa de apoyo: clasificar documentos, resumir información, detectar inconsistencias, generar borradores, ayudar a programar transformaciones o proponer etiquetas para revisión humana. Funciona peor cuando se usa para ocultar falta de proceso. Si no hay una definición aceptada de beneficiario, proyecto, intervención, estado o resultado, la IA no puede crear por sí sola una verdad operativa. ### Una señal de madurez Un buen diagnóstico de IA suele producir menos entusiasmo inmediato y mejores decisiones. Algunas tareas se automatizan, otras se rediseñan y otras se descartan porque el riesgo o el coste no compensan. La señal de madurez no es tener muchos prompts. Es saber qué datos se pueden usar, con qué límites, para qué decisión y bajo qué control humano. ### Preguntas frecuentes #### ¿Por qué un asistente de IA da respuestas convincentes pero poco fiables con los datos de mi organización? Normalmente porque los datos de partida son ambiguos. Si una misma persona aparece con nombres distintos, un proyecto tiene varios códigos, las fechas no significan lo mismo en cada área o nadie sabe qué versión de una hoja es la buena, el modelo puede producir respuestas fluidas pero poco defendibles. La IA no corrige por sí sola datos ambiguos, responsabilidades difusas ni procesos mal definidos. #### ¿Qué hay que revisar antes de lanzar un proyecto de IA sobre los datos de la organización? Conviene dibujar primero el modelo operativo: personas, proyectos, documentos, estados, roles, permisos, salidas de reporting y excepciones. También hay que definir qué es cada entidad, quién puede verla, qué dato es fuente oficial y qué indicador se considera válido. Ese mapa reduce riesgo y hace que la IA trabaje sobre una base verificable. #### ¿Para qué tareas tiene sentido usar IA en una organización y para cuáles no? La IA funciona mejor como capa de apoyo: clasificar documentos, resumir información, detectar inconsistencias, generar borradores, ayudar a programar transformaciones o proponer etiquetas para revisión humana. Funciona peor cuando se usa para ocultar falta de proceso. Si no hay una definición aceptada de conceptos como beneficiario, proyecto o resultado, la IA no puede crear por sí sola una verdad operativa. #### ¿Qué resultado debo esperar de un diagnóstico de IA? Un buen diagnóstico de IA suele producir menos entusiasmo inmediato y mejores decisiones. Algunas tareas se automatizan, otras se rediseñan y otras se descartan porque el riesgo o el coste no compensan. La señal de madurez es saber qué datos se pueden usar, con qué límites, para qué decisión y bajo qué control humano. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/) --- ## Del caos de Excel a indicadores útiles para fundaciones y pymes > Método práctico para pasar de hojas dispersas a indicadores fiables, modelos de datos y dashboards mantenibles. - URL: https://www.enter20.com/blog/del-caos-de-excel-a-indicadores-utiles-fundaciones-pymes/ - English: https://www.enter20.com/en/blog/from-excel-chaos-to-useful-indicators/ - Actualizado: 24 de marzo de 2026 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2026-03-24 - Actualizado: 2026-03-24 - Tema: Indicadores y reporting - Etiquetas: Excel, indicadores, fundaciones, pymes, dashboards - Para: Dirección, coordinación de programas y administración - Equipo de enter 2.0 ### Respuesta breve Pasar de Excel a indicadores útiles no empieza comprando un dashboard. Empieza acordando definiciones, fuentes oficiales, responsables de actualización y reglas para corregir errores. Una hoja de cálculo puede ser una buena herramienta si forma parte de un sistema claro. Se vuelve frágil cuando es base de datos, aplicación, informe, archivo histórico y control de permisos al mismo tiempo. ### Puntos clave - Excel no es el problema: una hoja de cálculo se vuelve frágil cuando hace a la vez de base de datos, aplicación, informe, archivo histórico y control de permisos. - Pasar de Excel a indicadores útiles empieza por acordar definiciones, fuentes oficiales, responsables de actualización y reglas para corregir errores, no por comprar un dashboard. - Nombrar bien las