Reserva de Salas Compartidas con 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:

✓ Reservas automáticas integradas con el calendario corporativo
✓ Detección y resolución de conflictos horarios con alternativas
✓ Mensajes de confirmación y registro de auditoría en Slack/Email

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Cuenta empresarial de Make con permisos para crear escenarios y conectar APIs.

Obligatorio Cuenta ChatGPT Business con acceso al modelo recomendado y clave API para integraciones internas.

Recomendado Acceso administrativo al calendario corporativo (Google Workspace o Microsoft 365) para configurar integraciones y permisos de sala.

Recomendado Canal de notificaciones (Slack o SMTP corporativo) y lista maestra de salas con capacidades y ubicación.

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

TechLogística Hispania, sector logística y almacenes — el problema real

El equipo de operaciones perdía cerca de 30 minutos al día coordinando solicitudes de sala entre almacén y oficinas, con solapamientos y confirmaciones manuales. Los cambios de última hora provocaban confusión y reuniones sin recursos audiovisual preparados.

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 permite encadenar módulos (webhooks, calendar, HTTP, Slack/SMTP) sin programar infraestructuras completas. ChatGPT Business aporta razonamiento en lenguaje natural para validar políticas de uso, priorizar solicitudes y generar mensajes claros, lo que reduce errores humanos y tiempos de espera.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Equipos con múltiples salas compartidas y solicitudes ad hoc Necesitas propuestas alternativas automáticas si hay conflicto horario Quieres registro y notificación automática a participantes y facilities	Cuando la organización usa un sistema de reservas único y rígido que ya gestiona prioridades y recursos Si no hay necesidad de lógica de priorización (pocas reservas y bajo uso de salas) Si solo necesitas recordatorios simples sin integración con inventario o equipo de salas

Paso 01

Preparar cuentas y permisos

Configura las credenciales y permisos necesarios en Make, ChatGPT Business y el calendario corporativo. Esto evita errores de autorización durante la ejecución del escenario.

1
Crear proyecto en Make Entra en Make con la cuenta corporativa, crea un nuevo escenario llamado 'Reserva de Salas - [NOMBRE_DEPARTAMENTO]'. Asigna permisos a los responsables de operaciones para editarlo.
2
Generar clave API de ChatGPT Business Desde la consola de administración de ChatGPT Business, crea una clave con permisos de uso de modelo y registra su alcance y fecha de rotación en el gestor de secretos de la empresa.
3
Conectar el calendario corporativo Autoriza Make para acceder a Google Calendar o Exchange con una cuenta de servicio o user delegated authentication; crea una hoja de control con la lista de salas y sus capacidades.

Checkpoint: Make tiene acceso al calendario; la clave API de ChatGPT Business está disponible en Make; existe una hoja maestra de salas accesible desde Make.

Paso 02

Construir el escenario básico en Make

Diseña el flujo en Make que recibe solicitudes, consulta disponibilidad, consulta ChatGPT Business para decisiones y crea eventos en el calendario. Este paso crea el esqueleto operativo del sistema.

1
Crear webhook receptor Añade un módulo Webhook 'Custom' en Make para recibir solicitudes desde formularios internos o comandos de Slack. Este webhook iniciará el flujo y contendrá datos como sala solicitada, fecha y hora.
2
Consulta de disponibilidad Añade un módulo Calendar > Search events para la sala solicitada en el intervalo indicado. Mapear la respuesta para enviar a ChatGPT Business junto con reglas internas (capacidad, equipamiento).
3
Llamada al módulo HTTP hacia ChatGPT Business Usa el módulo HTTP en Make para llamar a la API de ChatGPT Business con un prompt que incluya contexto, políticas y la disponibilidad actual; procesa la respuesta para decidir reservar, proponer alternativas o pedir confirmación.

