Reserva de Actividades de Ocio para el Equipo

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 5-15 minutos tendras:

✓ Propuesta ejecutiva de actividad lista para aprobar
✓ Escenario Make que crea y confirma reservas automáticamente
✓ Mensajes listos para enviar a participantes y proveedores

Antes de empezar, asegurate de tener lo siguiente:

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

Obligatorio Acceso a ChatGPT Business o API empresarial y clave de autenticación.

Recomendado Lista de contactos de proveedores y plantilla de presupuesto interna en formato CSV o Google Sheets.

Recomendado Calendario compartido (Google Calendar/Outlook) para verificar disponibilidad de equipo.

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

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

El equipo directivo pasa horas coordinando fechas, presupuestos y comunicaciones para actividades de team building; las decisiones llegan tarde y el coste se dispara por múltiples ida y vuelta con proveedores. Los responsables de RRHH necesitan un proceso reproducible y rápido.

Con Make y el prompt de este tutorial, puede resolver este reto en 5-15 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

Make
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: Make gestiona integraciones y automatiza tareas repetitivas con conectores y webhooks; ChatGPT aporta capacidad de generación de propuestas y copy estratégicos. Juntos permiten pasar de consultas manuales a una respuesta integral y rastreable en minutos.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Tiene que organizar actividades periódicas para equipos distribuidos o con calendarios complejos Necesita estandarizar propuestas y ahorrar tiempo del equipo de RRHH Desea trazabilidad y confirmaciones automáticas hacia participantes	Cuando la actividad requiere negociación personalizada con cláusulas legales complejas Cuando la selección del proveedor depende exclusivamente de visitas físicas obligatorias previas Si la decisión debe pasar por múltiples niveles de aprobación manual sin posibilidad de delegar

Paso 01

Definir requisitos y fuentes de datos

Recolecte la información clave que alimentará la automatización: número de participantes, rango de fechas, presupuesto, preferencias y lista de proveedores. Esta fase reduce ambigüedades y mejora la precisión de las propuestas generadas por ChatGPT.

1
Crear un documento de requisitos en Google Sheets Incluya columnas para fecha preferida, alternativas, número de participantes, restricciones alimentarias y presupuesto por persona. Este sheet será la entrada principal para Make.
2
Compilar contactos de proveedores en formato CSV Agregue nombre del proveedor, contacto, tipo de actividad y URL de reserva para que Make pueda enviar solicitudes automáticas o correos desde una cuenta central.
3
Definir reglas de negocio Determine límites como presupuesto máximo, coste por participante y quién aprueba la propuesta. Estas reglas se utilizan en Make y en el prompt para ChatGPT para filtrar opciones.

Checkpoint: Disponer de un Google Sheet o CSV con todos los campos necesarios y reglas de negocio documentadas.

Paso 02

Construir el escenario básico en Make

Cree un escenario que lea el sheet, llame a ChatGPT Business para generar propuestas y distribuya solicitudes a proveedores. La configuración modular facilita iteraciones y trazabilidad de cada ejecución.

1
Configurar trigger desde Google Sheets Añada un módulo que detecte filas nuevas o cambios en la hoja de requisitos y lance el flujo automáticamente.
2
Integrar módulo HTTP/ChatGPT Conecte Make al endpoint de ChatGPT Business o use el conector disponible; envíe los datos de la fila como prompt para generar una propuesta ejecutiva y mensajes.
3
Crear ramas para proveedores y calendario Añada módulos para enviar solicitudes por email/webhook a proveedores y un módulo de calendario para comprobar y reservar la fecha si el proveedor confirma.

Checkpoint: Escenario en Make que, al activarse, llama a ChatGPT y envía al menos una solicitud de reserva simulada a un proveedor.

