Que hace
Grow2.ai despliega un agente de IA que se encarga de la parte mecánica del proceso de compras: lectura de documentos, extracción de condiciones, consolidación en tabla y formulación de una conclusión preliminar. Al responsable le queda verificar la argumentación y tomar la decisión.
El proceso es el siguiente:
- Recopilación de propuestas comerciales desde el almacén de archivos. El agente supervisa la carpeta con las propuestas comerciales y carga los nuevos archivos — PDF, DOCX, tablas, correos.
- Extracción de datos estructurados. De cada propuesta se extraen precio, plazos, garantías, SLA, alcance de los trabajos, condiciones de pago, comisiones ocultas.
- Normalización de condiciones. Los distintos formatos y formulaciones se llevan a una escala común: «entrega en 10 días hábiles» y «2 semanas» se consideran comparables.
- Construcción de la tabla comparativa. Los proveedores se ordenan por criterios en formato tabular con resaltado explícito de las desviaciones respecto a la media.
- Generación del resumen. El agente elabora un narrative breve: diferencias clave, aspectos a tener en cuenta, qué riesgos se observan en los documentos.
- Recomendación con justificación. Propone un candidato y explica la elección — con referencia a puntos concretos de las propias propuestas.
El agente utiliza los patrones Búsqueda / RAG Q&A (el responsable formula preguntas a los datos: «¿quién tiene la garantía más larga?»), Análisis e insight (data → narrative) y Sumarización (long → short).
Qué no hace la automatización
- No toma la decisión final en lugar del responsable. La elección y la responsabilidad recaen en la persona — el agente prepara los argumentos, pero no firma el contrato.
- No negocia con los proveedores. Las solicitudes de aclaración de condiciones, la negociación de precio, la aprobación de cambios en el contrato — de forma manual.
- No reemplaza el due diligence jurídico y financiero. La verificación de la fiabilidad del proveedor, el análisis del contrato por un abogado, las reuniones — siguen siendo responsabilidad humana.
La automatización resuelve el cuello de botella habitual: decenas de propuestas comerciales acumuladas en una carpeta, el responsable aplaza la revisión, los plazos de decisión se extienden durante semanas. Tras la implementación, el tiempo desde la recepción de la propuesta hasta la conclusión argumentada se reduce un 70% — ese es el efecto declarado de la automatización.
Como funciona
El agente de IA está construido sobre una combinación personalizada de varios componentes. En el centro, un modelo de IA que lee documentos y razona sobre los datos extraídos. A su alrededor: un conector a file storage, un índice RAG para consultas repetidas y una plantilla de prompt con criterios de evaluación fijos.
Flujo técnico
- Trigger. Nuevo archivo en la carpeta de propuestas comerciales o ejecución programada (una vez al día o una vez a la semana).
- Extract. El agente extrae texto de PDF, DOCX, tablas y correos electrónicos, normaliza codificaciones, elimina firmas y bloques de servicio.
- Chunking + embeddings. Los documentos se dividen en bloques lógicos y se indexan en el almacén vectorial para posteriores consultas RAG.
- Field extraction. Según la plantilla de criterios se extraen valores: precio, plazo de entrega, condiciones de pago, garantía, penalizaciones, SLA, alcance de los trabajos.
- Comparación. Las condiciones se normalizan (moneda, unidades, plazos), se construye una tabla con resaltado de desviaciones.
- Summarization. El agente genera un texto: diferencias clave, riesgos, recomendación.
- Output. El informe se guarda de vuelta en file storage y simultáneamente se envía al responsable por el canal habitual.
Pasos de implementación
- Recopilación de criterios. El responsable de operaciones enumera los parámetros que realmente influyen en la decisión. Es precisamente en esta etapa cuando lo que antes no estaba formulado explícitamente queda plasmado por primera vez en un documento.
- Preparación del dataset. Se necesitan 5-10 evaluaciones anteriores con decisiones reales: el agente las utiliza como calibración.
- Configuración del conector a file storage. Conexión al almacenamiento actual (Google Drive, Dropbox, S3, recurso compartido SMB interno) con permisos de lectura.
- Diseño del prompt. Descripción del rol del agente, criterios, formato de salida, reglas de normalización. Esta es la parte principal del desarrollo personalizado.
- Pruebas con datos históricos. El agente procesa las propuestas comerciales anteriores, los resultados se contrastan con las decisiones reales. Las discrepancias son motivo para ajustar el prompt.
- Piloto. Dos o tres compras reales se realizan en paralelo: el responsable evalúa las propuestas comerciales por su cuenta y verifica el resultado del agente. Contraste.
- Producción. El agente opera en el flujo principal, la persona se ocupa de la verificación final.
Componentes de la solución
Componente | Función |
|---|---|
File storage connector | Lectura de propuestas comerciales desde la carpeta conectada |
Modelo de IA | Extracción de campos, comparación, resumen |
Vector store | Indexación de documentos para consultas RAG |
Plantilla de prompt | Criterios, reglas de normalización, formato |
Output handler | Guardado del informe y envío al responsable |
El tipo de solución es custom-code. La lógica base se construye para el proceso específico del cliente, y no se configura en un SaaS listo para usar. Motivo: los criterios de evaluación de proveedores difieren entre una empresa manufacturera, un integrador de IT y un minorista; una plantilla universal no funciona bien aquí. A cambio, el cliente obtiene flexibilidad: los criterios, el formato del informe y las reglas de manejo de excepciones se adaptan a su proceso.
