Gestión Documental General: Make + ChatGPT Business

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

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

✓ Reducción de 30-45 minutos por documento
✓ Plantillas dinámicas que mantienen coherencia institucional
✓ Almacenamiento y control de versiones automático

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Cuenta activa en Make con permisos para crear escenarios y conectar APIs externas.

Obligatorio Cuenta ChatGPT Business con clave API para uso desde Make (API Key y permisos de uso).

Recomendado Repositorio de documentos centralizado (Google Drive o SharePoint) y credenciales para integrarlo en Make.

Recomendado Hoja de cálculo o base de datos con variables de plantilla (Google Sheets, Airtable) para alimentar los documentos.

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

Logística Norte S.A., sector logística y distribución — el problema real

El equipo de operaciones dedicaba 30-45 minutos a redactar informes de entrega y confirmaciones comerciales repetitivas, con variabilidad en el formato y errores de omisión. La acumulación de variantes dificultaba auditorías internas.

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 ofrece conectores visuales y gestión de errores nativa, lo que permite encadenar triggers, llamadas a la API de ChatGPT Business y almacenamiento sin código. La combinación reduce fricción operativa, asegura consistencia y facilita trazabilidad y escalado.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Necesitas generar informes, contratos estándar, ofertas o actas con datos variables y formato fijo El volumen de documentos es alto y repetitivo (decenas o cientos por semana) Requieres historial automático y control de versiones para cumplimiento	Documentos altamente creativos o estratégicos que requieren juicio humano extenso Casos aislados y únicos con baja repetición Cuando la prioridad es la redacción ad-hoc de un solo documento complejo

Paso 01

Configurar conexiones en Make

Crear un escenario en Make y asegurar las conexiones a las fuentes y destinos (ChatGPT Business, Google Drive/SharePoint, Google Sheets/Airtable). Esto permite automatizar el flujo de datos y la llamada al modelo.

1
Crear escenario nuevo en Make Abra Make, seleccione ‘Crear nuevo escenario’ y reserve un nombre identificable (ej.: Generador_Docs_Logística). Esto facilita la gobernanza y auditoría interna.
2
Conectar ChatGPT Business por API Añada un módulo HTTP o el conector de OpenAI en Make configurando la API Key de ChatGPT Business. Pruebe la conexión con una petición simple para verificar credenciales.
3
Conectar repositorio y origen de datos Integre Google Drive o SharePoint como destino y Google Sheets/Airtable como origen de variables. Autorice accesos y pruebe lectura/escritura en archivos de prueba.

Checkpoint: El escenario en Make puede invocar la API de ChatGPT Business y leer/escribir en el repositorio de documentos.

Paso 02

Diseñar plantillas y definir variables

Defina una plantilla de documento con marcadores para las variables y un mapeo claro entre la hoja de datos y la plantilla. Esto garantiza que el prompt entregue contexto consistente al modelo.

1
Crear plantilla base Diseñe la plantilla con secciones fijas (encabezado, resumen ejecutivo, puntos clave, recomendaciones, firma). Use delimitadores claros como {{NOMBRE_CLIENTE}} para reemplazo opcional.
2
Mapear columnas a variables En la hoja de cálculo o base de datos, asegure columnas por cada variable necesaria (cliente, fecha, entregables, incidencias). Documente los nombres exactos para usarlos en Make.
3
Decidir reglas de validación Defina reglas mínimas (ej.: campo 'ENTREGABLES' no vacío, fecha en formato ISO). Esto permite añadir validaciones previas a la llamada a ChatGPT y reducir iteraciones.

Checkpoint: Plantilla y variables listos, con reglas de validación definidas y accesibles desde Make.

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 diseñada para obtener un output ejecutivo y consistente.
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 la llamada a la API desde Make (campo 'body' de la petición). El modelo puede tardar entre 10 y 60 segundos dependiendo de la longitud y la carga.

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

[EMPRESA]Nombre legal de la empresa u unidad que solicita el documento (ej.: Logística Norte S.A.).

