Resumen: un agente de IA para manufactura es un programa que recibe un trabajo (una solicitud de cotización, una requisición, un pedido atrasado), revisa la información en tus sistemas, decide el siguiente paso dentro de reglas que tú defines y lo ejecuta o lo deja listo para aprobación. No es un chatbot ni una máquina nueva: es una forma de dejar el trabajo repetitivo de oficina y operación en manos del software. Funciona mejor en procesos con reglas claras y datos accesibles, y siempre con una persona que aprueba al inicio. Empezar por un solo proceso, en modo supervisado, es la ruta que menos riesgo tiene.
¿Qué es un agente de IA en una manufacturera?
Un chatbot responde preguntas. Un agente hace trabajo: lee un correo, consulta el ERP, compara contra una regla, redacta un documento y avisa a la persona correcta. La diferencia práctica es que el agente tiene un objetivo (por ejemplo, "que cada solicitud de cotización tenga respuesta") y un conjunto de pasos que puede ejecutar para lograrlo.
Un agente útil en planta tiene cuatro piezas:
- Entradas: correo, WhatsApp, formularios, planos o registros del ERP.
- Reglas: márgenes, prioridades, proveedores autorizados, tolerancias, montos que requieren aprobación.
- Acciones: capturar, calcular, redactar, consultar, enviar un aviso, dejar un borrador.
- Control humano: quién aprueba, qué se considera excepción y cómo se registra cada decisión.
Si falta alguna de las cuatro, lo que tienes es una demostración, no un proceso.
¿Qué procesos puede atender hoy un agente de IA?
Los mejores candidatos son procesos repetitivos, con reglas que se pueden escribir y con información que ya vive en algún sistema o en el correo. Esta tabla resume dónde suele funcionar y qué hace la persona en cada caso:
| Proceso | Qué prepara o ejecuta el agente | Qué sigue haciendo la persona |
|---|---|---|
| Cotizaciones | Interpreta la solicitud, reúne datos, calcula con tu fórmula de costeo y deja la cotización en borrador | Aprueba precios fuera de rango y casos nuevos |
| Compras | Arma requisiciones desde el inventario, compara proveedores y da seguimiento a entregas | Negocia, elige proveedor en casos críticos |
| Inventario | Vigila niveles, detecta riesgo de faltante y propone reórdenes | Define políticas y atiende excepciones |
| Cobranza | Envía recordatorios, concilia pagos y registra promesas de pago | Atiende cuentas difíciles y relaciones clave |
| Seguimiento de pedidos | Avisa al cliente del estado y detecta retrasos | Resuelve el problema de fondo |
| Producción (lectura de datos) | Lee tiempos, piezas y OEE para comparar lo cotizado contra lo producido y señalar desviaciones | Decide qué ajustar en el proceso o en la fórmula |
Fíjate en la última fila: hoy el agente lee datos de máquina y producción para medir y proponer. No da órdenes a máquinas ni a robots.
¿Qué no deben hacer los agentes de IA?
Conviene decirlo con claridad, porque la mayoría de los proyectos fallidos nacen de expectativas equivocadas:
- No sustituyen el criterio. Una excepción de calidad, una negociación con un cliente clave o una decisión de seguridad deben seguir en manos de una persona.
- No arreglan un proceso desordenado. Si cada vendedor cotiza con su propia lógica, el agente replicará el desorden más rápido. Primero se ordenan las reglas.
- No deben operar sin trazabilidad. Cada acción tiene que quedar registrada: qué dato leyó, qué regla aplicó y quién aprobó.
- No controlan máquinas ni robots en el piso. Esa es otra capa, con otros riesgos y otros requisitos de seguridad.
- No son infalibles. Pueden equivocarse, por eso se empieza con aprobación humana y se mide la tasa de correcciones.
¿Cómo se decide si un proceso es buen candidato?
Usa esta tabla de decisión con un proceso a la vez. Cuantos más "sí", mejor candidato:
| Pregunta | Si la respuesta es sí | Si la respuesta es no |
|---|---|---|
| ¿Se repite varias veces por semana? | Hay volumen para que el ahorro se note | Mejor dejarlo para después |
| ¿Las reglas se pueden escribir en una hoja? | El agente puede aplicarlas | Documenta primero las reglas |
| ¿La información llega o vive en un sistema accesible? | Se puede integrar | Centraliza los datos antes |
| ¿Un error es corregible antes de afectar al cliente? | Riesgo bajo con aprobación | Mantén revisión humana estricta |
| ¿Hay una persona que conoce el proceso y puede validar? | Piloto viable | Falta un responsable |
¿Por dónde empezar? Un piloto en cinco pasos
- Elige un proceso con la tabla anterior. Uno, no cinco.