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 organiza la actividad

[FECHA_PREFERIDA]Fecha o día propuesto para la actividad (formato ISO o texto claro)

[NÚMERO_PARTICIPANTES]Número estimado de asistentes

Prompt principal — Reserva de Ocio con Make y ChatGPT Eres un asistente ejecutivo especializado en organización de actividades de team building para empresas. Con la información siguiente, genera un plan ejecutivo y los elementos técnicos necesarios para integrarlo en un escenario de Make que automatice propuestas, comparación de proveedores y confirmación de reservas. Datos de la actividad: - Empresa: [NOMBRE_EMPRESA] - Fecha preferida: [FECHA_PREFERIDA] - Rango de fechas alternativas: [FECHAS_ALTERNATIVAS] - Número de participantes: [NÚMERO_PARTICIPANTES] - Presupuesto total (o por persona): [PRESUPUESTO] - Tipos de actividad preferidos: [PREFERENCIAS_ACTIVIDAD] - Restricciones (dietas, accesibilidad, transporte): [RESTRICCIONES] - Lista de proveedores con contacto o URL: [PROVEEDORES] - Canal principal de comunicación: [CANAL_COMUNICACION] Entrega un output estructurado con estas secciones exactas: 1) Resumen ejecutivo (máx. 120 palabras) que incluya la recomendación principal y el coste estimado. 2) Tres alternativas de actividad con ventaja, inconveniente, coste estimado y tiempo de realización. 3) Plantilla de mensaje para enviar a proveedores (email/webhook) y plantilla de confirmación para participantes. 4) Esquema técnico para Make: módulos necesarios (ej. Google Sheets trigger, HTTP request a ChatGPT Business, Router, Email/HTTP to provider, Google Calendar), ejemplo de payload JSON para llamada al proveedor y ejemplo de mapeo de campos desde el sheet. 5) Lista de verificaciones y reglas de negocio que Make debe aplicar (por ejemplo: presupuesto máximo, aprobación requerida si coste > [LIMITE_APROBACION]). 6) Indicaciones para manejo de errores y reintentos (timeouts, proveedor no responde). 7) Breve checklist de despliegue para RRHH con responsables y pasos finales. Genera lenguaje ejecutivo, conciso y con acciones claras. Incluye los ejemplos con datos ficticios verosímiles: por ejemplo, 'Acuaservicios Eventos SL' para una actividad acuática o 'CentroCulinario Madrid' para taller culinario. No incluyas código excesivo: muestra solo el JSON de ejemplo de payload y el listado de módulos con parámetros clave. Asegúrate de que todas las variables en corchetes estén presentes en el output y sean fáciles de localizar para integrarlas en Make.

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

Paso 04

Iterar y desplegar

Refine la salida de ChatGPT y los módulos de Make en función de las pruebas. Ajuste reglas y plantillas antes de poner el flujo en producción para garantizar comunicaciones correctas y cumplimiento de presupuesto.

1
Probar con casos reales Ejecute el escenario con 2-3 filas de prueba que representen distintos tamaños de equipo y presupuestos; valide mensajes y confirmaciones.
2
Ajustar plantillas y reglas en función del feedback Modifique el prompt, límites de presupuesto y mapeos de campos en Make hasta obtener resultados consistentes y aprobables.

Checkpoint: Escenario probado con casos reales, aprobaciones definidas y un plan de despliegue para uso regular por RRHH.

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. "Elabora cada alternativa añadiendo proveedores concretos del listado [PROVEEDORES], costes desglosados por persona y propuesta de agenda por hora. Mantén el resumen ejecutivo en 80-100 palabras."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reduce la propuesta a un one-pager ejecutivo con 3 bullets clave por alternativa y un cuadro de decisión con pros/cons y coste total. Mantén lenguaje para Comité de Dirección."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reformula todo el documento con un tono formal y directo para el Comité de Dirección; elimina jerga operativa y añade un apartado de impacto en productividad en 2 bullets."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Resume la propuesta en 6 frases: recomendación, coste total, fechas, riesgo principal, beneficio para equipo y siguiente paso recomendado."

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 — InnovaLogística S.A., sector logística y distribución

Estructura del output

El prompt genera un documento con: resumen ejecutivo, tres alternativas detalladas, plantillas de comunicación, esquema técnico para Make con payload JSON de ejemplo y checklist de despliegue. Cada sección es independiente y lista para copiar en documentos o módulos.