entidades principales y decidir qué campos son obligatorios evita que varios equipos midan cosas distintas con la misma palabra. - Un buen indicador responde a una pregunta de gestión, coordinación o rendición de cuentas; si no mejora ninguna decisión, el dashboard se convierte en decoración. - La salida de Excel puede ser gradual: limpiar definiciones, crear una base común, generar vistas de reporting y construir dashboards o herramientas donde aporten valor. ### Por qué Excel aguanta tanto Excel resuelve problemas inmediatos: permite ordenar, filtrar, corregir y entregar algo rápido. Por eso sigue siendo útil en fundaciones, asociaciones y pymes con equipos pequeños. El límite aparece cuando la organización depende de varias hojas conectadas por memoria humana. En ese punto los indicadores cambian según quién exporta, qué filtro usa o qué versión circula por correo. ### El primer paso es nombrar bien Antes de hablar de gráficos conviene nombrar las entidades principales: personas, proyectos, actividades, expedientes, servicios, centros, fechas, estados e importes. Después se decide qué campos son obligatorios y qué valores están permitidos. Este trabajo parece menos vistoso que un dashboard, pero evita que tres equipos midan cosas distintas con la misma palabra. Un indicador útil depende de una definición estable. ### Indicadores que responden preguntas reales Un buen indicador responde a una pregunta de gestión, coordinación o rendición de cuentas. Cuántas personas se atienden, en qué estado están los proyectos, dónde se concentra la actividad, qué plazos se incumplen o qué datos faltan para justificar un resultado. Si nadie sabe qué decisión mejora con un indicador, el dashboard se convierte en decoración. La visualización debe ser la parte visible de un sistema de datos más cuidado. ### Cuándo salir de Excel No hace falta abandonar Excel de golpe. Tiene sentido salir cuando hay datos sensibles, varios usuarios editando, necesidad de permisos, historial, validación, relaciones complejas o informes recurrentes. La transición puede ser gradual: primero limpiar definiciones, después crear una base común, luego generar vistas de reporting y finalmente construir dashboards o herramientas internas donde aporten valor. ### Preguntas frecuentes #### ¿Cuándo debería mi organización dejar de usar Excel para gestionar sus datos e indicadores? Tiene sentido salir de Excel cuando hay datos sensibles, varios usuarios editando, necesidad de permisos, historial, validación, relaciones complejas o informes recurrentes. No hace falta abandonarlo de golpe: la transición puede ser gradual, empezando por limpiar definiciones y crear una base común. Una hoja de cálculo puede seguir siendo útil si forma parte de un sistema claro. #### ¿Por qué nuestros indicadores dan cifras distintas según quién prepare el informe? Ocurre cuando la organización depende de varias hojas conectadas por memoria humana: los indicadores cambian según quién exporta, qué filtro usa o qué versión circula por correo. La solución empieza por acordar definiciones estables, fuentes oficiales, responsables de actualización y reglas para corregir errores. #### ¿Qué hay que hacer antes de construir un dashboard a partir de nuestras hojas de Excel? Nombrar bien las entidades principales (personas, proyectos, actividades, expedientes, servicios, centros, fechas, estados e importes) y decidir qué campos son obligatorios y qué valores están permitidos. Es un trabajo menos vistoso que un dashboard, pero evita que varios equipos midan cosas distintas con la misma palabra. Un indicador útil depende de una definición estable. #### ¿Cómo sé si un indicador es útil o solo decoración? Un indicador es útil si responde a una pregunta real de gestión, coordinación o rendición de cuentas: cuántas personas se atienden, en qué estado están los proyectos, qué plazos se incumplen o qué datos faltan para justificar un resultado. Si nadie sabe qué decisión mejora con él, el dashboard se convierte en decoración. ### Servicios y casos conectados - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/) --- ## Qué debe incluir un diagnóstico