Sistema de Seguimiento de Decisiones y Compromisos con Make

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 30-45 minutos tendras:

✓ Escenario Make que registra decisiones y tareas
✓ Mensajes automáticos de recordatorio y seguimiento
✓ Exportación automática de informe ejecutivo semanal

Antes de empezar, asegurate de tener lo siguiente:

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

Obligatorio Acceso a la lista de asistentes y direcciones de correo de la reunión que quiere automatizar.

Recomendado Cuenta en un servicio de correo SMTP o integración con Microsoft 365 / Google Workspace.

Recomendado Uso de una hoja de cálculo (Google Sheets/Excel) o base de datos (Airtable) como registro central.

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 SA, sector logística y distribución — el problema real

Tras las reuniones semanales de operaciones, varias decisiones no se ejecutan por falta de asignación clara y recordatorios. El comité pierde visibilidad del estado de compromisos críticos.

Con Make y el prompt de este tutorial, puede resolver este reto en 30-45 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

Make
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: Make combina conectores nativos y llamadas HTTP flexibles, permitiendo integrar correos, hojas de cálculo y sistemas internos sin desarrollo. Su interfaz de flujos facilita auditar y modificar pasos por responsables no técnicos.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Tienes reuniones recurrentes con decisiones y tareas por asignar. Necesitas evidencias de cumplimiento y reportes regulares para el Comité. Quieras automatizar recordatorios y escalados sin implantar software a medida.	No hay un proceso formal de seguimiento o las decisiones son informales y no requieren trazabilidad. Buscas una solución para procesamiento masivo de datos en tiempo real (Big Data) fuera del alcance de Make. Necesitas una solución con requisitos extremos de SLA en latencia sub-segundo.

Paso 01

Definir el modelo de datos y fuentes

Diseñe qué elementos va a rastrear: decisión, responsable, fecha límite, estado, evidencia y prioridades. Esto evita ajustes continuos del escenario y asegura calidad de la información.

1
Mapear campos clave Defina campos obligatorios y opcionales (ej.: ID de reunión, descripción, acción concreta, responsable, plazo, prioridad, enlace a evidencia). Use nombres consistentes para facilitar filtros y reportes.
2
Seleccionar fuente de registro Elija dónde se guardarán los registros (Google Sheets, Airtable, base de datos SQL). Para equipos sin IT, Google Sheets es rápido; para trazabilidad formal, prefiera Airtable o SQL.
3
Determinar puntos de entrada Identifique cómo ingresarán las decisiones: formulario de seguimiento post-reunión, integración con herramienta de reuniones o email parser. Documente un flujo claro de quién crea cada registro.

Checkpoint: Esquema de datos aprobado con campos estandarizados y fuente de registro seleccionada.

Paso 02

Construir el escenario base en Make

Cree un escenario que reciba nuevos registros y los normalice. Aquí se establecen las transformaciones, validaciones y asignaciones iniciales.

1
Crear trigger de entrada Configure un módulo que detecte nuevos registros (webhook, nuevo row en hoja, o entrada en Airtable). Use el webhook si quiere enviar los datos desde un formulario o desde un servicio de reuniones.
2
Validar y normalizar datos Inserte un módulo para validar campos obligatorios y normalizar formatos de fecha y correo. Rechace o marque registros incompletos y notifique al creador.
3
Guardar en registro central Inserte o actualice la fila correspondiente en Google Sheets/Airtable. Genere un ID único que servirá para trazabilidad y escalados.

Checkpoint: El escenario crea entradas válidas en el repositorio central con un ID único por decisión.

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

[COMPANY_NAME]Nombre de la empresa o unidad que implementa el sistema (ej.: Logística Norte SA)

[MEETING_ID]Identificador de la reunión o comité (ej.: REU-2026-07-15-OPS)

[DECISIONS_LIST]Lista estructurada de decisiones con formato JSON o texto: cada entrada debe incluir descripción, responsable y fecha límite

Prompt principal — Seguimiento de Decisiones con Make Eres un asistente ejecutivo especializado en operaciones y seguimiento de decisiones. Genera un plan operativo y un paquete de salida para implementar en Make un sistema de seguimiento de decisiones y compromisos. Entrada: empresa [COMPANY_NAME], identificador de reunión [MEETING_ID], y lista de decisiones/responsabilidades [DECISIONS_LIST]. Salida requerida: 1) Tabla de datos normalizada con columnas: decision_id, meeting_id, fecha_decision, descripcion, responsable_nombre, responsable_email, fecha_limite, prioridad (ALTA/MEDIA/BAJA), estado (PENDIENTE/EN_PROCESO/CERRADO), evidencia_url, notas. 2) Transformaciones y validaciones necesarias (regex para email, formato ISO de fechas, campos obligatorios). 3) Lista de módulos Make y configuración recomendada, con orden paso a paso (ej.: Webhook -> Parser JSON -> Filtro prioridad -> Google Sheets/Airtable -> Email/Slack). Indica parámetros concretos por módulo, payloads de ejemplo y ejemplos de filtros (condiciones). 4) Mensajes de recordatorio preformateados: 7 días, 3 días y 24 horas antes del plazo, más mensaje de escalado tras 2 incumplimientos; cada mensaje con asunto, cuerpo breve y variables a reemplazar. 5) Esquema de naming y ID para mantener trazabilidad (ej.: DEC-[MEETING_ID]-[NNN]). 6) Ejemplo de integración para exportar informe ejecutivo semanal en CSV o JSON con columnas resumidas y métricas (tasa de cumplimiento, tareas abiertas por responsable, tareas vencidas). 7) Riesgos comunes y contramedidas (Ej.: registros duplicados, zonas horarias, permisos API). Prioriza claridad ejecutiva y entrega los puntos en formato listable y con al menos un ejemplo concreto adaptado a [COMPANY_NAME].

