Lo que necesitas para completar este tutorial
- ✓ Checklist de configuración y mapping de datos listos para el equipo técnico
- ✓ Cronograma de despliegue con hitos, roles y estimación de horas
- ✓ Registro de riesgos y acciones mitigantes priorizadas
Antes de empezar, asegurate de tener lo siguiente:
TextilNova S.A., sector manufactura textil — el problema real
TextilNova lleva semanas con el módulo de Producción de Manus AI parcialmente configurado: rutas incompletas, errores en listas de materiales y pruebas de integración fallidas. El equipo de planta no puede ejecutar órdenes de producción con trazabilidad correcta.
Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 30-60 minutos — sin conocimientos tecnicos previos.
Datos + contexto
Prompt estructurado
Listo para usar
Cuando usar este tutorial
| ✓ Usalo cuando... | × No lo uses cuando... |
|---|---|
|
|
Diagnóstico rápido y recopilación de datos
Recopile la información crítica para entender por qué la implementación está estancada: configuraciones actuales, errores detectados y expectativas de la planta. Esto reduce suposiciones y permite respuestas precisas del modelo.
-
1
Exportar maestros y configuraciones Obtenga exportaciones CSV/Excel de listas de materiales, rutas de producción, centros de trabajo, familias de producto y parámetros del módulo de Producción de Manus AI. Estos archivos serán la base del mapping.
-
2
Registrar incidentes clave Documente 3-5 fallos reproducibles (por ejemplo: órdenes que no generan lotes, cálculos de costes incorrectos) con pasos para reproducirlos y capturas de error para referencia.
-
3
Recoger objetivos operativos Defina métricas de éxito (OTD, tasa de rechazo, tiempo de ejecución) y el horizonte de despliegue esperado para que el plan se alinee con objetivos directivos.
Preparar el contexto y permisos en ChatGPT Business
Configure ChatGPT Business para trabajar con archivos y define el rol de asistencia: entregable técnico-ejecutivo. Establecer el contexto evita respuestas genéricas y protege datos sensibles.
-
1
Subir archivos y dar contexto Adjunte las exportaciones y añada un resumen ejecutivo que incluya objetivos, plazos y restricciónes (p. ej. no cambiar estructuras maître sin aprobación).
-
2
Crear un 'system prompt' de proyecto Defina el rol: 'Eres un consultor ejecutivo en ERP de Producción con experiencia en Manus AI. Genera entregables accionables y plantillas técnicas.' Esto guía el tono y la granularidad.
-
3
Asignar permisos y stakeholders Verifique que los interlocutores en ChatGPT tengan permisos para ver archivos pertinentes, y liste responsables internos: PMO, Líder de Planta, Integrador de Manus AI.
Ejecutar el prompt principal
Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.
-
1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
-
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
-
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.
Iterar y preparar entrega al Comité
Revise, refine y transforme la salida en entregables ejecutivos: resumen para Comité, plan técnico para integrador y checklist de pruebas para planta. Aplique los prompts de iteración para ajustar detalle, tono y alcance.
-
1
Validar con equipo técnico Comparta el mapping y las reglas de negocio con el integrador de Manus AI y corrija inconsistencias técnicas antes de aprobación ejecutiva.
-
2
Generar paquetes de comunicación Cree un brief ejecutivo (una página), una hoja de ruta técnica y un guion para la reunión de arranque del plan de recuperación del proyecto.
Prompts para refinar el output
Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:
-
cuando el output es demasiado genérico.
"Afina el deliverable anterior enfocándolo específicamente en producción de lotes y trazabilidad. Prioriza acciones que no requieran cambios de código en Manus AI y añade ejemplos concretos usando los siguientes datos: lista de productos [PRINCIPALES_PRODUCTOS], explicación de error 'orden no genera lote' y exportación de maestros 'BOM.csv'. Devuelve checklist actualizado y ajustes de configuración exactos."
-
cuando necesitas más o menos profundidad.
"Ajusta el nivel de detalle: si necesito menos profundidad, resume cada sección en un párrafo ejecutivo de 40-60 palabras. Si necesito más profundidad, expande cada punto técnico con pasos exactos, comandos o rutas de menú en Manus AI y estimación de horas para cada tarea."
-
cuando el tono no es el adecuado para tu audiencia.
"Reescribe el mismo contenido en formato: 1) informe ejecutivo (una página, lenguaje C-suite), 2) guía técnica paso a paso (para integrador), 3) checklist para planta (acciones rápidas con responsables). Mantén la información técnica intacta, solo cambia nivel de detalle y lenguaje."
-
para compartir con el Comité de Dirección.
"Genera una única página ejecutiva con: objetivo, estado actual, 3 acciones críticas con impacto y coste estimado, cronograma resumido de 4 hitos y decisión requerida del Comité. Presenta en bullet points claros y priorizados."
Que vas a obtener
Este es el tipo de output que genera ChatGPT con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:
Incluye mappings exactos campo-a-campo con ejemplos de transformación
Proporciona un plan de pruebas reproducible con criterios de éxito
Entrega plantillas de comunicación técnica y resumen ejecutivo
Inversion y retorno
Que hacer cuando algo no funciona
| Sintoma | Causa probable | Solucion exacta |
|---|---|---|
| Salida demasiado genérica sin mappings concretos | Falta de archivos adjuntos o contexto específico en el prompt | Adjunte las exportaciones CSV/Excel y vuelva a ejecutar el prompt. Si no es posible, proporcione ejemplos de 3-5 filas por tabla. |
| Inconsistencias entre campos propuestos y la nomenclatura del ERP | Diferencias en nombres de campos entre el export y la configuración actual de Manus AI | Envíe una muestra del archivo maestro (5-10 filas) y solicite que el modelo utilice los nombres exactos presentes. |
| Recomendaciones imposibles por restricciones del ERP | El prompt no incluyó las restricciones de configuración o políticas internas | Actualice el prompt con las restricciones (p. ej. 'no modificar estructura de BOM') y pida alternativas de mitigación que no violen políticas. |
| Respuestas largas y sin priorización | System prompt no define prioridades ni límites de entrega | Solicite explícitamente 'prioriza 5 acciones críticas' y pida un resumen ejecutivo de 250 palabras para clarificar foco. |
| Datos sensibles difundidos en el chat | Permisos y controles de privacidad no configurados en ChatGPT Business | Revise ajustes de datos compartidos, use versiones redacted de archivos y limite acceso a participantes necesarios antes de subir material. |
Como hacer este tutorial con ChatGPT en modo avanzado
El modo agente permite orquestar tareas autónomas en múltiples pasos: cargar archivos, extraer tablas, ejecutar transformaciones y generar entregables iterativos. Para este caso, utilice el modo agente para procesar exportaciones, realizar mapping automático y producir plantillas técnicas que luego se validarán con el equipo.
Flujo de trabajo avanzado
-
1
Configurar agente con permisos para acceder a archivos y archivos adjuntos del proyecto
-
2
Ejecutar una tarea para parsear los CSV/Excel y generar un primer mapping campo-a-campo
-
3
Lanzar una tarea de verificación que contraste reglas de negocio detectadas con los incidentes reportados
-
4
Generar los entregables finales (resumen ejecutivo, checklist, cronograma) y preparar mensajes para stakeholders
Que hacer ahora?
Ahora que has completado este tutorial, hay dos caminos naturales:
Puedo hacer esto sin que mis datos salgan de la empresa?
Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.
Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.
Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.
vLLM — Para entornos de produccion con multiples usuarios simultaneos.
LM Studio — Para pruebas y uso individual sin configuracion de servidor.
GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.
RAM: 128GB minimo.
Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.
La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.