[TIPO_DOCUMENTO]Tipo de documento que se requiere (ej.: Informe de entrega, Confirmación de acuerdo, Acta de reunión).

[DATOS_CLAVE]Lista breve de hechos y cifras relevantes separados por punto y coma (ej.: Pedido #123; Fecha entrega: 2026-07-10; Incidencias: retraso 2h).

Prompt principal — Documentación Repetitiva con Make Eres un asistente ejecutivo especializado en generar documentos corporativos estandarizados. Con la información que te doy, redacta un documento profesional listo para revisión humana. Formato de salida requerido: 1) Título; 2) Resumen ejecutivo (máx. 4 frases); 3) Puntos clave (lista con viñetas, 5 elementos máximo); 4) Detalle operativo (2-5 párrafos con acciones, responsables y fechas); 5) Riesgos y mitigaciones (3 filas: riesgo / probabilidad / mitigación); 6) Recomendaciones ejecutivas (3 recomendaciones numeradas); 7) Metadatos: autor, versión, fecha. Utiliza lenguaje directo, adaptado a un comité ejecutivo, sin jergas innecesarias. No incluyas secciones adicionales. Incluye además un extracto de 3 frases para enviar por correo al destinatario. Datos: Empresa: [EMPRESA]. Tipo de documento: [TIPO_DOCUMENTO]. Destinatarios: [DESTINATARIOS]. Objetivo concreto: [OBJETIVO]. Datos clave y hechos a considerar: [DATOS_CLAVE]. Plazo requerido: [PLAZO]. Formato final: [FORMATO] (ej.: PDF, DOCX, texto breve para email). Prioriza claridad y accionabilidad; cuando indiques fechas, usa formato ISO (AAAA-MM-DD). Si detectas información faltante crítica para completarlo, señala exactamente qué falta en la sección 'Información faltante' y ofrece una versión provisional marcada como 'Borrador provisional'. Genera el documento con marcadores claros para reemplazo automático (ej.: {{NOMBRE_CLIENTE}}) y exporta la salida en JSON con campos: title, executive_summary, key_points, operational_detail, risks_mitigations, recommendations, metadata, email_snippet, info_missing. Devuelve solo el JSON final sin texto adicional.

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

Paso 04

Iterar, validar y desplegar

Valida la salida, ajusta el prompt o la plantilla si es necesario, y ponga el escenario en producción con monitoreo simple. Establezca notificaciones y control de errores.

1
Validar muestras Revise 5-10 documentos generados para comprobar consistencia, precisión de datos y cumplimiento de estilo corporativo. Documente correcciones recurrentes.
2
Configurar alertas y programar Active notificaciones por correo o Slack en Make para errores y resultados finales. Programe ejecuciones periódicas o active triggers basados en la llegada de datos.

Checkpoint: Escenario en producción con alertas configuradas, logs accesibles y un plan de rollback si se detecta fallo.

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. "Toma el output anterior y reemplaza las secciones vagas por información concreta usando estos detalles adicionales: [DETALLES_ADICIONALES]. Mantén la estructura JSON solicitada y actualiza 'operational_detail' con responsables, fechas y métricas."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reescribe la sección 'operational_detail' ampliándola a [NIVEL_DETALLE] (ej.: conciso / intermedio / completo). Conserva el resto del JSON sin cambios y añade una nota al final indicando qué se amplió."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Ajusta el tono del documento a '[TONO]' (ej.: formal ejecutivo, directo operativo, comercial diplomático). Mantén exactamente la misma estructura JSON y no modifiques las secciones técnicas."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Resume el JSON anterior en un resumen ejecutivo de máximo 6 frases y elabora un email de 3 frases listo para enviar al Comité con asunto claro. Devuelve solo 'email_subject' y 'email_body'."

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 — Logística Norte S.A., sector logística y distribución

Estructura del output

El prompt genera un JSON con campos claros: title, executive_summary, key_points, operational_detail, risks_mitigations, recommendations, metadata, email_snippet e info_missing. Facilita integración automática en Make y exportación a DOCX/PDF.

