Seguimiento y alertas de cartera de arrendamientos con ChatGPT

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 45-60 minutos tendras:

✓ Reglas de alerta priorizadas y umbrales definidos
✓ Plantillas de notificación para equipo financiero y operaciones
✓ Plan de integración para datos sensibles y no sensibles

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Acceso a un origen de datos con la cartera de arrendamientos (CSV, base de datos SQL o ERP) que incluya contrato, RUT/CIF, fecha inicio, fecha fin, renta, cláusulas de revisión y garantía.

Obligatorio Cuenta de ChatGPT con capacidad para prompts largos (plan recomendado: ChatGPT Plus o equivalente) y permisos para uso corporativo.

Recomendado Acceso a un canal de notificación (correo corporativo con SMTP, Microsoft Teams o Slack) y credenciales de integración.

Recomendado Inventario de políticas internas sobre tratamiento de datos sensibles y un responsable de cumplimiento para validar la ruta confidencial.

Transferencia internacional de datos: ChatGPT procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

ArrendaLogística S.A., sector logística y gestión de instalaciones — el problema real

ArrendaLogística gestiona 1.200 contratos de arrendamiento distribuidos por regiones y tipos de inmueble. Los vencimientos y cláusulas escalonadas no se notifican de forma centralizada, lo que genera renegociaciones de última hora y costes de contingencia.

Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 45-60 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

ChatGPT
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: ChatGPT sintetiza reglas complejas a partir de datos heterogéneos y produce texto estándar para notificaciones, minimizando la carga manual. Su capacidad para estructurar salidas (JSON/tablas) facilita la integración con sistemas de automatización y BI. Además permite adaptar el flujo según el grado de confidencialidad de los datos.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
tiene una cartera grande (>200 contratos) con vencimientos distribuidos y necesidad de priorización los contratos contienen cláusulas condicionadas que requieren interpretación (indexaciones, revisiones anuales) deseas una solución rápida que genere reglas y plantillas antes de una integración técnica	tienes menos de 20 contratos y prefieres gestión manual solo gestionas renovaciones automáticas con condiciones estandarizadas y bajo riesgo necesitas auditoría legal completa de todos los contratos (requiere revisión legal humana)

Paso 01

Mapear datos y definir confidencialidad

Identifique y clasifique los campos de su inventario de arrendamientos. Esta etapa determina si seguirá el camino de datos no sensibles o el de datos confidenciales on‑premises.

1
Inventario de campos Liste todos los campos disponibles: ID contrato, arrendador, arrendatario, CIF/RUT, dirección, fecha inicio, fecha fin, renta, escalados, garantías, cláusulas especiales. Esto permite definir reglas de alerta basadas en fechas y cláusulas.
2
Clasificar sensibilidad Marque cada campo como sensible (identificadores personales, CIF/RUT, datos bancarios) o no sensible (fechas, importes agregados). Use esta clasificación para elegir el flujo de implementación.
3
Elegir ruta de implementación Si predominan datos sensibles elija la ruta on‑premises o redacción antes de enviar a la nube; si no, puede usar la integración directa con ChatGPT en la nube para acelerar prototipado.

Checkpoint: Catálogo de campos firmado por el responsable de cumplimiento y decisión documentada sobre la ruta de confidencialidad.

Paso 02

Definir reglas de priorización y umbrales

Defina criterios objetivos para priorizar alertas: proximidad al vencimiento, impacto financiero, cláusulas críticas y riesgo operativo. Esto guía la lógica de scoring que implementará ChatGPT.

1
Establecer umbrales de días Defina niveles como Alerta Alta: <30 días al vencimiento; Media: 30–90 días; Baja: 90–180 días. Ajuste según tipo de activo o región.
2
Asignar pesos de impacto Asigne peso a variables: importe mensual (0–40), cláusula de terminación temprana (0–30), riesgo operativo (0–30). La suma genera un score que determina prioridad.
3
Definir responsables y canales Mapee cada nivel de prioridad a responsables y canales (ej.: Alta → Director de Arrendamientos + correo y Teams; Media → Gestor regional).

Checkpoint: Matriz de priorización con umbrales y responsables aprobada por finanzas y operaciones.

Paso 03

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.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[NOMBRE_EMPRESA]Nombre de la empresa que gestiona la cartera (ej.: ArrendaLogística S.A.).

[FUENTE_DATOS]Tipo y ubicación del origen de datos (ej.: 'SQL Server:db_produccion.tenant_arrendamientos' o 'S3:arrendamientos/contratos.csv').

