Hay historias que explican mejor que cualquier argumentario por qué merece la pena integrar la IA en el sistema real de un negocio, en vez de montarle una demo por encima. Esta es una de ellas. Es un caso real, anonimizado por confidencialidad: una distribuidora industrial con más de 50.000 productos en catálogo.
El problema: cotizar bien, en un catálogo enorme, llevaba media hora
En una distribuidora con ese volumen de referencias, cotizar no es mirar un precio y ya está. Cada cotización exige comprobar varias cosas a la vez:
- Quién es el cliente y qué tarifa concreta tiene (no todos pagan lo mismo).
- Si el producto pedido está en stock, y en qué almacén.
- Si hace falta aplicar algún descuento o condición especial acordada antes.
- Si, una vez cerrada, hay que dejar constancia en el ERP como oportunidad y, si procede, como pedido.
Antes, todo ese proceso pasaba por una persona del equipo comercial. Recibía la petición (a menudo por WhatsApp, que es como habla la mayoría de sus clientes), abría el ERP, buscaba el cliente, comprobaba la tarifa, consultaba stock en otra pantalla, calculaba el precio final y respondía. Cuando el producto no era habitual o la tarifa tenía matices, el proceso se alargaba más.
De media, cada cotización se llevaba unos 30 minutos de trabajo humano. Multiplicado por el volumen diario de peticiones, era una parte enorme de la jornada del equipo comercial dedicada a tareas mecánicas y repetitivas, no a vender.
Por qué no bastaba con "poner un chatbot"
La tentación fácil, y donde fracasan la mayoría de intentos de este tipo, es enchufar un chatbot genérico que responde con lo que sabe de un catálogo estático. Funciona en la demo. En cuanto llega un cliente real con una tarifa especial o un producto que cambió de precio ayer, el chatbot inventa una respuesta o se queda callado. Y en distribución, un precio mal dado no es un detalle: es dinero.
Por eso el planteamiento fue distinto desde el principio: la IA no iba a "saber" el catálogo de memoria, iba a consultarlo y operar dentro del ERP en tiempo real, como lo haría una persona del equipo. Eso significa que cada respuesta pasa por los mismos controles que pasaría un comercial humano, no por una aproximación estadística de lo que probablemente sea correcto.
Qué construimos
El resultado es un comercial de IA que atiende por WhatsApp y que, dentro de Odoo, hace exactamente el mismo recorrido que antes hacía una persona:
- Valida el cliente contra el ERP, no contra una suposición.
- Aplica la tarifa real que le corresponde a ese cliente concreto.
- Comprueba el stock del producto pedido en tiempo real.
- Calcula y responde la cotización con el precio correcto.
- Crea la oportunidad y, si procede, el pedido, como registro real en el sistema, no en una hoja aparte que alguien tenga que volcar después.
Es la diferencia entre un asistente que "habla de" tu negocio y uno que trabaja dentro de él. Si quieres el detalle técnico de cómo se monta esta pieza (la máquina de estados, las herramientas por API, las pruebas antes de producción) lo explicamos paso a paso en cómo conectar la IA a tu ERP sin morir en el intento.
El resultado: de 30 minutos a minutos
El cambio se nota sobre todo en dos sitios: el tiempo y la disponibilidad.
| Antes | Ahora | |
|---|---|---|
| Tiempo por cotización | Unos 30 minutos de media | Cuestión de minutos, muchas veces al instante |
| Quién responde | Una persona del equipo comercial | La IA, con el mismo criterio y las mismas validaciones |
| Horario | Solo en horario laboral | Cuando el cliente escribe, incluido fuera de horario |
| Dónde queda registrado | A veces en la memoria de quien atendió, o con retraso en el ERP | Directamente en el ERP como oportunidad o pedido real |
| Foco del equipo comercial | Repartido entre cotizar y vender | Centrado en negociar y cerrar, no en teclear |
El equipo comercial no ha dejado de tener trabajo, lo ha cambiado. Sigue interviniendo en las cotizaciones que necesitan una decisión humana (una negociación especial, una excepción de tarifa), pero ha dejado de perder media hora en las que no la necesitan. Eso es lo que casi nunca se cuenta de estos proyectos: no se trata de "sustituir personas", se trata de devolverles el tiempo a la parte del trabajo donde de verdad aportan.
Lo que aprendimos (y aplica más allá de este caso)
- La IA generativa por sí sola no basta si hay reglas de negocio reales detrás. Tarifas, stock y condiciones especiales no se pueden "adivinar": hay que consultarlas en el sistema de verdad.
- El canal importa tanto como el motor. Si tus clientes hablan por WhatsApp, la IA tiene que estar donde ellos están, no obligarles a entrar en un portal nuevo.
- Cada respuesta debe dejar rastro en el ERP. Si la IA "sabe" algo pero no lo escribe donde vive el resto de tu negocio, has creado un silo más, no lo has resuelto.
- El ahorro de tiempo real llega cuando la IA hace todo el recorrido, no solo la primera respuesta. Cotizar rápido pero luego tener que volcar el pedido a mano a otro sistema deja el problema a medias.
¿Tu equipo pierde tiempo cotizando o respondiendo lo mismo una y otra vez?
Este es solo uno de los proyectos donde la IA trabaja de verdad dentro del sistema del cliente, no al lado. Puedes ver este caso completo, con más contexto, en comercial de IA en el ERP, y el resto de proyectos reales en casos de éxito. Si quieres entender primero el marco general antes de meterte en un proyecto así, qué es integrar IA de verdad es un buen punto de partida.
Y si reconoces esta misma pérdida de tiempo en tu equipo, cuéntanos tu caso. Te decimos sin compromiso si tiene sentido, qué construiríamos y qué no.
