Monitor de Licitaciones con Make + Slack

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 20-30 minutos tendras:

✓ Monitor activo de fuentes de licitaciones (RSS, API, scraping)
✓ Resúmenes ejecutivos con puntuación de ajuste y urgencia
✓ Notificaciones en Slack con plantillas de respuesta para el equipo comercial

Antes de empezar, asegurate de tener lo siguiente:

Cuenta Make Cuenta activa en Make con permisos para crear escenarios y conectar servicios externos.

Workspace de Slack Workspace y token de bot con permiso para enviar mensajes al canal objetivo.

Acceso a fuentes Feeds RSS, APIs de portales de licitaciones o listado CSV con URLs de publicaciones como fuentes de entrada.

Lista de criterios comerciales Documento con criterios de adjudicación, umbrales económicos y requisitos técnicos para priorizar oportunidades.

Transferencia internacional de datos: Make 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

Constructora del Sur S.A., sector construcción y obra pública — el problema real

Constructora del Sur pierde oportunidades por reacción tardía y por no filtrar licitaciones por criterios estratégicos. El equipo comercial recibe alertas no priorizadas y consume tiempo revisando publicaciones irrelevantes.

Con Make y el prompt de este tutorial, puede resolver este reto en 20-30 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

Make
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: Make integra múltiples conectores (RSS, HTTP, Slack) en escenarios visuales y permite transformar y enriquecer datos con llamadas a modelos de lenguaje. Su bajo código facilita iterar reglas de filtrado y plantillas de mensaje sin desplegar infraestructura nueva.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Su equipo recibe múltiples fuentes de licitaciones y necesita priorizar rápidamente Necesita notificaciones inmediatas en canales colaborativos (Slack) con contexto accionable Quiere combinar reglas de negocio con resúmenes generados por IA para decisión directiva	Si sólo participa en concursos internos y no requiere monitorización pública Si prefiere revisar todas las publicaciones manualmente sin automatización Si la precisión de las adjudicaciones requiere revisión jurídica previa a cualquier notificación

Paso 01

Definir fuentes y criterios de filtrado

Identifique las fuentes de licitaciones y documente criterios que determinan relevancia. Esto evita ruido y permite que Make entregue solo oportunidades estratégicas.

1
Mapear fuentes Registre URLs de RSS, endpoints API de portales públicos y páginas clave. Ejemplo: PuntoObras.gov/api/licitaciones, feed RSS de Ayuntamientos locales, y un CSV con URLs de contratos de ConsorcioInfra S.A.
2
Establecer criterios comerciales Defina criterios cuantitativos y cualitativos: importe mínimo, ubicación geográfica, plazo de ejecución, requisitos técnicos. Por ejemplo: importe >= 500.000 EUR, provincia en [ANDALUCÍA, MURCIA], experiencia en obras hidráulicas.
3
Priorizar reglas Asigne pesos a criterios para calcular una puntuación de ajuste. Ejemplo: importe (40%), experiencia en sector (30%), plazo de entrega (20%), requisitos legales (10%).

Checkpoint: Lista documentada de fuentes y una matriz de criterios con pesos, lista para implementarse en Make.

Paso 02

Construir el escenario en Make

Configure un escenario que recoja fuentes, aplique filtros y enrute entradas relevantes a procesamiento por IA y a Slack. Use módulos estándar para mayor fiabilidad.

1
Crear trigger de entrada Añada módulos 'RSS > Watch items' o 'HTTP > Make a request' según la fuente. Configure intervalos de comprobación apropiados (cada 5-15 minutos) y autentique APIs si procede.
2
Normalizar y filtrar Use módulos 'Text aggregator' y 'Filter' para extraer campos clave (título, importe, plazos, URL). Aplique condiciones basadas en la matriz de criterios para pasar sólo oportunidades relevantes.
3
Llamar al modelo y enviar a Slack Añada un módulo 'OpenAI / LLM' para generar un resumen ejecutivo y una evaluación de ajuste. A continuación, use 'Slack > Send message' para publicar en [CANAL_SLACK] con formato predefinido y botones de acción.