de adopción de IA antes de comprar herramientas > Lista práctica de dimensiones que revisar antes de implantar IA en una organización pequeña o mediana. - URL: https://www.enter20.com/blog/que-debe-incluir-diagnostico-adopcion-ia-antes-comprar-herramientas/ - English: https://www.enter20.com/en/blog/what-ai-adoption-diagnostic-should-include-before-buying-tools/ - Actualizado: 18 de diciembre de 2025 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2025-12-18 - Actualizado: 2025-12-18 - Tema: Diagnóstico de IA - Etiquetas: IA, adopción, seguridad, procesos, herramientas - Para: Dirección general, responsables IT y responsables de área - Equipo de enter 2.0 ### Respuesta breve Un diagnóstico de adopción de IA debe revisar procesos, datos, documentos, permisos, riesgos, competencias internas, proveedores y métricas de éxito antes de comprar herramientas. El objetivo no es decidir si la organización usará IA, sino dónde puede usarla con utilidad, control y proporcionalidad. Algunas oportunidades serán técnicas, otras serán organizativas y otras deberán esperar. ### Puntos clave - Un diagnóstico de adopción de IA debe revisar procesos, datos, documentos, permisos, riesgos, competencias internas, proveedores y métricas de éxito antes de comprar herramientas. - El objetivo no es decidir si la organización usará IA, sino dónde puede usarla con utilidad, control y proporcionalidad. - Si el conocimiento está disperso en carpetas, hojas antiguas, aplicaciones sin exportación y mensajes privados, el primer reto no es el modelo, sino la arquitectura de información. - Los casos de uso deben clasificarse por nivel de riesgo, revisión humana, trazabilidad, protección de datos y dependencia de proveedor, y la seguridad se diseña antes del piloto. - Un buen diagnóstico acaba en una hoja de ruta corta, y la herramienta correcta se ve con más claridad cuando la organización ya sabe qué problema quiere resolver. ### Inventario de trabajo real La adopción de IA empieza observando trabajo real: correos, documentos, llamadas, formularios, informes, reuniones, datos duplicados, tareas repetitivas y decisiones que se retrasan por falta de información. Ese inventario permite diferenciar tareas de bajo riesgo, como resumir documentación pública, de tareas delicadas, como tratar datos personales, expedientes, información laboral o documentación financiera. ### Calidad y acceso a los datos La IA necesita contexto. Si el conocimiento está disperso en carpetas, hojas antiguas, aplicaciones sin exportación y mensajes privados, el primer reto no es el modelo, sino la arquitectura de información. El diagnóstico debe identificar fuentes oficiales, permisos, datos sensibles, frecuencia de actualización, responsables de validación y formatos de salida. Sin esa base, la herramienta elegida tendrá poco margen para producir valor fiable. ### Riesgo y gobierno No todos los usos de IA requieren el mismo control. Un borrador interno de texto no tiene el mismo riesgo que una recomendación sobre una persona, una ayuda económica o un dato laboral. Por eso el diagnóstico debe clasificar casos de uso por nivel de riesgo, necesidad de revisión humana, trazabilidad, protección de datos y dependencia de proveedor. La seguridad se diseña antes de abrir el piloto, no después. ### Resultado esperado Un buen diagnóstico acaba con una hoja de ruta corta: oportunidades priorizadas, riesgos, datos necesarios, cambios de proceso, prototipos recomendados, formación y decisiones de compra que sí tienen sentido. Comprar menos y entender más suele acelerar la adopción real. La herramienta correcta aparece con más claridad cuando la organización ya sabe qué problema quiere resolver. ### Preguntas frecuentes #### ¿Qué debería revisar antes de comprar herramientas de IA para mi organización? Conviene revisar procesos, datos, documentos, permisos, riesgos, competencias internas, proveedores y métricas de éxito. El objetivo no es decidir si la organización usará IA, sino dónde puede usarla con utilidad, control y proporcionalidad. Algunas oportunidades serán técnicas, otras serán organizativas y otras deberán