Producción de eventos · Caso anónimo
Cotización con IA: de la cuenta personal de un colaborador a sistema de la empresa
- 1 semanaDe los cimientos a producción
- 16%Fuga de margen detectada en las líneas de un proveedor
- Al centavoParidad con la herramienta anterior
Antes y después
El mismo proceso, como era y como quedó.
Antes
- El criterio vivía en un chatbot personal
- Las listas de precios se subían a mano
- El chatbot no veía el inventario real
- No quedaba rastro de lo cotizado
En una cuenta personal
Después
- Los datos se actualizan solos
- Cada renglón declara de dónde salió su precio
- Queda registro de cada decisión
Sistema de la empresa
Contexto
Una empresa de producción de eventos cotiza cada proyecto pieza por pieza: mobiliario, escenografía, gráficos y montajes. El criterio para cotizar (qué lleva cada montaje, cuánto rinde, qué margen aplicar) lo había capturado un colaborador en un chatbot de IA dentro de su cuenta personal, y funcionaba.
Problema
El criterio era bueno; el lugar donde vivía, no. Precios, inventario e historial eran archivos estáticos que alguien debía volver a subir a mano con cada cambio de lista, y nadie garantizaba que se hiciera. Llevarlo a todo el equipo de ventas implicaba pagar una licencia por vendedora o compartir credenciales.
Leer más
El chatbot tampoco veía el inventario real de bodega, y no quedaba rastro de qué se había cotizado ni con qué datos. La empresa estaba por escalar una herramienta personal como si fuera infraestructura.
El criterio que aplicó
Decidimos conservar el criterio y cambiar lo que lo rodeaba. La forma de cotizar que el equipo validaba a diario se trasladó íntegra a un sistema de la empresa, con datos que se actualizan solos, roles de acceso y registro de cada decisión. Fijamos una regla: cada renglón de una cotización declara de dónde salió su precio, y el modelo de IA tiene prohibido inventar uno.
Antes de entregarlo a ventas corrimos la misma solicitud en ambos sistemas. Primero había que demostrar que el nuevo cotizaba igual; después, que cotizaba mejor.
Resultado
El cotizador pasó de sus cimientos a producción en una semana, dentro de la iguala mensual y sin proyecto aparte. En la prueba de paridad, ambos sistemas coincidieron al centavo en los mismos 9 renglones.
Leer más
Con datos vivos apareció la diferencia. Para "10 mesas blancas" el chatbot encontró un solo artículo, que además era un banco, y el sistema nuevo mostró 6 modelos con existencias del día. Una instalación nocturna que el chatbot cotizaba con un genérico de $2,000 tenía una tarifa real de $800. El hallazgo mayor fue de margen: la lista de un proveedor venía sin IVA y pasaba tal cual a la cotización, $250 por metro cuadrado en lugar de $290, de modo que cada renglón de ese proveedor quedaba 16% por debajo del costo real.
También hubo una falla. En una prueba, el sistema nuevo no mostró un artículo que sí existía en bodega. Se diagnosticó y se corrigió el mismo día.
Qué sigue
El cotizador está en piloto con el equipo de ventas, que afina el criterio con casos reales del negocio. Siguen dos fases: ligar cada cotización con su oportunidad comercial, sin recaptura, y un flujo de aprobación para los montos que superen el umbral que fije dirección.
Cómo avanzó el proyecto
Traslado del criterio
La forma de cotizar que el equipo validaba a diario pasó a un sistema de la empresa, con datos que se actualizan solos, roles de acceso y registro de cada decisión. Tomó una semana.
Prueba de paridad
La misma solicitud se corrió en ambos sistemas y coincidieron al centavo en los mismos 9 renglones.
Datos vivos
Con datos vivos apareció la diferencia: la lista de un proveedor venía sin IVA y cada renglón suyo quedaba 16% por debajo del costo real.
Piloto con ventas
El equipo de ventas afina el criterio con casos reales. Siguen dos fases: ligar cada cotización con su oportunidad comercial y un flujo de aprobación para los montos que superen el umbral que fije dirección.
Si tu operación se parece
Este trabajo se hizo dentro de Fulcro Partner. El problema, visto desde tu lado, está en Soluciones.
Ver la solución: Agentes de IA para empresasHablemos 30 minutos