La capa RAG aporta valor adicional tras el primer despliegue: el responsable puede hacer consultas al corpus de propuestas comerciales como «muestra todos los proveedores con garantía de más de 2 años» o «dónde está el plazo de pago diferido más corto», sin informe separado, en formato libre.
Requisitos previos
La automatización presupone un mínimo de condiciones del lado del cliente — sin ellas, la implementación se ralentizará.
Datos y accesos
- Una carpeta estructurada con propuestas comerciales en file storage (Google Drive, Dropbox, S3, recurso compartido SMB — se conecta mediante conector).
- 5-10 adquisiciones anteriores con la decisión documentada para calibrar el agente.
- Documentación o registro verbal de los criterios de selección — qué exactamente se compara, qué parámetros son críticos.
- Permisos de lectura de la carpeta para la cuenta de servicio.
Preparación del equipo
- Un responsable operativo o closure manager que gestione el proceso de adquisiciones y esté dispuesto a dedicar 3-5 horas a la aprobación de criterios y la plantilla de informe.
- Contacto técnico (CTO, DevOps o proveedor externo) para configurar el conector al file storage.
- Disposición para trasladar los criterios de selección de las mentes al documento. Este paso lleva más tiempo porque dentro de la empresa los criterios rara vez están formulados de manera explícita.
Plazos
Complexity de nivel week implica un plazo mediano de implementación de 6-10 semanas. De ellas:
- 1-2 semanas — recopilación de criterios y preparación del dataset.
- 2-3 semanas — desarrollo y configuración del agente.
- 2-3 semanas — pruebas con datos históricos y ajustes.
- 1-2 semanas — piloto con adquisiciones reales y configuración final.
Problemas
- Revisión — cuello de botella
- Conocimiento en cabezas, no en documentos
FAQ
¿Cuánto tiempo lleva la implementación?
El plazo mediano es de 6-10 semanas. La mayor parte del tiempo no la ocupa el desarrollo, sino la alineación de los criterios de selección dentro del equipo y la calibración del agente sobre compras anteriores. Si los criterios ya están fijados en documentos y existen 5-10 casos analizados, los plazos se acercan al límite inferior. De ser necesario, está disponible una variante acelerada con funcionalidad reducida y posterior ampliación.
¿Qué pasa si no tenemos un formato unificado de propuestas comerciales?
La diversidad de formatos es la norma en las compras: unos proveedores envían PDF, otros — correos, otros — hojas de cálculo. El agente está diseñado precisamente para esto: extrae campos de distintos formatos y los lleva a una escala unificada. El problema no está en la diversidad de formatos, sino en la ausencia de criterios con los que se realiza la comparación. Los criterios deberán formularse una vez durante la fase de implementación.
¿Cuáles son los riesgos y qué puede fallar?
Tres riesgos principales. El primero — el agente extrae un campo de forma incorrecta cuando el proveedor formula la condición de manera inusual (por ejemplo, un descuento que se aplica según una regla compleja). Solución — revisión manual de los primeros 10-20 informes y ajuste del prompt. El segundo — cambio en el formato de documentos de un proveedor clave. Solución — monitoreo de la precisión. El tercero — los criterios de selección cambian con el desarrollo del negocio, el prompt requiere actualizaciones periódicas.
¿Es adecuada la automatización para nuestro sector?
La solución es horizontal — funciona en cualquier ámbito donde se comparen regularmente propuestas comerciales de varios proveedores: manufactura, retail, servicios de IT, construcción, servicios profesionales, comercio B2B. La especificidad del sector solo afecta a los criterios de comparación y al formato del informe — la parte técnica es la misma. Para compras altamente especializadas (equipos médicos, automatización industrial, materiales certificados) se requerirá más tiempo de calibración y un conjunto mayor de casos anteriores para el entrenamiento.
¿Qué hacer si los criterios de selección cambian con el tiempo?
Los criterios realmente cambian — aparecen nuevos proveedores, se regula la legislación, se desplazan las prioridades del negocio. En el prompt se incorpora un mecanismo de actualización periódica: una vez por trimestre, el director operativo revisa los criterios junto con el equipo de Grow2.ai o de forma independiente. La parte técnica del prompt está separada de la parte de negocio, por lo que la actualización lleva 1-2 horas. Una revisión integral de la arquitectura solo es necesaria ante un cambio radical en el modelo de compras.
¿Es posible integrar los resultados en el workflow existente?
Sí. El informe del agente se guarda de vuelta en el file storage junto a las propuestas comerciales originales y, en paralelo, se envía al canal habitual del responsable — correo, Slack, tarea en el task tracker. El conector con sistemas externos se configura durante la fase de implementación. Si ya se utiliza un workflow engine u otro orquestador, el agente se conecta como un paso en el pipeline existente. La estructura del informe es fija, por lo que es fácil parsearlo a continuación.
Quieres esto en tu negocio?
Reserva una auditoria gratuita — te mostraremos como funcionara esta automatizacion para ti.