Saltar a contenido

Módulo 2 – Automatizar con IA

Tu primer flujo: de los datos a un resultado útil

Ya entiendes qué es la IA generativa, qué modelos existen y qué puedes compartir con ellos. Ahora vamos a dar el paso que la mayoría quiere ver desde el principio: construir un flujo real que procese información con IA y la entregue a tu equipo o a tu sistema.

El patrón que aprenderás aquí es el más repetido en el trabajo con IA: algo llega, la IA lo procesa y alguien o algún sistema lo recibe. Es la base sobre la que construirás todo lo demás.

1. El patrón entrada → IA → salida

Casi toda automatización con IA se reduce a tres bloques:

  1. Entrada: un email, un formulario, un registro en una hoja de cálculo, un webhook.
  2. Procesamiento IA: el modelo recibe el contenido con un prompt específico y devuelve un resultado.
  3. Salida: el resultado se envía a un canal (Slack, Teams, email), se guarda en un CRM o se escribe en una hoja de cálculo.

Si puedes dibujar estos tres bloques para tu caso de uso, puedes construirlo. Las herramientas visuales como n8n, Make o Zapier te permiten conectar estos bloques sin escribir código.

Ejemplos por sector:

  • Consultoría: email largo del cliente → IA resume en 5 puntos para el director del proyecto → se envía al canal del equipo.
  • Ventas: formulario de contacto web → IA clasifica si es consulta, presupuesto o queja → se deriva al departamento correcto.
  • Operaciones: informe mensual de proveedor → IA extrae riesgos y desviaciones → se guarda en la hoja de seguimiento.
  • RRHH: candidatura recibida → IA extrae experiencia clave y la compara con el perfil buscado → resumen para el responsable.
  • Legal: notificación regulatoria → IA identifica los puntos que afectan a la empresa → alerta al equipo jurídico.

2. Práctica guiada: construir el flujo en n8n o Make

Vamos a describir el flujo paso a paso. Puedes hacerlo en n8n, Make o una plataforma similar; todas tienen los mismos bloques con nombres distintos.

Paso 1: disparador (trigger)

Elige qué activa el flujo: "cuando llega un email", "cuando se crea una fila", "cuando se recibe un webhook". Estás diciendo: cuando pase esto, arranca el flujo.

Paso 2: obtener el contenido

Extraes el texto que quieres procesar: el cuerpo del email, la descripción del ticket, el mensaje del formulario. Verifica que el campo no venga vacío — si no hay contenido, no tiene sentido llamar a la IA.

Paso 3: llamada a la IA

Usas el bloque "OpenAI", "Claude" o "LLM" de la plataforma. Necesitas: - Tu API key configurada como conexión. - Un prompt concreto y estructurado.

Ejemplo de prompt para automatización:

"Eres un asistente que resume comunicaciones internas. Resume el siguiente texto en 5 puntos claros, en español, destacando: 1) quién escribe, 2) qué pide, 3) plazos o urgencia. Si no hay alguno de estos datos, indícalo. Texto: {{cuerpo_email}}"

Paso 4: salida al equipo

Bloque "Enviar a Slack/Teams/CRM". Asignas el resultado de la IA al campo del mensaje. Si tu organización no usa estas herramientas, puedes mandarlo a tu propio email o guardarlo en una hoja de cálculo.

Paso 5: prueba

Ejecutas el flujo con un caso de ejemplo real. Verificas que la IA responde y que el resultado llega donde debe.

Observación práctica

La calidad del resultado depende mucho más del prompt que de la plataforma. Un prompt genérico ("resume esto") dará resultados genéricos. Un prompt que dice quién va a leer el resultado, en qué formato y qué información es prioritaria dará resultados útiles.

3. Prompts para automatización: rígidos, no creativos

Aquí es donde muchos se equivocan porque vienen del chat "libre" con la IA. En un flujo automatizado, el prompt debe ser predecible.

