Controlling Automático de PyG con Make

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 45-75 minutos tendras:

✓ Integración automática ERP → Make → IA
✓ Análisis de desviaciones PyG contra budget
✓ Informe ejecutivo PDF con recomendaciones accionables

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Acceso API al ERP (Odoo o SAP) con permisos de lectura para cuentas y movimientos del PyG.

Obligatorio Libro de budget en formato Excel con estructura consistente (centros de coste, cuentas, periodo).

Recomendado Cuenta en Make (Integromat) con conectores a HTTP/JSON y Google Drive/OneDrive para almacenar archivos.

Recomendado Acceso a modelo IA con capacidad analítica (plan empresarial de GPT-5 o equivalente) para generación de texto y tablas.

Transferencia internacional de datos: IA 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

Industrias Vega Norte SA, fabricación y distribución industrial — el problema real

El equipo financiero tarda días en reconciliar el PyG real con el budget y preparar el informe para el Comité. Las desviaciones se documentan manualmente y faltan causas cuantificadas.

Con IA y el prompt de este tutorial, puede resolver este reto en 45-75 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

IA
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: La IA sintetiza grandes volúmenes de datos y detecta patrones de desviación rápidamente; combinada con Make automatiza la orquestación entre ERP, Excel y generación de documentos. Reduce sesgos humanos y acelera la toma de decisiones del Comité.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Cierres mensuales o trimestrales con múltiples centros de coste y discrepancias recurrentes Necesitas un informe ejecutivo estándar y reproducible para el Comité Dispones de budget en Excel con estructura consistente y un endpoint ERP accesible	Cuando el volumen de transacciones es mínimo y el proceso manual ya es ágil Si requieres análisis estadístico profundo o auditoría forense con pruebas legales Si no existe acceso programático al ERP ni posibilidad de extraer datos

Paso 01

Conectar ERP y almacenamiento en Make

Configura el escenario en Make para extraer el PyG real desde tu ERP (Odoo o SAP) y volcar una exportación intermedia en CSV/JSON a un almacenamiento seguro. Es la base del flujo automatizado.

1
Crear escenario en Make y conectar al ERP En Make crea un nuevo escenario, añade un módulo HTTP/Connector para autenticar contra el API de tu ERP. Prueba la llamada para obtener el extracto de cuentas y movimientos del PyG del periodo [PERIODO].
2
Mapear campos mínimos de salida Define y exporta los campos: cuenta, descripción, centro de coste, importe, moneda, fecha, y tipo de asiento. Este mapeo es clave para cruzarlo con el budget.
3
Guardar archivo intermedio en Drive o S3 Configura un módulo en Make para escribir el CSV/JSON resultante en Google Drive/OneDrive/S3 con un nombre estandarizado que incluya [PERIODO] para trazabilidad.

Checkpoint: Archivo PyG_[PERIODO].csv o .json disponible en almacenamiento con campos mapeados y accesible por Make.

Paso 02

Cruzar PyG real con budget y normalizar datos

Transforma y normaliza los datos para que el PyG real y el budget sean comparables: misma moneda, periodo y codificación de cuentas/centros. Preparar la tabla de desviaciones facilita que la IA analice causas.

1
Importar budget desde Excel y estandarizar En Make añade un módulo que lea el archivo Excel [BUDGET_FILE], normaliza nombres de columnas y convierte a la misma moneda/periodicidad que el PyG real.
2
Aplicar mapping de cuentas Usa un archivo de mapping [MAPPING_CSV] que relacione cuentas del ERP con las cuentas presupuestadas. Aplica reglas de agregación por centro de coste si procede.
3
Calcular desviaciones y percentuales Genera una tabla con columnas: cuenta, centro, real, budget, desviación absoluta, desviación porcentual. Añade flags si la desviación supera [TOLERANCIA_PCT].

Checkpoint: Tabla de desviaciones normalizada con flags de materialidad y enlace al origen de cada cifra.

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

[ERP_NOMBRE]Nombre de tu ERP (p. ej. Odoo, SAP) para contextualizar integraciones y referencias.

[PERIODO]Periodo analizado (p. ej. '2026-06', 'Q2 2026') que corresponde a los datos extraídos.