Checkpoint: Escenario en Make que detecta nuevas publicaciones, filtra por criterios y produce un mensaje probado en Slack con resumen y enlace a la licitación.

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 su empresa para contextualizar el análisis (ej: Constructora del Sur S.A.).

[CRITERIOS_BUSQUEDA]Matriz o lista de criterios comerciales y pesos (ej: 'importe>=500000:40; experiencia_sector:30; plazo<=90d:20; requisitos_legales:10').

[CANAL_SLACK]Nombre del canal de Slack donde publicar (ej: #licitaciones-equipo-comercial).

Prompt principal — Monitor de Licitaciones con Make Actúa como analista ejecutivo de licitaciones para [NOMBRE_EMPRESA]. Tienes que evaluar una nueva publicación procedente de [FUENTE_DE_LICITACIONES] y entregar un informe accionable para el equipo comercial. Datos disponibles: título del anuncio, importe estimado, plazos, requisitos técnicos y enlace. Tu tarea: 1) Resumir la licitación en máximo 3 frases enfocadas a la dirección; 2) Calcular una puntuación de ajuste del 0-100 basada en los criterios definidos en [CRITERIOS_BUSQUEDA] (explica cómo aplicaste cada criterio y su peso); 3) Determinar urgencia (ALTA/MEDIA/BAJA) según plazo y complejidad; 4) Listar documentos y certificaciones clave necesarios para la postulación (máximo 6 ítems); 5) Proponer la próxima acción inmediata con responsable recomendado (usa el nombre del encargado si está disponible); 6) Generar un mensaje de Slack listo para enviar al canal [CANAL_SLACK] con resumen de 2 líneas, puntuación, urgencia, enlace y botones de acción sugeridos (Interesar / No interesar / Revisar + Legal). Formato de salida requerido: JSON con las claves: resumen, puntuacion, desglose_criterios (array con criterio, peso, valor), urgencia, documentos_requeridos (array), proxima_accion (con responsable y plazo), slack_message (texto plano). Mantén tono ejecutivo, claro y prescriptivo. Si falta información crítica, indica exactamente qué campo falta y propón una acción alternativa para validar la oportunidad. Ejemplo de criterio: 'importe >= 500000 -> +40 puntos'. Prioriza la rapidez y la utilidad para toma de decisiones del comité comercial.

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

Paso 04

Iterar y afinar reglas y plantillas

Revisar salidas reales y ajustar umbrales, plantillas de mensaje y reglas de enrutamiento mejora precisión. Involucre a un miembro del equipo comercial para validar relevancia.

1
Ajustar umbrales de puntuación Analice 20-50 eventos detectados: identifique falsos positivos y negativos y modifique pesos en la matriz de criterios. Documente cambios y mantenga versión de las reglas.
2
Refinar plantilla de Slack Optimice el mensaje: incluya resumen en 3 frases, puntuación, campos clave (importe, plazo, enlace) y botones de acción (Interesar / No interesar). A/B test con dos equipos durante 1 semana.

Checkpoint: Disminución de falsos positivos y mayor aceptación del canal comercial; plantilla estándar aprobada por el responsable de licitaciones.

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. "Reformula el informe anterior enfocándote exclusivamente en criterios financieros y de plazo. Prioriza ítems que afecten el coste y la capacidad de ejecución en los próximos 90 días. Mantén formato JSON solicitado."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Amplía la sección 'documentos_requeridos' con pasos prácticos para obtener cada documento, incluyendo responsables y estimación de tiempo. Limita el resumen a una sola frase ejecutiva."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el mensaje de Slack en tono formal y conciso para el Comité de Dirección. Mantén la misma información pero reduce el mensaje a 140 caracteres."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera un briefing de una página para la dirección con: resumen en 3 líneas, impacto económico estimado, recomendación clara (presentar/no presentar), y un cuadro con riesgos principales."

Resultado

Que vas a obtener

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

Ejemplo de output — Constructora del Sur S.A., sector construcción y obra pública

Estructura del output

El prompt genera un JSON con claves: resumen (3 frases), puntuacion (0-100), desglose_criterios (array con criterio, peso y evaluación), urgencia (ALTA/MEDIA/BAJA), documentos_requeridos (lista), proxima_accion (responsable y plazo) y slack_message (texto listo). Este formato permite integrar la salida directamente en Make para publicación automática.