esperar. #### ¿Cómo distingo los usos de IA de bajo riesgo de los que necesitan más control? Observando el trabajo real y el tipo de información que toca cada tarea. Resumir documentación pública es una tarea de bajo riesgo; tratar datos personales, expedientes, información laboral o documentación financiera es delicado. Un borrador interno de texto no tiene el mismo riesgo que una recomendación sobre una persona, una ayuda económica o un dato laboral, así que cada caso de uso debe clasificarse por nivel de riesgo y necesidad de revisión humana. #### ¿Por qué una buena herramienta de IA puede no aportar valor fiable en mi organización? Porque la IA necesita contexto y, si el conocimiento está disperso en carpetas, hojas antiguas, aplicaciones sin exportación y mensajes privados, el primer reto no es el modelo, sino la arquitectura de información. El diagnóstico debe identificar fuentes oficiales, permisos, datos sensibles, frecuencia de actualización, responsables de validación y formatos de salida. Sin esa base, la herramienta elegida tendrá poco margen para producir valor fiable. #### ¿Qué debe entregar un diagnóstico de adopción de IA? Una hoja de ruta corta: oportunidades priorizadas, riesgos, datos necesarios, cambios de proceso, prototipos recomendados, formación y las decisiones de compra que sí tienen sentido. Comprar menos y entender más suele acelerar la adopción real. La herramienta correcta aparece con más claridad cuando la organización ya sabe qué problema quiere resolver. ### Servicios y casos conectados - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) --- ## Cómo usar IA con seguridad en organizaciones con documentos sensibles > Criterios prácticos para usar IA con PDFs, expedientes, facturas, nóminas y documentos internos sin perder control. - URL: https://www.enter20.com/blog/como-usar-ia-seguridad-organizaciones-documentos-sensibles/ - English: https://www.enter20.com/en/blog/using-ai-safely-with-sensitive-documents/ - Actualizado: 19 de septiembre de 2025 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2025-09-19 - Actualizado: 2025-09-19 - Tema: IA segura y documentos - Etiquetas: IA, documentos, seguridad, privacidad, gobernanza - Para: Responsables de gestión, administración, IT y protección de datos - Equipo de enter 2.0 ### Respuesta breve Usar IA con documentos sensibles requiere clasificar documentos, minimizar datos enviados, revisar contratos, registrar decisiones, mantener revisión humana y elegir procesamiento local o controlado cuando el riesgo sea alto. La pregunta no es solo si una herramienta de IA es potente. La pregunta es qué datos recibe, dónde se procesan, quién accede, cuánto se conserva, cómo se audita y qué decisión humana depende de la salida. ### Puntos clave - La pregunta clave no es si una herramienta de IA es potente, sino qué datos recibe, dónde se procesan, quién accede, cuánto tiempo se conservan y cómo se audita. - Clasificar los documentos antes de procesarlos permite decidir cuáles pueden ir a herramientas externas, cuáles requieren anonimización y cuáles deben tratarse localmente o sin IA generativa. - Conviene enviar a la IA solo lo necesario y registrar qué se procesó, con qué objetivo, con qué herramienta, qué salida produjo y quién la revisó. - En documentos sensibles, la salida de la IA debe pasar por validación humana o por reglas verificables antes de alimentar los sistemas con los que opera la organización. - La arquitectura se ajusta al riesgo: desde una herramienta comercial bien configurada hasta procesamiento local, OCR tradicional, reglas deterministas o modelos en un entorno controlado. ### Clasificar antes de procesar No todos los documentos tienen el mismo nivel de sensibilidad. Un folleto público, una factura, una nómina, un expediente social y un informe interno no deberían entrar en el mismo flujo de IA. La clasificación inicial permite definir qué documentos se pueden usar en herramientas externas, cuáles requieren anonimización y cuáles deben procesarse con alternativas locales o sin IA generativa. ### Minimizar y registrar Cuando se usa IA, conviene enviar solo lo necesario. Muchas