Checkpoint: El escenario recibe solicitudes, comprueba el calendario y envía una petición a ChatGPT Business; la respuesta llega y se procesa en 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 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

[SALA]Nombre exacto de la sala tal como figura en el calendario maestro (ej: Sala Norte 3)

[FECHA]Fecha de la reserva en formato ISO o DD-MM-YYYY (ej: 2026-08-01)

[NOMBRE_SOLICITANTE]Nombre completo y cargo del solicitante (ej: Laura Pérez, Directora de Operaciones)

Prompt principal — Reserva de Salas Compartidas Eres un asistente ejecutivo responsable de decidir y estructurar la reserva de una sala compartida para una compañía. Recibirás la solicitud con variables que debes usar sin cambiarlas. Genera un output JSON y un resumen ejecutivo. Usa las reglas de la empresa proporcionadas y sugiere hasta 3 alternativas si existe conflicto. Responde en español. Contexto: La solicitud debe reservar la sala [SALA] para la fecha [FECHA] entre [HORA_INICIO] y [HORA_FIN]. Solicitante: [NOMBRE_SOLICITANTE]. Reglas relevantes: capacidad máxima, equipamiento (proyector, videoconferencia), horario operativo, políticas de prioridad (ejecutivo > operaciones > ventas) y ventana mínima de aviso. Indica si la reserva cumple las reglas. Salida requerida (formato): 1) JSON con campos: event_title, start_iso, end_iso, location, participants (lista), capacity_required, equipment_required, decision (BOOK / ALTERNATE / DECLINE), alternates (lista de up to 3 {start_iso,end_iso,location}), message_confirm (texto para enviar al solicitante), message_decline (texto en caso de rechazo), calendar_action_body (cuerpo de la API/ICS listo para enviar desde Make), rules_applied (lista breve). 2) Resumen ejecutivo en 3 frases: decisión y riesgo operacional. 3) Checklist técnico breve (3 ítems) para el escenario de Make: módulos necesarios y mapping de campos. Criterios de priorización: si hay conflicto, prioriza según política de la empresa; si la solicitud es crítica (marcada como PRIORIDAD_ALTA), intenta reubicar otra reserva con menor prioridad antes de declinar. Propón alternativas dentro del mismo día y, si no hay, en la mañana/tarde siguiente. Ejemplo de output: incluye un ejemplo ficticio con formato JSON y el texto de confirmación listo para enviar. No incluyas explicaciones adicionales fuera del JSON y los tres bloques solicitados. Mantén lenguaje directo y profesional.

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

Paso 04

Refinar e implementar excepciones

Itera sobre las reglas y mensajes generados por el modelo para adaptarlos a políticas internas y casos de excepción. Este paso asegura que el sistema opere con excepciones definidas.

1
Ajustar reglas de prioridad Modifica el prompt o añade lógica en Make para priorizar solicitudes según rol, impacto operativo o nivel de urgencia; documenta excepciones en la hoja maestra.
2
Probar casos extremos Simula solapamientos, cambios de última hora y solicitudes fuera de horario; valida que Make envíe alternativas correctas y notifique a facilities y solicitante.

Checkpoint: Las prioridades y excepciones están definidas; las pruebas muestran decisiones coherentes y notificaciones correctas.

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. "Reescribe el JSON de salida incorporando el nombre exacto de la sala, la capacidad necesaria, el equipo requerido y 2 alternativas de horario dentro del mismo día. Mantén el formato JSON y el resumen ejecutivo de 3 frases."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reduce o amplía el checklist técnico a 2-5 ítems según su complejidad. Si necesitas más detalle, convierte cada ítem en pasos accionables para Make (módulo, campos de entrada, salida esperada)."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe los mensajes de confirmación y rechazo en tono más formal y conciso, apropiado para un Comité de Dirección, manteniendo la misma información."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera un resumen ejecutivo de una sola frase que incluya la decisión (reservada/alternativa/denegada), el impacto operativo y la acción recomendada para facilities."

