El año 2006, Tricia Wang convivió durante meses con familias de pueblos rurales en China trabajando para Nokia. Lo que observó era inequívoco: aquellas personas querían teléfonos inteligentes. Lo explicó a la dirección con todo el detalle posible. No le hicieron caso. ¿Por qué? Porque se basaba en “solo” 100 personas, mientras que el Big Data de Nokia decía otra cosa: crecimiento, cuota de mercado sólida y grandes márgenes. En una sala de directivos, cuando un número grande entra en conflicto con una observación humana, gana el número. Siempre. El dato cuantitativo da seguridad, y la seguridad es adictiva.
El coste de haber confiado solo en el Big Data: pasaron de ser el número uno en telefonía, a tener un 3% de cuota de mercado y ser malvendidos a Microsoft en pocos años. Tienes o conoces a alguien que tenga un Nokia hoy? Exacto.
En una sala de directivos, cuando un número grande entra en conflicto con una observación humana, gana el número
El problema nunca fue la cantidad de datos
20 años después, seguimos casi igual. Lo que he visto trabajando, especialmente en corporates, es siempre similar: una inversión desproporcionada en infraestructuras de datos cuantitativos y una inversión simbólica o nula en entender el porqué detrás de esos números.
El Big Data nos dice qué está pasando. Pero el qué sin el porqué es, en el mejor de los casos, un mapa enorme sin la cruz del tesoro. Cuantos más datos tienes, más cómodo te sientes. Y esta comodidad es precisamente lo que te hace vulnerable.
Ahora llega el All Data. Y tenemos un mapa mucho mejor y detallado
El All Data (o Huge Data) nos permite saber mucho más porque algo ha cambiado estructuralmente: el coste del almacenamiento se ha desplomado, las arquitecturas de la nube permiten procesar cualquier tipo de dato —texto, audio, imagen, comportamiento en tiempo real, entre otros— de manera unificada, y la IA generativa ha convertido en analizable aquello que antes era invisible: tickets de soporte, transcripciones de llamadas, reseñas de clientes, contratos en PDF acumulados durante años.
El 90% de los datos globales no están estructurados. Hasta hace poco, eran oscuridad pura. Ahora ya no. Y lo mejor del All Data es que no son “datos más grandes”, sino todos los datos que importan para decidir, integrados para generar señales accionables que IAs entrenadas convierten en lógica y presentan a personas capaces de actuar sobre ellos. Pero más datos no equivale automáticamente a mejores decisiones. El mapa es necesario, pero inútil sin la cruz del tesoro.
¿Qué es entonces la cruz del tesoro?
Los insights de valor. Un insight real tiene una estructura concreta: es específico (no “los usuarios abandonan en el checkout”, sino “los usuarios abandonan en el paso tres cuando ven el precio total por primera vez, porque lo perciben como excesivo en comparación con las alternativas X, Y y Z”), es accionable y revela una verdad no obvia sobre el comportamiento del cliente. Algo que no habrías deducido solo mirando los números.
Lo mejor de All Data es que no son “datos más grandes”, sino todos los datos que importan para decidir
Extraer estos insights depende de una investigación de usuario sistemática. Ninguna IA te los da directamente. Puede ofrecer información de muchas fuentes e hipótesis a validar, pero serás tú, el humano, quien las valide, les dé sentido y decida qué iterar. Y este proceso no se acaba nunca, porque el usuario no deja de cambiar y el mercado es más competitivo que nunca.
Disney lo descubrió cuando un directivo observó a padres confeccionando disfraces caseros para sus hijos en la cola de un parque. Esto no aparecía en ningún dashboard. Al cruzar aquella observación con datos de comportamiento de compra, crearon una línea de negocio de 3.000 millones de dólares. El insight no vino del Big Data, sino de alguien que prestó atención a lo que los datos no podían ver.
El Moat real en 2026
Y en plena era del All Data, aparece el vibe-coding. Crear una app de complejidad media cuesta hoy 20 euros y unas horas. Lo he probado: este mes he creado cuatro webs y apps sin saber programar. Las cifras lo confirman: Lovable fue la primera empresa en alcanzar 100 millones de ARR en ocho meses con 40 empleados. OpenAI tardó más de 20 meses, aún no es rentable y tiene 4.000 trabajadores.
Si la barrera de entrada casi desaparece, el mercado se llena de competidores y el producto deja de ser la ventaja. La tecnología, tampoco. Tienes que hacerlo mucho mejor, compitiendo contra muchos más y mucho más rápidos. ¿Qué queda? Volver a lo que realmente importa: quién te compra. La capacidad (Humana + IA) de extraer los insights del cliente mejor que nadie. Y solo quienes entiendan esto encontrarán el tesoro.