Senales de un buen output

Resumen ejecutivo con cifras concretas
Alternativas con proveedor y coste estimado por persona
Payload JSON de ejemplo y listado de módulos de Make
Plantillas de comunicación listas para enviar

Senal de que el output es bueno: El output incluye un payload JSON de ejemplo y un listado claro de módulos de Make junto con plantillas de correo/webhook.

Costes

Inversion y retorno

29$ Make Pro / mes

5-15 minutos por ejecución (varía según consultas y comprobación de disponibilidad) Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Reducir la planificación de 4 horas a 5-15 minutos genera ahorro directo en horas de RRHH y responsables de equipo; además minimiza errores administrativos y mejora la tasa de asistencia, incrementando eficiencia operativa. En pocas ejecuciones el coste mensual queda amortizado por el tiempo recuperado.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
El escenario no se activa al actualizar el sheet	Trigger mal configurado o permisos insuficientes en Google Sheets	Verifique el módulo trigger en Make y compruebe que la cuenta conectada tiene permiso de edición; pruebe con una fila de prueba y revise logs del trigger.
ChatGPT devuelve respuestas vagas o repetitivas	Prompt demasiado genérico o falta de variables específicas	Enriquezca el prompt con datos concretos de [PROVEEDORES], presupuesto y restricciones; use el prompt de iteración 'Hacer el output más específico'.
Proveedor no responde a la solicitud enviada por Make	Contacto incorrecto o email bloqueado	Confirme que la plantilla usa el campo de contacto correcto; active reintentos en Make y registre respuesta para escalar manualmente tras 2 intentos.
Reserva duplicada en el calendario	Falta de comprobación de disponibilidad previa a la confirmación	Añada un paso en Make que consulte Google Calendar u Outlook antes de crear evento y bloquee la fecha con estado provisional hasta confirmación del proveedor.
Coste final supera el presupuesto definido	Mala parametrización de reglas de negocio o actualización de tarifas del proveedor	Implemente validación en Make que bloquee la confirmación si el coste total excede [LIMITE_APROBACION] y envíe una alerta al aprobador responsable.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

En modo agente, Make puede ejecutar flujos autónomos, manejar reintentos, leer respuestas externas y tomar decisiones basadas en reglas. Use este modo para automatizar ciclos completos de solicitud-respuesta y para ejecutar resoluciones sin intervención humana cuando las reglas lo permitan.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar escenario en modo 'Run automatically' con reintentos y condiciones de parada
2
Incluir un módulo de decisión que evalúe la respuesta del proveedor y el coste
3
Configurar acciones automáticas: marcar fecha en calendario y enviar confirmaciones si se cumplen reglas
4
Registrar transacciones en un log central y habilitar alertas a responsables si se incumple alguna regla

Actúa como agente automático para gestionar la reserva de una actividad. Recibe entrada con variables [NOMBRE_EMPRESA], [FECHA_PREFERIDA], [NÚMERO_PARTICIPANTES], [PRESUPUESTO], [PROVEEDORES]. Para cada proveedor: 1) Valida disponibilidad en su API o URL; 2) Calcula coste total y comprueba reglas de negocio; 3) Si coste <= [LIMITE_APROBACION] y disponibilidad confirmada, genera el cuerpo de confirmación y devuelve payload JSON para Make que incluya: evento calendario, email a participantes y nota de proveedor. Si no cumple, devuelve razones y alternativa recomendada. Responde en JSON estructurado con campos: result.status, result.reason, result.payload. Usa lenguaje ejecutivo y corto.

Cuando usar el modo avanzado en este tutorial: Cuando se necesitan ejecuciones autónomas frecuentes, múltiples proveedores o cuando la ventana de decisión es corta y se requiere confirmación en tiempo real.

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: Una vez desplegado, recopile métricas de tiempo medio por ejecución y tasa de confirmación; use esos datos en un sprint de 2 semanas para optimizar prompts y reglas en Make, reduciendo aún más intervención manual.

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