Las reglas: - Di el rol: "Eres un asistente que resume informes para dirección." - Di el formato: "En 5 viñetas", "en 1 párrafo", "devuelve JSON". - Di el idioma: "Responde siempre en español." - Di qué hacer si falta información: "Si no hay fecha, indícalo." - Di para quién es: "El resumen lo leerá un jefe de proyecto con 30 segundos."

¿Por qué? Porque el resultado lo va a leer otra persona o lo va a consumir otra herramienta. No quieres respuestas creativas, quieres respuestas previsibles.

En n8n, el bloque "AI Agent" o "OpenAI" te permite pegar el prompt directamente. Usa {{ $json.campo }} para insertar variables del flujo.

En Make, el módulo "OpenAI — Create a Completion" te pide el prompt como texto. Usa los campos dinámicos del escenario para insertar variables.

En Zapier, el paso "ChatGPT" tiene un campo de instrucciones donde defines el prompt con variables del trigger.

4. Nivel B (opcional): añadir lógica

Si el flujo básico funciona, puedes darle más inteligencia:

Condición por remitente o asunto: - Si el email viene de "clientes@…", mándalo al canal comercial. - Si no, mándalo a operaciones.

Segunda IA que clasifica: - Primera IA: resume el contenido. - Segunda IA: clasifica como "propuesta / queja / consulta / otra". - Según la clasificación, el flujo envía a una persona diferente.

Enriquecer con metadatos: - Añade fecha, remitente, asunto al resultado para que quien lo reciba tenga contexto completo.

Esto no es obligatorio, pero demuestra que ya controlas la herramienta y puedes adaptarla al proceso real de tu organización.

5. Errores comunes y cómo resolverlos

  • "La IA me responde en inglés" → Añade "responde en español" en el prompt. Siempre.
  • "No me llega nada a Slack" → La IA sí respondió, pero no mapeaste el campo de salida. Revisa la variable que conecta el resultado de la IA con el bloque de envío.
  • "La ejecución falla" → Casi siempre es la API key mal pegada o la cuenta del servicio de destino sin permisos.
  • "La IA resume cosas muy obvias" → Tu prompt es demasiado genérico. Di quién va a leer el resultado y qué le importa.
  • "Copio el mismo prompt en todos los flujos" → Al principio está bien, pero luego conviene guardar una versión estándar para tu equipo, para que todos reciban resultados con el mismo formato.

Alerta de privacidad

En un flujo automatizado, los datos pasan por la IA sin supervisión humana. Asegúrate de que el disparador no envíe a la IA correos con datos personales sensibles, adjuntos confidenciales o información que no debería salir de tu organización. Configura filtros en la entrada si es necesario.

6. Qué hacer con el flujo una vez funciona

Un flujo que funciona una vez no es un flujo útil. Para que pase de "mi experimento" a "herramienta del equipo", necesitas:

  1. Documentar el prompt. Escríbelo en algún sitio compartido (Notion, SharePoint, Obsidian). Si te vas de vacaciones y nadie sabe qué prompt usas, el flujo es frágil.
  2. Centralizar las credenciales. La API key no debería estar en tu cuenta personal. Pide una cuenta de equipo.
  3. Probar con casos extremos. ¿Qué pasa si el email viene vacío? ¿Y si tiene adjuntos? ¿Y si está en otro idioma?
  4. Definir un responsable funcional. Alguien que revise que el resultado sigue siendo útil.

7. Cierre y aprendizajes clave

  • El patrón entrada → IA → salida es la base de toda automatización con IA. Si lo dominas, solo cambias las piezas.
  • El prompt es lo que marca la diferencia, no la plataforma.
  • Un flujo útil necesita un prompt documentado, credenciales centralizadas y un responsable.
  • Añadir condiciones o una segunda IA te permite acercarte a procesos reales sin programar.

Resumen del módulo

Ya puedes construir un flujo que toma información, la pasa por IA con un prompt estructurado y la entrega donde tu equipo la necesita. Sabes dónde suelen fallar estos flujos y cómo explicarlos a tu organización.

Para profundizar

En el Módulo 3 llevaremos esta lógica al siguiente nivel: crear asistentes que responden sobre tus propios documentos internos.