tareas no necesitan el documento completo: pueden bastar campos concretos, fragmentos anonimizados o texto previamente filtrado. También conviene registrar qué se procesó, con qué objetivo, qué herramienta se usó, qué salida produjo y quién la revisó. Esa trazabilidad permite corregir errores y explicar decisiones. ### Revisión humana obligatoria La IA puede extraer importes, fechas, nombres, categorías o resúmenes, pero en documentos sensibles la salida debe pasar por validación humana o por reglas verificables antes de alimentar un sistema operativo. La revisión no tiene por qué ser pesada. Puede diseñarse como una cola de excepciones, un modo dry-run, una marca de confianza o una comparación con reglas de negocio. ### Elegir arquitectura según riesgo Para algunos casos bastará con una herramienta comercial bien configurada. Para otros tendrá más sentido procesar localmente, usar OCR tradicional, reglas deterministas o modelos bajo un entorno controlado. La seguridad práctica consiste en ajustar la arquitectura al dato, al equipo y a la decisión. No todo necesita la solución más compleja, pero lo sensible no debe tratarse como si fuera texto público. ### Preguntas frecuentes #### ¿Puedo usar una herramienta de IA externa para procesar nóminas o expedientes sensibles? Depende de la sensibilidad del documento y del riesgo. Una nómina o un expediente social no deberían entrar en el mismo flujo de IA que un folleto público. Conviene clasificar primero los documentos para decidir cuáles pueden usarse en herramientas externas, cuáles requieren anonimización y cuáles deben procesarse con alternativas locales o sin IA generativa. #### ¿Qué información debo enviar a la IA si solo necesito extraer datos de un documento? Solo la necesaria para la tarea. Muchas tareas no requieren el documento completo: pueden bastar campos concretos, fragmentos anonimizados o texto previamente filtrado. Además, conviene registrar qué se procesó, con qué objetivo, con qué herramienta, qué salida produjo y quién la revisó, para poder corregir errores y explicar decisiones. #### ¿Hay que procesar siempre en local los documentos sensibles? No necesariamente. Para algunos casos bastará con una herramienta comercial bien configurada; para otros tendrá más sentido procesar localmente, usar OCR tradicional, reglas deterministas o modelos en un entorno controlado. La arquitectura debe ajustarse al dato, al equipo y a la decisión: no todo necesita la solución más compleja, pero lo sensible no debe tratarse como si fuera texto público. #### ¿Cómo se organiza la revisión humana de lo que extrae la IA sin que frene el trabajo? La revisión no tiene por qué ser pesada: puede diseñarse como una cola de excepciones, un modo dry-run, una marca de confianza o una comparación con reglas de negocio. Lo que no es opcional en documentos sensibles es que la salida de la IA pase por validación humana o por reglas verificables antes de alimentar los sistemas con los que opera la organización. ### Servicios y casos conectados - [Automatización de documentos y datos](https://www.enter20.com/servicios/automatizacion-documentos-datos/) - [Gobernanza, continuidad y operaciones IT](https://www.enter20.com/servicios/gobernanza-continuidad-it/) - [Diagnóstico de IA y datos](https://www.enter20.com/servicios/diagnostico-ia-datos/) - [Automatización documental con Python y revisión humana](https://www.enter20.com/trabajos/automatizacion-documental-python/) --- ## Los dashboards no son el principio: son la parte visible del sistema de datos > Por qué un dashboard debe apoyarse en fuentes, definiciones, responsabilidades y rutinas de calidad para ser fiable. - URL: https://www.enter20.com/blog/dashboards-no-son-principio-parte-visible-sistema-datos/ - English: https://www.enter20.com/en/blog/dashboards-are-the-visible-part-of-the-data-system/ - Actualizado: 20 de junio de 2025 - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. - Publicado: 2025-06-20 - Actualizado: 2025-06-20 - Tema: Dashboards y sistema de datos - Etiquetas: dashboards, datos, indicadores, BI, reporting - Para: Dirección, equipos de programas, administración