Senales de un buen output

El JSON contiene todos los campos solicitados y están poblados con contenido coherente
Las fechas aparecen en formato ISO (AAAA-MM-DD) y los responsables están identificados
Las recomendaciones son accionables y numeradas, con responsables y plazos
La sección 'info_missing' está vacía o especifica claramente qué datos hacen falta

Senal de que el output es bueno: El JSON está completo, con acciones asignadas, fechas ISO y recomendaciones concretas y priorizadas.

Costes

Inversion y retorno

50$ Make Business + ChatGPT Business (estimado) / mes

20 min por ejecución promedio Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: El ahorro por documento (30-45 minutos) se traduce en reducción de costes laborales y mayor capacidad operativa; además, la consistencia reduce riesgos de cumplimiento. En entornos con alto volumen, la inversión se amortiza en semanas.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
La llamada a la API falla con 401 Unauthorized	API Key de ChatGPT Business inválida o caducada	Revise y actualice la API Key en Make: Settings > Connections > actualizar credenciales. Pruebe con una petición simple y confirme éxito.
El escenario se queda en estado 'timeout' o no responde	Tiempo de espera de la petición insuficiente o respuesta muy larga del modelo	En el módulo HTTP de Make aumente el timeout y reduzca el tamaño del prompt o solicite respuestas más concisas (p. ej. 'máx. 300 palabras').
Datos mal mapeados en el documento final	Nombres de columnas o variables inconsistentes entre la fuente de datos y Make	Verifique el mapeo en el módulo que lee la hoja/base de datos y normalice los nombres de campo. Realice una ejecución de prueba con datos de muestra.
Salida incompleta o sin secciones solicitadas	El prompt no fuerza la estructura de salida correctamente o la extensión excede límites	Refuerce la instrucción en el prompt para devolver un JSON con campos obligatorios y limite la extensión. Añada 'Devuelve solo el JSON' en la instrucción final.
Archivos no se guardan en Drive/SharePoint	Permisos insuficientes o ruta de destino incorrecta	Compruebe permisos de la conexión en Make y valide la ruta (folder ID). Haga una escritura de prueba y revise errores en el log del módulo de almacenamiento.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

El modo agente en Make permite automatizar decisiones y flujos en múltiples pasos sin intervención humana, por ejemplo: validar datos, llamar a ChatGPT para redacción, comprobar reglas y guardar versiones. Es útil cuando el proceso requiere lógica condicional o reintentos automáticos.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar agente con triggers para entrada de datos y validaciones previas
2
Añadir un subflujo que llame a ChatGPT Business y valide el JSON de salida
3
Incorporar lógica condicional para reintentos o escalado a revisión humana
4
Automatizar el almacenamiento, control de versiones y notificaciones finales

Actúa como agente coordinador de generación documental. Recibirás datos en [ORIGEN_DATOS]. Ejecuta estos pasos: 1) Validar campos obligatorios; si falta alguno, devolver 'MISSING' con lista; 2) Llamar a ChatGPT Business con el prompt principal (usa [MAIN_PROMPT_TEMPLATE]) y recibir JSON de salida; 3) Validar que el JSON contenga title, executive_summary, operational_detail y metadata; 4) Si validación falla, reintentar hasta 2 veces ajustando la petición para pedir respuestas más concisas o marcadores faltantes; 5) Si sigue fallando, crear una tarea en la lista de revisión humana con enlace y resumen; 6) Si OK, guardar documento en [DESTINO] y enviar notificación a [CANAL_NOTIFICACION] con enlace. Devuelve un log estructurado con status (OK / MISSING / REVIEW), intentos y enlace final.

Cuando usar el modo avanzado en este tutorial: Use el modo agente cuando la automatización requiera validaciones múltiples, reintentos automáticos o escalado a revisores humanos, y cuando la precisión del documento sea crítica para cumplimiento o contratos.

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: Monitorea las 50 primeras ejecuciones, registra errores y casos corregidos; ajusta plantillas y prompts basados en patrones de fallo y configura un tablero simple de métricas (tiempo promedio, tasa de reintentos, comentarios humanos).

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