[BUDGET_FILE]Ruta o nombre del archivo Excel con el budget que se ha cruzado (p. ej. 'Budget_2026_Deptos.xlsx').

Prompt principal — Controlling Automático de PyG Eres un analista financiero sénior con foco ejecutivo. Dispones de una tabla de desviaciones entre PyG real extraído del ERP y el budget en Excel para el periodo [PERIODO] de la empresa [EMPRESA_NOMBRE]. La tabla incluye: cuenta, centro de coste, real, budget, desviación absoluta, desviación porcentual, y referencia al asiento original. Tarea: 1) Genera un resumen ejecutivo de máximo 250 palabras dirigido al Comité de Dirección [COMITE] que destaque las 5 desviaciones más importantes por impacto económico y por porcentaje, indicando su efecto sobre el resultado neto del periodo. 2) Para cada desviación priorizada, proporciona: (a) una hipótesis de causa raíz (hipótesis accionable y verificable), (b) el impacto económico estimado en la proyección anual, (c) el primer paso operativo recomendado y responsable sugerido (ej: Director de Operaciones, Contabilidad). 3) Identifica patrones recurrentes (ventas, costes variables, provisiones, ajustes contables) y evalúa si requieren una acción puntual o cambio de control permanente. 4) Calcula un indicador agregado de 'materialidad residual' que combine desviaciones absolutos y porcentuales y marca partidas que superen [TOLERANCIA_PCT] como críticas. 5) Proporciona una sección 'Anexos' con: tabla resumida de las 5 partidas seleccionadas en formato CSV, lista de archivos origen con rutas y un checklist de verificación para el equipo financiero. Entrega el output en formato estructurado con títulos claros: Resumen Ejecutivo, Top 5 Desviaciones (tabla), Causas y Acciones, Patrones Recurrentes, Materialidad Residual (fórmula) y Anexos. Mantén un tono ejecutivo, preciso y directo; evita tecnicismos innecesarios y finaliza con 3 recomendaciones prioritarias para el Comité y una línea de comunicación propuesta para seguimiento con [CONTACTO_FINANZAS].

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

Paso 04

Refinar y generar PDF ejecutivo

Itera sobre el output de la IA para afinar causas, cuantificar impactos y convertirlo en un PDF con la estética corporativa del Comité. Revisa supuestos y añade anexos con cifras origen.

1
Aplicar prompts de iteración para afinar Usa los prompts de refinamiento (sección de iteraciones) para ajustar profundidad, tono y foco en las partidas más relevantes.
2
Generar PDF y distribuir En Make conecta el resultado final a un generador de PDF (Plantillas HTML/PDF) y configura envío automatizado por correo al grupo del [COMITE] con resumen ejecutivo en el asunto.

Checkpoint: PDF ejecutivo disponible y enviado al Comité; anexos con tablas origen accesibles desde el PDF.

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. "El informe es útil pero necesita ejemplos concretos. Reescribe la sección 'Causas y Acciones' añadiendo: 1) una métrica cuantitativa que soporte cada hipótesis (p. ej. % de variación de volumen), 2) una acción inmediata de 7 días y 3) responsable propuesto con su KPI para seguimiento."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Ajusta el nivel de detalle. Opción A: Resumen de 150 palabras con solo 3 recomendaciones prioritarias. Opción B: Informe ampliado con análisis por centro de coste y una proyección a 12 meses con supuestos. Indica qué opción deseas al inicio del mensaje."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reformula el informe en tono más directo y corporativo para Comité (máx. 180 palabras) o en tono operativo para el equipo financiero (incluir checklist técnico de reconciliación). Especifica 'Comité' o 'Operativo' al inicio."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Extrae una versión ejecutiva de máximo 120 palabras que incluya: impacto neto total, 3 riesgos prioritarios, 3 acciones inmediatas con responsables y fecha objetivo. Formato: viñetas breves."

Resultado

Que vas a obtener

Este es el tipo de output que genera IA con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — Industrias Vega Norte SA, fabricación y distribución industrial

Estructura del output

El output debe entregarse en secciones claramente tituladas: Resumen Ejecutivo, Top 5 Desviaciones (tabla breve), Causas y Acciones (hipótesis y responsables), Patrones Recurrentes, Materialidad Residual (metodología), Anexos con rutas y CSV. Cada sección debe ser utilizable tal cual en un informe PDF.