Senales de un buen output

Resumen claro en 1-3 frases que destaca el valor comercial
Puntuación justificada con desglose por criterio
Lista de documentos práctica y completa
Mensaje de Slack listo y con llamada a la acción

Senal de que el output es bueno: La puntuación está desglosada por criterio y el mensaje de Slack incluye enlace y acción concreta.

Costes

Inversion y retorno

99$ / mes Make Business / mes

Por ejecución: 30 s - 2 min Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: La automatización reduce horas de revisión manual y acelera la presentación de oferta, lo que incrementa la tasa de participación en oportunidades estratégicas. En 3 meses puede recuperar el coste si permite ganar solo una licitación de mayor volumen.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
No aparecen nuevas licitaciones en el escenario	Intervalo de comprobación o configuración del trigger incorrecta; fuente cambiada	Verifique la configuración del módulo RSS/HTTP y compruebe la URL; aumente logs y ejecute manualmente el trigger para diagnosticar.
Mensajes en Slack sin campos clave (importe, enlace)	Mapeo de variables en Make incompleto o fallo en parsing del HTML	Revise mapeo de campos en el módulo de transformación; añada expresiones regulares o use módulo HTTP para recuperar el contenido y extraer datos.
Elevado número de falsos positivos	Criterios demasiado amplios o pesos mal asignados	Refine la matriz de criterios, incremente umbrales y ejecute una validación cruzada con 50 eventos históricos.
Llamadas al modelo fallan por límite de cuota	Exceso de peticiones al LLM o límite del plan	Consolide peticiones en batch, use caching para publicaciones ya procesadas y negocie plan con mayor cuota.
Mensajes bloqueados al publicar en Slack	Token o permisos de bot insuficientes	Compruebe token de autenticación, permisos del bot en el canal y que el app esté instalada en el workspace objetivo.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

En modo agente, Make puede ejecutar un flujo continuo que supervisa fuentes, prueba múltiples criterios y toma decisiones autónomas sobre notificaciones y escalado. Esto es útil para operaciones que requieren filtrado dinámico y reglas encadenadas.

Modo avanzado

Flujo de trabajo avanzado

1
Crear un escenario maestro con módulos Watchers y un Router para clasificar eventos
2
Añadir módulos de evaluación en paralelo (LLM, validaciones numéricas, listas negras)
3
Configurar un bucle iterador para reintentos y verificación de datos faltantes
4
Implementar acciones de escalado automatizado: publicar en Slack, crear tarea en CRM o enviar correo a Legal

Eres un agente automatizado que supervisa fuentes de licitaciones para [NOMBRE_EMPRESA]. Para cada nuevo evento: 1) valida campos mínimos (título, importe, fecha límite, enlace); 2) si falta información, intenta recuperar datos desde el enlace (scraping) y reintenta. 3) evalúa con [CRITERIOS_BUSQUEDA] y calcula puntuación; 4) si puntuación >= 70, envía al canal [CANAL_SLACK] un mensaje con resumen, puntuación y acciones; 5) si puntuación entre 40 y 69, marca para revisión manual y crea task en CRM; 6) registra cada decisión en un log con timestamp y motivo. Mantén tolerancia a fallos: reintenta 2 veces antes de escalar a revisión manual. Opera con criterio ejecutivo y registra métricas de tasa de acierto para ajuste posterior.

Cuando usar el modo avanzado en este tutorial: Valioso cuando hay alto volumen de publicaciones y se requiere decisión automática en tiempo real o cuando se desea reducir intervención humana en la primera criba.

Siguiente paso

Que hacer ahora?

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

Tutorial relacionado · Make

Explorar mas tutoriales de Make

Descubre otros casos de uso de Make 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: Integre el escenario con el CRM para convertir automáticamente oportunidades aprobadas en leads y medir tasa de conversión de licitaciones detectadas a ofertas presentadas.

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