Ejemplo completo — DECISIÓN 01¶
Cobertura semanal de objetivos de visitas por zona¶
0. Punto de partida — Decisión consensuada¶
Decisión a tomar
Decidir, al inicio de cada semana, si el volumen actual y previsto de leads por zona es suficiente para cumplir los objetivos de visitas de la semana siguiente, y si es necesario ajustar inversión publicitaria o expectativas operativas.
- Periodicidad: semanal (lunes a primera hora)
- Responsables: Dirección / Marketing / Operaciones (decisión conjunta)
- Impacto económico: alto
- Impacto operativo: alto
Esta decisión, por su impacto y recurrencia, justifica por sí sola el uso de un sistema de apoyo a la decisión basado en IA.
1. Problema real del negocio que se quiere reducir¶
Actualmente, la planificación semanal de visitas se realiza mediante:
- estimaciones manuales,
- experiencia acumulada de los equipos,
- información parcial procedente de distintos silos.
Esto genera de forma recurrente:
- infra o sobreinversión publicitaria,
- saturación de agendas de visitas,
- incumplimiento de objetivos,
- tensiones entre marketing, comercial y operaciones.
El problema no es la falta de datos, sino la falta de contexto integrado y fiable para tomar una decisión semanal crítica.
2. Incertidumbre concreta que se quiere reducir¶
Para esta decisión, el objetivo del sistema no es eliminar la incertidumbre, sino reducirla de forma significativa.
En concreto, se quiere reducir la incertidumbre sobre:
- cuántos leads acabarán realmente en visita,
- en qué plazo temporal,
- con qué fiabilidad por zona,
- y hasta qué punto la capacidad operativa permite absorber esa demanda.
Una mejor estimación en estos puntos permite decidir con más criterio y menos riesgo.
3. Qué necesitamos saber para decidir mejor¶
(sin hablar todavía de tecnología)
Antes de pensar en herramientas o IA, se define el alcance informacional de la decisión.
Para la DECISIÓN 01, el sistema debe poder responder a preguntas como:
- ¿Cuál es la tasa histórica lead → visita por zona?
- ¿Cuál es el tiempo medio y la variabilidad del lag lead → visita?
- ¿Cómo influye la calidad del lead en esa conversión?
- ¿Cuál es la capacidad real de visitas disponible por zona?
- ¿Qué backlog de visitas ya está comprometido?
Este paso define qué hay que saber, no cómo se va a implementar.
4. Fase 6 — Encaje de la decisión en el Ecosistema General de IA¶
Una vez definido qué información necesita la decisión, se valida su encaje dentro del ecosistema común del sistema de IA.
A nivel de sistema, se establece que esta decisión:
- requiere datos históricos y actuales,
- necesita análisis predictivo sencillo,
- debe generar un output recurrente y claro (lunes a primera hora),
- siempre con validación humana explícita.
Además, se garantiza que:
- utiliza las mismas reglas de gobierno,
- los mismos controles,
- y las mismas capas que el resto de decisiones futuras.
En esta fase no se implementa nada aún: se asegura que la decisión es compatible con un sistema reutilizable y gobernable.
5. Fase 7 — Implementación concreta de la DECISIÓN 01¶
Una vez definido el ecosistema, se implementa esta decisión concreta reutilizando las capacidades comunes.
a) Requisitos de información¶
- históricos de leads y visitas,
- tiempos de conversión,
- objetivos de visitas por zona,
- capacidad operativa disponible a corto plazo.
b) Lógica de soporte a la decisión¶
- estimación de visitas esperadas por zona,
- cálculo de cobertura del objetivo semanal,
- identificación de riesgos de saturación o infrautilización.
c) Rol de la IA¶
La IA actúa como copiloto para:
- preparar el análisis,
- estimar escenarios,
- señalar riesgos y desviaciones relevantes.
La IA no ejecuta acciones ni toma decisiones automáticamente.
6. Output esperado para la decisión¶
El sistema debe producir un output accionable y comprensible, no un dashboard genérico.
Por ejemplo:
- nivel de cobertura esperada de visitas por zona,
- riesgo operativo asociado a cada escenario,
- zonas con margen para escalar o necesidad de contención.
Este output se entrega de forma recurrente y en un formato claro, listo para facilitar la decisión.
7. Decisión final y control humano¶
Con el output del sistema:
- Dirección decide si ajustar inversión, objetivos o capacidad,
- la decisión queda documentada y trazable,
- y se genera aprendizaje para decisiones futuras.
El sistema asiste la decisión, pero no la sustituye.
8. Por qué este ejemplo es relevante¶
Este ejemplo demuestra que:
- la IA entra después de definir la decisión,
- la tecnología se introduce con propósito claro,
- el enfoque es repetible para otras decisiones,
- y el control humano es estructural.
La DECISIÓN 01 no es un “caso de uso de IA”, sino una decisión de negocio que ahora puede tomarse con menos incertidumbre y más criterio gracias a un sistema bien diseñado.