"Quiero una IA que cotice en mi ERP." Suena simple, pero la mayoría de intentos se estrellan porque se saltan pasos o los hacen en el orden equivocado. Aquí tienes el proceso completo que sí funciona, el mismo que seguimos cuando montamos un comercial de IA sobre un ERP real como Odoo.
No es teoría: es el guion que evita que tu proyecto acabe siendo una demo bonita que nadie usa.
Antes de empezar: por qué casi todos fracasan
El error número uno es empezar por la IA. La gente abre ChatGPT, le enchufa un par de conectores no-code y espera magia. Y funciona… en la demo. En cuanto llega un caso real (un cliente con tarifa especial, un producto sin stock, un precio que cambió ayer) el castillo se cae.
La IA no es la parte difícil. La parte difícil es el dato y la integración. Si haces bien esos dos, la IA es casi lo fácil.
Paso 1: Audita y ordena el dato
La IA no arregla un dato malo, lo amplifica y encima con seguridad. Antes de tocar nada, haz esta auditoría:
- Precios y tarifas. ¿Están todos en el ERP? ¿Un mismo cliente tiene una única tarifa clara o hay excepciones "que solo sabe Manolo"?
- Stock. ¿Es fiable y en tiempo real? ¿Por ubicación/almacén?
- Clientes. ¿Están limpios, sin duplicados, con su tier de precios asignado?
- Reglas de negocio. ¿Qué pasa si no hay stock? ¿Y si el cliente no existe? ¿Y si pide por debajo del mínimo?
Si algo de esto está flojo, para y arréglalo primero. Este paso es el 80% del éxito y el que todos quieren saltarse.
Paso 2: Dale a la IA "manos", no solo "boca"
Una IA que solo habla no sirve para operar. Necesita herramientas (tools): funciones concretas que puede llamar para actuar sobre el ERP. Para un cotizador, el mínimo suele ser:
buscar_cliente(nombre)→ valida y devuelve el cliente y su tarifa.consultar_precio(producto, tarifa)→ el precio correcto según el tier.consultar_stock(producto, ubicacion)→ disponibilidad real.crear_oportunidad(cliente)→ abre la oportunidad en el CRM.crear_pedido(cliente, lineas)→ crea la cotización/pedido formal.
Cada tool se conecta al ERP por su API (por ejemplo, JSON-RPC en Odoo), no con un conector genérico. Esto te da tres cosas que un no-code no: control fino, fiabilidad y que el dato no salga a un tercero.
Un detalle clave: las tools deben devolver datos, no texto libre. La IA decide qué llamar y con qué argumentos; el resultado estructurado es lo que evita alucinaciones.
Paso 3: Conviértelo en una conversación guiada (máquina de estados)
Un buen cotizador no es un formulario ni un chat libre: es una conversación por fases. La forma más robusta de dirigirla es una máquina de estados:
- Cliente → la IA lo busca y valida en el ERP. Si no existe, lo dice; no lo inventa.
- Tarifa → aplica la lista de precios correcta según el cliente.
- Productos → añade artículos con cantidades, mostrando precio y stock reales en cada uno.
- Confirmación → resume y, al confirmar, crea la cotización formal en el ERP.
¿Por qué una máquina de estados y no "que la IA se apañe"? Porque en cada fase acotas lo que puede pasar. La IA no se va por las ramas: sabe en qué punto está y qué le falta. La transición se dirige por flags en la base de datos, no por la intuición del modelo.
Paso 4: Que deje el trabajo hecho (y verificable)
El objetivo no es un PDF bonito ni un mensaje simpático. Es que quede un pedido real en el ERP, con su número. La prueba: abre el ERP y míralo. Si no está, no has integrado nada, has hecho un chatbot.
Consejo de veracidad: no prometas lo que la herramienta no hace. Si tu cotizador no genera el PDF ni lo sube a Drive, no lo vendas como que sí. La confianza se construye siendo exacto.
Paso 5: Maneja los errores como en producción de verdad
Aquí es donde se ve al profesional. ¿Qué hace tu IA cuando algo falla?
- El ERP no responde → reintento con backoff y un mensaje honesto, nunca un dato inventado.
- Producto sin stock → lo dice y ofrece alternativas, no lo mete igualmente.
- Cliente ambiguo (dos "García") → pregunta cuál, no elige a ciegas.
- Precio que no cuadra → se detiene antes de crear el pedido.
La IA debe fallar de forma segura: ante la duda, para y pregunta. Sobre datos de negocio, un error silencioso es peor que no hacer nada.
Paso 6: Blíndalo antes de soltarlo al equipo
Antes de producción:
- Lista de acceso: quién puede usarlo (y quién no).
- Buffer anti-avalancha: que no se sature si llegan cinco mensajes seguidos.
- Registro (logs): cada acción sobre el ERP queda trazada. Si algo va raro, lo ves.
- Entorno de prueba: pruébalo con pedidos reales en un ERP de staging antes de tocar el de producción.
Cuánto tarda esto (expectativas realistas)
Depende del estado de tu dato, pero una integración acotada de cotizador suele ir así:
| Fase | Tiempo orientativo |
|---|---|
| Auditoría y limpieza del dato | 1-2 semanas |
| Tools + conexión por API | 1-2 semanas |
| Máquina de estados + conversación | 1-2 semanas |
| Pruebas, errores y blindaje | 1 semana |
Si alguien te promete "IA en tu ERP en dos días", o tu dato ya está impecable, o te están vendiendo una demo.
El resultado
Bien hecho, un empleado escribe "cotiza" por WhatsApp y en 3-5 minutos tiene el pedido creado en el ERP, en vez de 15-30 minutos a mano y con un 5-8% de errores de precio. Y funciona a cualquier hora. Puedes ver un caso real, con números de pedido de verdad, en nuestro comercial de IA que cotiza en el ERP.
Si quieres entender el porqué de todo esto antes de meterte, lee también qué es integrar IA de verdad.
¿Tienes un ERP y quieres que la IA trabaje dentro? Cuéntanos tu caso y te decimos, sin compromiso, por dónde empezar y qué NO harías todavía.