[NIVEL_CONFIDENCIALIDAD]Valor 'NO_SENSIBLE' para datos anonimizados o 'SENSIBLE_ON_PREM' para datos con identificadores que deben permanecer en infraestructura propia.

Prompt principal — Alertas IA para cartera de arrendamientos Eres un asistente ejecutivo para finanzas que genera un plan operativo completo para seguimiento y alertas de cartera de arrendamientos. Entrada: un origen de datos [FUENTE_DATOS] con columnas identificadas, el nombre de la empresa [NOMBRE_EMPRESA] y el nivel de confidencialidad de datos [NIVEL_CONFIDENCIALIDAD] (VALORES: 'NO_SENSIBLE' o 'SENSIBLE_ON_PREM'). Objetivo: entregar un paquete de salida ejecutiva y técnica para implementar alertas automáticas. Entrega exactamente las siguientes secciones en formato JSON: 1) resumen_ejecutivo (máx. 6 frases) con riesgos y beneficios; 2) reglas_priorizacion: array de objetos {nivel, condición_explicita, umbral_dias, score_formula, responsable, canal_recomendado}; 3) plantillas_notificacion: lista de 3 plantillas (Alto, Medio, Bajo) con asunto, cuerpo corto y cuerpo extendido; 4) mapping_datos: esquema de campo a campo indicando si enviar en ruta nube o redactar (si [NIVEL_CONFIDENCIALIDAD]=='SENSIBLE_ON_PREM' marcar 'NO_ENVIAR_CLOUD' y proponer alternativa on‑premises); 5) integracion_tecnica: pasos concretos numerados para integrar (incluya ejemplos de query SQL para seleccionar contratos próximos a vencimiento, ejemplo de payload JSON para enviar a correo/Teams, y pseudocódigo para orquestar); 6) riesgos_y_mitigaciones: lista de 5 riesgos con mitigación práctica; 7) métricas_success: KPIs medibles y umbrales de éxito. Use como ejemplo realista la empresa [NOMBRE_EMPRESA] y considere un umbral operativo inicial de [UMBRAL_DIAS_VENCIMIENTO] días para alertas altas. Priorice claridad para un comité directivo: presente tablas compactas y un bloque final 'proxima_fase' con una lista de 6 acciones concretas para las próximas 4 semanas. Si [NIVEL_CONFIDENCIALIDAD]=='SENSIBLE_ON_PREM' incluya una arquitectura de ejemplo on‑premises con componentes (ETL local, motor de reglas, webhook interno). Formato: devuelva solo JSON válido; no incluya explicaciones adicionales fuera del JSON. Sea preciso, conciso y use terminología corporativa.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Iterar y validar con stakeholders

Refina las reglas y plantillas con feedback de finanzas, operaciones y legal. Ajuste umbrales, lenguaje de notificaciones y procedimientos operativos.

1
Reunión de validación Presente el entregable inicial (reglas, plantillas, esquema de integración) en una reunión con responsables clave y registre cambios solicitados.
2
Prueba piloto Ejecute un piloto con un subconjunto de contratos (ej.: 100 contratos regionales) y monitoree falsos positivos y receptividad de las alertas.

Checkpoint: Lista de ajustes priorizados y plan piloto con métricas de éxito definidas (reducción de renovaciones urgentes, tiempo de respuesta).

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Refina el último JSON generado concentrándote en reglas de priorización por región y tipo de inmueble. Añade una columna 'multiplicador_region' con valores entre 0.8 y 1.5 y recalcula el score para los 5 contratos con mayor importe. Usa la misma estructura JSON previa y devuelve sólo el bloque 'reglas_priorizacion' y 'ejemplos_de_cálculo' con los 5 contratos."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reescribe la sección 'integracion_tecnica' con menos detalle técnico (resumen ejecutivo) o con más detalle (incluir scripts completos SQL y ejemplo de webhook en Node.js). Especifica 'RESUMEN' o 'DETALLADO' al comenzar el prompt."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Convierte las plantillas de notificación a un tono formal y conciso para el Comité de Dirección, manteniendo la misma información. Devuelve únicamente las tres plantillas actualizadas en JSON."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Extrae un 'Resumen ejecutivo (1 página)' a partir del JSON completo: 6 frases que incluyan problema, solución propuesta, impacto financiero estimado y las 3 próximas acciones. Devuelve texto plano listo para presentar."

Resultado

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:

Ejemplo de output — ArrendaLogística S.A., sector logística y gestión de instalaciones

Estructura del output

El prompt produce un JSON con secciones ejecutivas y técnicas: resumen, reglas de priorización, plantillas, mapping de datos, integración técnica, riesgos y métricas. Cada sección es utilizable por equipos financieros y de TI para implementar el flujo.

