Un grupo de compañías tecnológicas y financieras ha anunciado una colaboración para establecer una especificación abierta que permita unificar las definiciones de datos utilizadas en inteligencia artificial (IA) y análisis empresarial. Denominada Intercambio Semántico Abierto (Open Semantic Interchange, OSI), esta iniciativa busca resolver un problema persistente en los entornos de datos: la fragmentación semántica entre plataformas y herramientas.
Liderada por Snowflake, en asociación con Salesforce, dbt Labs, RelationalAI y con el respaldo de actores como BlackRock, la propuesta consiste en crear un estándar neutral y de código abierto para estructurar los metadatos semánticos. El objetivo es que distintas soluciones de IA, business intelligence (BI) y gestión de datos puedan interoperar sobre la base de una lógica de negocio común.
La disparidad en la interpretación de conceptos básicos –como métricas de rendimiento, indicadores financieros o definiciones de cliente– entre herramientas de análisis ha sido identificada como un freno para la adopción escalable de la IA. En este contexto, el OSI se plantea como un mecanismo técnico para homogeneizar esa capa semántica.
Un lenguaje compartido para los datos
El funcionamiento de los sistemas de IA depende de la calidad y consistencia de los datos. Sin embargo, actualmente las empresas suelen operar con múltiples plataformas que interpretan los mismos términos de formas diferentes. Esta disparidad obliga a las organizaciones a invertir recursos en reconciliar definiciones, lo que ralentiza los proyectos y pone en cuestión los resultados analíticos.
Según Christian Kleinerman, vicepresidente ejecutivo de Producto en Snowflake, “la interoperabilidad y los estándares abiertos son esenciales para liberar todo el potencial de la IA con sus datos”. En este sentido, explicó que el OSI pretende “resolver un desafío fundamental para la IA: la falta de un estándar semántico común”.
Con esta especificación, se espera que las herramientas de datos puedan compartir e interpretar metadatos semánticos de manera coherente, mejorando la gobernanza, la confianza en los resultados y la eficiencia operativa. El OSI cubre aspectos como semántica de negocio, semántica de dominio y estructuras comunes en industrias reguladas como la financiera.
Ventajas operativas y reducción de complejidad
Uno de los beneficios operativos destacados por los impulsores del OSI es la reducción de duplicidades. En entornos empresariales, los equipos de datos dedican semanas a resolver discrepancias en definiciones de negocio entre sistemas. Esta situación se traduce en sobrecostes, retrasos y barreras para escalar iniciativas de IA.
Al establecer una especificación compartida, se busca que los equipos de ingeniería de datos puedan construir modelos semánticos reutilizables entre plataformas. Así, tareas como la creación de dashboards, modelos predictivos o sistemas de recomendación podrán apoyarse en una semántica coherente desde su origen.
Ryan Segar, director de producto en dbt Labs, afirmó que el OSI representa “una extensión natural” de su enfoque, al ayudar a resolver “el problema fundamental de la semántica de datos aislada e incompatible”.
Participación amplia del ecosistema
A la iniciativa se han sumado también empresas centradas en análisis de datos, gobierno de la información e inteligencia empresarial, como Alation, Atlan, Blue Yonder, Cube, Elementum AI, Hex, Honeydew, Mistral AI, Omni, Select Star, Sigma y ThoughtSpot. Esta variedad de participantes apunta a una voluntad de crear un estándar aplicable más allá de un proveedor concreto.
En el sector financiero, BlackRock ha expresado su interés por el potencial del OSI en entornos complejos de datos. Según Diwakar Goel, director global de datos de Aladdin, “la plataforma unifica la gestión de inversiones a través de un lenguaje de datos común”. En su visión, una especificación neutral “acelerará la adopción de aplicaciones de IA e inteligencia de negocios en toda la industria financiera”.
El enfoque abierto y compartido se diferencia de estrategias anteriores centradas en marcos propietarios o dependientes de un único proveedor. En lugar de imponer un nuevo sistema cerrado, el OSI se presenta como una base técnica interoperable que puede integrarse con arquitecturas existentes.
Estandarización como base para la escalabilidad de la IA
La adopción generalizada de sistemas de IA en sectores como banca, retail, logística o salud depende en gran parte de la capacidad para establecer un lenguaje de datos común. La ausencia de dicho marco semántico ha limitado la fiabilidad de los modelos, obstaculizado la automatización de decisiones y generado riesgos en contextos regulados.
Southard Jones, director de producto de Tableau, se refirió al OSI como “la Piedra Rosetta para los datos de negocio”, en el sentido de que permitirá preservar el significado de las métricas a lo largo de todo el ciclo de análisis, independientemente de las plataformas utilizadas.
Desde el punto de vista técnico, el OSI busca cubrir una capa intermedia entre la infraestructura de datos (almacenamiento, procesamiento) y la capa de consumo (BI, IA, aplicaciones de negocio). Esta especificación no sustituye a los modelos de datos existentes, sino que actúa como una capa adicional que define de forma estandarizada conceptos clave para su interpretación.
Próximos pasos de la iniciativa
El Intercambio Semántico Abierto se encuentra en sus primeras fases de desarrollo como proyecto de código abierto. Los promotores han invitado a otros proveedores tecnológicos, organizaciones industriales y desarrolladores individuales a contribuir a la evolución del estándar.
Aunque todavía no se ha fijado una hoja de ruta pública detallada, se prevé la publicación de versiones preliminares del modelo semántico y herramientas de referencia durante los próximos meses. Entre los desafíos que enfrenta el proyecto destacan la adopción por parte de plataformas establecidas, la armonización con regulaciones sectoriales y la implementación práctica en arquitecturas híbridas.
La colaboración entre empresas competidoras en este ámbito subraya la percepción compartida de que la interoperabilidad semántica es un requisito indispensable para que la inteligencia artificial sea escalable, confiable y aplicable a contextos empresariales reales.
