Seguimiento Automático de Pedidos

Antes de empezar, asegurate de tener lo siguiente:

Los equipos de ventas y operaciones reciben notificaciones manuales y tardías sobre cambios en pedidos (rechazos, entregas parciales, retrasos), lo que provoca reclamaciones, demoras en facturación y pérdida de satisfacción del cliente.

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

Configure un trigger en Make que reciba eventos de cambio de estado desde su ERP. Esto permite procesar cada actualización de pedido en tiempo real y orquestar acciones posteriores.

• 1
  Crear un webhook en Make En Make, añada un módulo Webhook personalizado que reciba notificaciones de su ERP. Seleccione un webhook que acepte POST con payload JSON y copie la URL generada.
• 2
  Configurar el ERP para enviar eventos En Odoo/SAP/Navision cree una notificación o regla que envíe un POST al webhook de Make cada vez que el estado del pedido cambie (estado, cantidad entregada, nota de rechazo). Incluya campos clave: id de pedido, estado anterior, estado nuevo, timestamp y datos de cliente.
• 3
  Probar y validar el payload Envíe un evento de prueba desde el ERP y verifique en Make que el payload llega completo. Ajuste mapeos si faltan campos y registre el ejemplo de payload para la siguiente etapa.

Transforme el payload en variables limpias y defina la plantilla que alimentará a GPT-5. Normalice nombres, fechas y condiciones de negocio antes de llamar al modelo.

• 1
  Añadir módulo de transformación en Make Use el módulo 'Parse JSON' o 'Set variable' para extraer y normalizar campos: identificación de cliente, email, teléfono, estado nuevo, motivo y líneas de pedido relevantes.
• 2
  Definir plantilla de prompt con placeholders Cree un prompt estructurado que incluya contexto comercial, restricciones de tono y reglas de cumplimiento (ej.: no prometer fechas exactas si no están confirmadas). Use variables de Make para rellenar los placeholders.
• 3
  Almacenar ejemplos y reglas en Make Incluya ejemplos de mensajes por tipo de evento (entrega parcial, retraso, rechazo) como referencia para el modelo y añada un módulo con reglas de negocio (p. ej. escalación si retraso > 48h).

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 o en la llamada API y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Validar outputs con usuarios reales, añadir reglas de escalado y monitorizar métricas. La iteración reduce errores y mejora la aceptación por parte de clientes y equipos.

• 1
  Pilotar con un segmento de clientes Seleccione un subconjunto de cuentas (por ejemplo, clientes B2B con alto volumen) y monitorice entregas, respuestas y tasas de escalación durante 2 semanas.
• 2
  Ajustar reglas y tonos según feedback Use los logs para detectar mensajes confusos o tonos inadecuados; ajuste la plantilla y las condiciones de escalado. Introduzca A/B tests de mensajes si es necesario.

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

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

En modo agente, la IA actúa como coordinador autónomo: procesa eventos, prioriza mensajes, reintenta envíos fallidos y genera tickets de escalado. Es útil cuando hay alto volumen y reglas complejas de negocio.

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