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

Paso 04

Iterar y configurar recordatorios y escalados

Refine el escenario con reglas de prioridad, frecuencias de recordatorio y rutas de escalado. Añada condiciones para tareas críticas y registre acciones de cumplimiento.

1
Configurar recordatorios Defina envíos por email o mensajería (Slack/Microsoft Teams) en función del estado y la proximidad del plazo. Establezca cadencias: 7 días, 3 días y 24 horas antes del vencimiento.
2
Establecer rutas de escalado Configure condiciones que, tras X incumplimientos o sin actualización, envíen una notificación al superior directo o al Comité con asunto claro y enlaces a la evidencia.

Checkpoint: Recordatorios automáticos activos y reglas de escalado que generan alertas a responsables y superiores.

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. "Ajusta el plan anterior para [COMPANY_NAME] priorizando operaciones críticas en Centro de Distribución Norte. Convierte las acciones en pasos técnicos para Make con ejemplos exactos de payload JSON y nombres de columnas."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reescribe el plan en dos versiones: a) Resumen ejecutivo de una página con acciones y responsables; b) Checklist técnico paso a paso para un desarrollador que implemente el escenario en Make."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reformula el contenido anterior en tono más formal y conciso, dirigido al Comité de Dirección, destacando riesgos, métricas clave y decisión de inversión requerida."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Produce un resumen ejecutivo de máximo 250 palabras que describa la solución Make, beneficios esperados, inversión estimada y timeline de implementación de 4 semanas."

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 SA, sector logística y distribución

Estructura del output

El prompt genera: 1) Tabla normalizada de datos; 2) Lista secuencial de módulos y configuraciones en Make; 3) Mensajes de recordatorio y escalado; 4) Informe ejecutivo exportable y contramedidas. Cada sección debe ser accionable y con ejemplos.

Senales de un buen output

Tabla con columnas obligatorias y ejemplos de filas
Ejemplo de payload JSON para cada módulo Make
Plantilla de correo para recordatorios y escalados
Exportación de informe con métricas calculadas

Senal de que el output es bueno: La salida incluye ejemplos concretos (payloads, nombres de columnas, mensajes) y un mapa paso a paso de módulos Make listo para copiar.

Costes

Inversion y retorno

29$ Make Pro / mes

30 s - 3 min por ejecución típica Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: El ROI se obtiene por reducción de retrasos en decisiones críticas, menor tiempo empleado en seguimiento manual y mejora en cumplimiento. Para un equipo de operaciones, automatizar el seguimiento puede recuperar horas semanales del equipo directivo y evitar costes por incumplimientos.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
El escenario no se dispara al crear un registro	Webhook mal configurado o URL incorrecta en la fuente de datos	Compruebe la URL del webhook en Make, haga un envío de prueba desde la fuente y revise el log de entrada en Make para verificar el payload.
Datos mal formateados en la hoja (fechas en texto)	No se normalizaron formatos de fecha antes de insertar	Añada un módulo de transformación en Make para convertir fechas a formato ISO (YYYY-MM-DD) y valide con una expresión regular.
Emails de recordatorio no se envían	Credenciales SMTP inválidas o permisos insuficientes en la integración	Revise las credenciales en el módulo de email, valide envío manual y confirme que la cuenta tiene permiso para enviar en nombre del remitente configurado.
Duplicados en el registro central	Falta de deduplicación por ID o race conditions en envíos simultáneos	Implemente comprobación de existencia por decision_id antes de insertar y use un mecanismo de lock lógico o de clave única en la base de datos.
Errores JSON en módulos HTTP	Payload mal escapado o campos nulos inesperados	Valide el JSON con un esquema previo, escape caracteres especiales y asegure valores por defecto para campos obligatorios.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

Use el modo agente de Make para ejecutar el escenario de forma autónoma: el agente puede recibir inputs, tomar decisiones predefinidas y ejecutar recordatorios sin intervención manual. Es útil para procesos repetitivos con reglas claras.

Modo avanzado

Flujo de trabajo avanzado

1
Definir reglas operativas y límites de autonomía (qué puede hacer el agente sin aprobación humana).
2
Configurar el agente en Make con permisos de ejecución y acceso a APIs necesarias.
3
Probar en modo sandbox con registros históricos y validar decisiones tomadas por el agente.
4
Activar el agente en producción con monitorización y alertas tempranas ante decisiones críticas.

Eres un agente operativo que gestiona el seguimiento de decisiones para [COMPANY_NAME]. Recibirás entradas con meeting_id, decision_id, responsable_email y fecha_limite. Ejecuta estas acciones automáticamente: validar datos, crear/actualizar registro en [REPO], enviar recordatorios según la cadencia (7d, 3d, 24h), y escalar tras 2 incumplimientos enviando resumen a la dirección de operaciones. Registra cada acción en el log con timestamp y resultado. Ante ambigüedad sobre responsable o fecha, marca el registro como 'REQUIERE_REVISION' y notifica a [SUPERVISOR_EMAIL].

Cuando usar el modo avanzado en este tutorial: Valioso cuando el volumen de decisiones es alto y se busca minimizar intervención humana: por ejemplo, equipos operativos con múltiples centros que requieren seguimiento continuo.

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: Configure un informe ejecutivo automático en Make que se envíe al Comité cada lunes con métricas clave y casos críticos; mantenga un campo 'lecciones_aprendidas' para alimentar mejoras del proceso cada mes.

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