y analistas - Equipo de enter 2.0 ### Respuesta breve Un dashboard no arregla un sistema de datos. Lo muestra. Si las fuentes, definiciones y responsabilidades son débiles, el dashboard solo hace visible esa fragilidad con mejor diseño. La parte importante suele estar antes de la pantalla: qué se captura, quién lo valida, cuándo se actualiza, cómo se corrige, qué permisos existen y qué decisiones se tomarán con cada indicador. ### Puntos clave - Un dashboard no arregla un sistema de datos, lo muestra: si las fuentes, definiciones y responsabilidades son débiles, solo hace visible esa fragilidad. - Construir gráficos demasiado pronto puede fijar indicadores mal definidos o crear confianza en datos que todavía no están preparados. - El orden saludable es diagnosticar preguntas, fuentes, definiciones y calidad mínima, y solo después decidir qué visualización ayuda a leer la realidad. - Un dashboard fiable se apoya en un modelo de datos, reglas de actualización, controles de acceso, documentación y una rutina de revisión. - Cada bloque del dashboard debería responder a una decisión o seguimiento concreto; menos indicadores, mejor definidos, suelen generar más confianza. ### El error de empezar por la visualización Es comprensible querer ver gráficos pronto. Ayudan a comunicar y generan sensación de avance. Pero si se construyen demasiado pronto, pueden fijar indicadores mal definidos o crear confianza en datos que todavía no están preparados. El orden saludable es diagnosticar preguntas, fuentes, definiciones y calidad mínima. Después sí tiene sentido decidir qué visualización ayuda a leer la realidad. ### Lo que sostiene un dashboard Un dashboard fiable se apoya en un modelo de datos, reglas de actualización, controles de acceso, documentación y una rutina de revisión. Sin eso, cada cambio requiere investigación manual y cada discrepancia abre una discusión nueva. También necesita límites. No todos los datos deben mostrarse a todos los perfiles, y no todo indicador interno debe convertirse en comunicación pública. ### Diseñar para decisiones Cada bloque del dashboard debería responder a una decisión o seguimiento concreto: detectar retrasos, priorizar recursos, justificar financiación, revisar cobertura territorial, identificar datos incompletos o preparar una reunión. Cuando un gráfico no ayuda a ninguna acción, probablemente sobra o debe pasar a un informe exploratorio. Menos indicadores, mejor definidos, suelen generar más confianza que una pantalla llena de métricas. ### La mejora continua El dashboard no termina el sistema. Lo convierte en observable. Al usarlo aparecen errores, campos que faltan, preguntas nuevas y rutinas que deben cambiar. Por eso conviene tratarlo como una herramienta viva: versión inicial, revisión con usuarios, ajuste de datos, documentación y mejora progresiva. ### Preguntas frecuentes #### ¿Por dónde empiezo si quiero un dashboard para mi organización? Por lo que hay antes de la pantalla: qué preguntas se quieren responder, qué fuentes existen, cómo se definen los indicadores y qué calidad mínima tienen los datos. Después tiene sentido decidir qué visualización ayuda a leer la realidad. Empezar por los gráficos puede fijar indicadores mal definidos o dar confianza a datos que aún no están preparados. #### ¿Por qué un dashboard con buen diseño puede seguir mostrando datos poco fiables? Porque un dashboard no arregla el sistema de datos: lo muestra. Si las fuentes, las definiciones y las responsabilidades son débiles, la pantalla solo hace visible esa fragilidad con mejor diseño. La fiabilidad depende de qué se captura, quién lo valida, cuándo se actualiza, cómo se corrige y qué permisos existen. #### ¿Cómo decido qué indicadores incluir en un dashboard? Incluya solo los que respondan a una decisión o seguimiento concreto, como detectar retrasos, priorizar recursos, justificar financiación, identificar datos incompletos o preparar una reunión. Si un gráfico no ayuda a ninguna acción, probablemente sobra o debe pasar a un informe exploratorio. Menos indicadores, mejor definidos, suelen generar más confianza que una pantalla