- Escribe las reglas tal como las aplica hoy tu mejor persona en ese proceso, incluidas las excepciones.
- Define la métrica de partida: cuánto tarda hoy, cuántas veces se corrige y cuántos casos se pierden.
- Arranca en modo supervisado: el agente prepara y una persona aprueba cada caso. Revisa semana a semana qué se corrige.
- Sube la autonomía por criterio, no por entusiasmo: cuando una categoría de casos casi no se corrige, pasa a revisión por excepción.
Un ejemplo ilustrativo, con cifras inventadas solo para mostrar la mecánica: si el agente prepara 40 cotizaciones por semana y tu equipo corrige 2 en un mes, esa categoría de cotizaciones simples puede pasar a "por excepción", mientras las cotizaciones nuevas o de gran monto se quedan con aprobación. Los números reales dependen de tu operación.
En las plantas con las que trabajamos vemos que la integración con el sistema que ya usan (ERP, hojas de cálculo, correo) pesa más en el éxito del piloto que el modelo de IA en sí. Si el agente no ve la información, no puede ayudar.
Errores comunes al implementar agentes de IA
- Comprar una herramienta genérica sin integrarla. Un asistente que no ve tu ERP te obliga a copiar y pegar.
- Querer automatizarlo todo a la vez. Un proceso bien hecho enseña más que cinco a medias.
- No definir quién aprueba. Sin responsable, el agente produce borradores que nadie revisa.
- No medir. Sin métrica de partida no sabrás si funcionó.
- Ocultarlo al equipo. Funciona mejor cuando las personas participan en definir las reglas, porque son quienes las conocen.
Preguntas frecuentes
¿Un agente de IA reemplaza a mi equipo administrativo?
No es el objetivo. El agente toma lo repetitivo (capturar, comparar, dar seguimiento) y el equipo se queda con lo que requiere criterio: negociar, resolver excepciones y mejorar el proceso.
¿Necesito cambiar mi ERP para usar agentes de IA?
No necesariamente. Lo habitual es conectar el agente a los sistemas que ya usas. La profundidad de la integración depende de qué tan accesibles estén tus datos.
¿Qué diferencia hay entre un agente y una automatización tradicional?
Una automatización tradicional sigue pasos fijos y se rompe cuando el formato cambia. Un agente puede interpretar información menos estructurada, como un correo o un plano, y decidir el siguiente paso dentro de las reglas que defines, con aprobación humana cuando corresponde.
¿Spreaad controla máquinas o robots?
No. Hoy conectamos agentes de IA a procesos de oficina y operación, y leemos datos de máquina y producción, por ejemplo OEE, tiempos y piezas. No damos órdenes a máquinas ni robots.
En la ruta a lights-out
En una planta mediana típica, la mayoría de los procesos de oficina están entre el nivel 0 (manual) y el 1 (asistido): hay un ERP o una hoja de cálculo que registra datos, pero una persona hace cada paso. Un agente de IA lleva el proceso al nivel 2 (supervisado), donde el agente prepara el trabajo y una persona aprueba cada caso.
Para subir al nivel 3 (por excepción) hace falta lo que describimos en el piloto: reglas escritas, datos accesibles, una métrica de correcciones y umbrales claros de qué requiere aprobación. Con eso, la persona deja de revisar cada caso y atiende solo lo que se sale de lo normal.
Cuando varios procesos de oficina llegan a ese punto, aparece el siguiente problema: coordinar el trabajo entre agentes, personas, máquinas y robots. Ahí es donde la industria va hacia las zonas sin luces. Si quieres el panorama completo, lee qué es lights-out manufacturing.
El siguiente paso
Elige un proceso, aplica la tabla de decisión y arranca el piloto en modo supervisado. Si quieres revisarlo con nosotros, conoce nuestras soluciones para manufactura de metales y maquinados, alimentos y bebidas y farmacéuticos (en inglés), o agenda una demo. Para un primer caso concreto, empieza con cómo automatizar cotizaciones.