Senales de un buen output

La lista Top 5 coincide con las partidas de mayor impacto neto
Cada desviación incluye una causa hipótesis, impacto anual y responsable
Las recomendaciones son accionables con plazos claros
El anexo contiene la tabla CSV y referencias a los archivos origen

Senal de que el output es bueno: Existencia de recomendaciones accionables con responsable y fecha objetiva para cada desviación material

Costes

Inversion y retorno

50$ GPT-5 Business / mes

8-12 min por ejecución completa (depende del tamaño de la tabla) Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Reducir el tiempo de conciliación y generación de informes acelera la toma de decisiones del Comité y evita pérdidas por demora en la corrección. Un ahorro de 1-3 jornadas mensuales del equipo financiero y detección temprana de desviaciones materializa el retorno en semanas.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
El escenario en Make no descarga datos del ERP	Credenciales API incorrectas o permisos insuficientes	Verificar token/usuario, probar la llamada API con Postman y asegurar permisos de lectura para las tablas de PyG.
Las cuentas no se casan con el budget	Mapping de cuentas incompleto o diferencias de moneda/periodicidad	Revisar [MAPPING_CSV], normalizar moneda a la misma unidad y comprobar reglas de agregación por periodo.
La IA devuelve conclusiones vagas o genéricas	Prompt insuficiente o datos de entrada poco específicos	Enviar más contexto (ej.: columnas clave, ejemplos de asientos) y usar los prompts de iteración para especificar formato y profundidad.
El PDF generado carece de anexos o tablas origen	Paso de rutas/archivos mal referenciado en Make	Comprobar que el módulo que genera PDF recibe la variable con la ruta y adjunta correctamente los CSV desde el almacenamiento.
Diferencias intermitentes entre ejecuciones	Datos del ERP cambiantes o ejecuciones fuera de horario de cierre contable	Bloquear ejecuciones hasta cierre contable diario/semanal o marcar la extracción con timestamp e indicar en el informe la versión de datos.

Modo avanzado

Como hacer este tutorial con IA en modo avanzado

El modo agente permite que la IA actúe como orquestador: ejecutar llamadas API, transformar tablas y generar archivos en secuencia. Es útil cuando quieres que el modelo examine datos paso a paso y tome decisiones condicionadas.

Modo avanzado

Flujo de trabajo avanzado

1
Inicia sesión en la plataforma IA con permisos de ejecución de acciones y acceso a la API del ERP
2
Provee al agente la ruta del archivo PyG y del budget, y define reglas de materialidad [TOLERANCIA_PCT]
3
Solicita al agente que ejecute filtros, calcule desviaciones y proponga 5 hipótesis con acciones concretas
4
Valida las propuestas y ordena al agente generar el PDF y enviar por correo al grupo [COMITE]

Actúa como agente financiero. Tienes acceso programático a: 1) endpoint ERP [ERP_ENDPOINT] con credenciales [ERP_CRED], 2) almacenamiento con [BUDGET_FILE] y [MAPPING_CSV]. Ejecuta: a) descarga PyG para [PERIODO], b) normaliza y cruza contra budget, c) calcula desviaciones y marca las que superen [TOLERANCIA_PCT], d) genera un informe ejecutivo y un CSV con top 5 desviaciones, e) crea un PDF y envíalo a [COMITE_EMAIL] con copia a [CONTACTO_FINANZAS]. Registra todas las acciones en un log y solicita confirmación antes de enviar el correo final.

Cuando usar el modo avanzado en este tutorial: Especialmente valioso para cierres recurrentes que requieren ejecución automatizada completa (descarga, cálculo, informe y envío) sin intervención humana entre pasos.

Siguiente paso

Que hacer ahora?

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

Tutorial relacionado · IA

Explorar mas tutoriales de IA

Descubre otros casos de uso de IA 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: Una vez operativo, programa ejecuciones automáticas post-cierre y revisa trimestralmente el mapping de cuentas; añade una métrica de eficacia (tiempo ahorrado vs. días empleados) para cuantificar beneficios.

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