Senales de un buen output

Incluye reglas con umbrales numéricos claros
Contiene plantillas listas para enviar (asunto y cuerpo)
Provee queries y payloads técnicos reproducibles
Ofrece rutas alternativas para datos sensibles y arquitectura on‑premises

Senal de que el output es bueno: El output contiene reglas cuantificables, ejemplos técnicos ejecutables y una lista de acciones de 4 semanas aprobable por la dirección.

Costes

Inversion y retorno

20$ ChatGPT Plus / mes

5-15 minutos por ejecución de prompt Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: La automatización reduce renovaciones de última hora y evita penalizaciones, lo que suele recuperar el coste en el ahorro de una sola negociación urgente por trimestre. Además reduce horas manuales del equipo financiero, permitiendo reasignación a tareas de mayor valor.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
Respuestas vagas sin umbrales claros	Prompt demasiado abierto o sin variables numéricas claves	Reenviar el prompt incluyendo valores concretos: [UMBRAL_DIAS_VENCIMIENTO] y ejemplos de contrato para base de cálculo.
La integración técnica no es reproducible	Falta de contexto sobre el origen de datos o permisos de acceso	Proveer al prompt el tipo exacto de fuente ([FUENTE_DATOS]) y un ejemplo de esquema de tabla (nombres de columnas).
Falsos positivos en alertas	Umbrales demasiado conservadores o falta de ponderación por región/tipo	Ajustar pesos y multiplicadores por región en la regla de scoring y ejecutar un piloto con 100 contratos.
Datos sensibles aparecen en salidas del modelo	Envío de identificadores reales en la ruta de nube	Cambiar a ruta 'SENSIBLE_ON_PREM', redacción o enmascaramiento previo de campos antes de enviar a ChatGPT.
Alertas no llegan a responsables	Configuración incorrecta de webhook o credenciales SMTP	Verificar logs de orquestador, credenciales y probar envío manual con el payload de ejemplo incluido en 'integracion_tecnica'.

Modo avanzado

Como hacer este tutorial con ChatGPT en modo avanzado

En modo agente, ChatGPT puede ejecutar acciones encadenadas: conectar a fuentes autorizadas, extraer registros, aplicar reglas y generar alertas. Use este modo cuando la plataforma permita agentes con conectores seguros y control de permisos.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar credenciales seguras y permisos para el agente (solo lectura en la base de datos de contratos).
2
Conectar el agente al origen de datos [FUENTE_DATOS] y ejecutar una query de prueba para validar esquemas.
3
Ejecutar la regla de priorización automatizada para generar un lote inicial de alertas y enviar reportes de control a un canal de auditoría.
4
Ajustar y programar el agente para ejecución diaria/horaria según el SLA definido.

Actúa como agente técnico autorizado para [NOMBRE_EMPRESA]. Conéctate al origen [FUENTE_DATOS] (solo lectura). Ejecuta la siguiente consulta de prueba: SELECT contrato_id, fecha_fin, importe_mensual, region, clausula_termino FROM contratos WHERE fecha_fin BETWEEN CURRENT_DATE AND DATEADD(day, [UMBRAL_DIAS_VENCIMIENTO], CURRENT_DATE) LIMIT 500. Aplica las reglas de priorización definidas (umbrales: Alto <30, Medio 30-90, Bajo 90-180) y genera: 1) un JSON con alertas por contrato {contrato_id, nivel, score, motivo}, 2) un payload de notificación por cada alerta listo para enviar vía webhook (URL interna) y 3) un informe resumido de 10 líneas con KPIs (n_alertas, importe_total_expuesto, top3_regiones). Devuelve solo JSON y ficheros adjuntos si aplica. No reescribas datos sensibles; anonimiza CIF/RUT reemplazando con 'ID_HASH'.

Cuando usar el modo avanzado en este tutorial: Útil cuando existe necesidad de orquestación automática con acceso controlado a datos en producción y se requiere ejecución recurrente sin intervención humana.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · ChatGPT

Explorar mas tutoriales de ChatGPT

Descubre otros casos de uso de ChatGPT para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Después del piloto, agregue feedback loop: capture tasa de acción sobre alertas (aceptadas, ignoradas, falsas) y reentrene las reglas de ponderación cada trimestre para optimizar precisión operacional.

Alternativa segura

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.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

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.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

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.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

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.

Contactar con Agere Conocer Agere