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 — TechLogística Hispania, sector logística y almacenes

Estructura del output

El prompt produce un JSON operativo con campos técnicos listos para usar en Make y textos de comunicación listos para enviar, seguido de un resumen ejecutivo y un checklist técnico. Esto facilita integrar la respuesta directamente en los módulos de Make.

Senales de un buen output

La respuesta incluye un campo decision claro (BOOK/ALTERNATE/DECLINE)
El JSON contiene calendar_action_body listo para la API del calendario
Las alternativas propuestas son factibles dentro de las reglas y horarios operativos
Los mensajes de confirmación y rechazo son cortos, con acción clara para el solicitante

Senal de que el output es bueno: El JSON es completo y el campo calendar_action_body puede enviarse sin transformaciones adicionales en Make.

Costes

Inversion y retorno

≈50$ Plan empresarial (Make + ChatGPT Business) / mes

30 s por ejecución Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Automatizar reservas reduce tiempo de coordinación y errores, lo que permite recuperar horas operativas al mes y minimizar interrupciones en procesos críticos. El coste mensual se amortiza rápidamente si se evitan pérdidas recurrentes de productividad en equipos medios o grandes.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
Make muestra error de autenticación al llamar a la API de ChatGPT	Clave API incorrecta o permisos insuficientes en ChatGPT Business	Verificar y actualizar la clave API en el gestor de conexiones de Make; probar la llamada desde el módulo HTTP con la misma clave.
El escenario no encuentra eventos de la sala aunque existe reserva	Permisos de lectura del calendario o uso de cuenta incorrecta para la búsqueda	Confirmar que la cuenta conectada en Make tenga acceso a los calendarios de sala; ejecutar una búsqueda con un rango amplio para validar permisos.
ChatGPT devuelve alternativas irrelevantes o fuera de horario	Falta de contexto sobre horario operativo o reglas en el prompt	Añadir en el prompt el bloque explícito con horario operativo y reglas de prioridad; volver a enviar la solicitud de prueba.
Notificaciones duplicadas a usuarios	Módulos de envío ejecutándose en varios branches del escenario o reintentos mal manejados	Revisar el flujo para asegurar que el módulo de notificación se ejecute solo en la rama final y manejar reintentos usando uniqueIdentifiers.
Reserva creada pero sin equipamiento marcado	No se mapea el campo de recursos al crear el evento	Incluir en calendar_action_body los campos de recursos/equipment y mapear la columna correspondiente de la hoja maestra de salas en Make.

Modo avanzado

Como hacer este tutorial con Make en modo avanzado

El modo agente en Make ejecuta lógica continua y acciones autónomas: escucha solicitudes, consulta modelos, crea eventos y gestiona excepciones con reintentos y logs. Es útil cuando la coordinación requiere múltiples pasos y seguimiento sin intervención humana.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar un escenario en modo continuo con webhook receptor y almacenamiento de estado (Data Store de Make)
2
Implementar lógica de orquestación que llame a ChatGPT Business para decisiones y registre la respuesta en Data Store
3
Automatizar la creación/actualización en el calendario y las notificaciones a Slack/Email según la decisión
4
Configurar auditoría y reintentos automáticos para fallos transitorios y alertas a facilities en caso de excepciones

Actúa como agente de reservas. Tu tarea es evaluar solicitudes entrantes, aplicar políticas de prioridad y capacidad, proponer hasta 3 alternativas si hay conflicto y generar el cuerpo API para crear o modificar eventos. Mantén un registro de decisión en formato JSON y proporciona mensajes de confirmación y rechazo. Si detectas una situación de emergencia (PRIORIDAD_ALTA), marca la acción como urgente y sugiere reubicaciones de reservas de menor prioridad antes de declinar.

Cuando usar el modo avanzado en este tutorial: Valioso cuando hay volumen alto de solicitudes, cambios frecuentes de última hora o necesidad de seguimiento y reintentos automáticos.

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: Integra una hoja maestra de salas con campos de capacidad, equipo y responsable; úsala como fuente única en Make para mantener coherencia y auditar cambios.

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