llena de métricas. #### ¿Un dashboard está terminado cuando se pone en marcha? No. El dashboard no termina el sistema, lo convierte en observable: al usarlo aparecen errores, campos que faltan, preguntas nuevas y rutinas que deben cambiar. Conviene tratarlo como una herramienta viva, con una versión inicial, revisión con usuarios, ajuste de datos, documentación y mejora progresiva. ### Servicios y casos conectados - [Datos, indicadores y dashboards](https://www.enter20.com/servicios/datos-indicadores-dashboards/) - [Herramientas operativas a medida](https://www.enter20.com/servicios/herramientas-operativas/) - [Indicadores y dashboards para seguimiento social](https://www.enter20.com/trabajos/indicadores-dashboards-impacto-social/) - [Plataforma operativa modular para una fundación](https://www.enter20.com/trabajos/plataforma-operativa-fundacion/) --- ## Aviso legal > Aviso legal del sitio web de enter 2.0. - URL: https://www.enter20.com/aviso-legal/ - English: https://www.enter20.com/en/legal-notice/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. Esta página resume las condiciones básicas de uso del sitio público de enter 2.0. ### Titular y contacto Este sitio representa la actividad profesional de enter 2.0. Para cualquier comunicación puede utilizarse el correo contacta@enter20.com. ### Uso del sitio El contenido se ofrece con finalidad informativa y comercial. No constituye asesoramiento jurídico, fiscal ni técnico definitivo para una situación concreta sin análisis previo. ### Propiedad intelectual Los textos, estructura y materiales propios del sitio pertenecen a enter 2.0 salvo indicación contraria. No se permite su reutilización comercial sin autorización. ### Enlaces externos Los enlaces a servicios o documentación externa se proporcionan como referencia. enter 2.0 no controla el contenido ni los cambios de sitios de terceros. ### Demostraciones y asistente Las mini-aplicaciones del laboratorio usan exclusivamente datos ficticios. Las respuestas del asistente del sitio las genera un modelo de IA a partir del contenido publicado; pueden contener errores y no constituyen una oferta ni un compromiso. --- ## Privacidad > Política de privacidad del sitio web de enter 2.0. - URL: https://www.enter20.com/privacidad/ - English: https://www.enter20.com/en/privacy/ - enter 2.0 — IA práctica, datos gobernados, dashboards, automatización y sistemas de información para organizaciones que necesitan decidir mejor. La política se centra en el formulario de contacto, el asistente del sitio y las herramientas de seguridad y analítica que puedan activarse en Cloudflare. ### Datos tratados El formulario puede recoger nombre, correo, organización, tipo de organización, problema principal, mensaje, aceptación de privacidad, ruta de origen y datos técnicos mínimos para seguridad. ### Finalidad Los datos se usan para responder a la solicitud, valorar el encaje del servicio y mantener una trazabilidad básica de contactos recibidos. ### Infraestructura El sitio se ejecuta en Cloudflare Workers. Las solicitudes del formulario se almacenan en Cloudflare D1. Turnstile puede utilizarse para reducir spam y abuso. ### Asistente del sitio Las preguntas enviadas al asistente se procesan con un modelo de IA en la infraestructura de Cloudflare para generar la respuesta. El sitio no las guarda; solo mantiene un contador diario de uso sin contenido. No incluya datos personales ni información confidencial en las preguntas. ### Laboratorio y preferencias Las mini-aplicaciones funcionan en el navegador con datos ficticios y no envían nada al servidor. Las preferencias de tema y de lectura se guardan solo en su navegador. ### Conservación y derechos Los datos se conservarán mientras sea necesario para gestionar la conversación o relación profesional. Puede solicitar acceso, rectificación o supresión escribiendo a contacta@enter20.com. ### Datos sensibles No deben enviarse por el formulario credenciales, datos médicos, datos bancarios completos, documentos personales ni información confidencial detallada. Si el caso requiere compartir documentación sensible, se acordará un canal adecuado.