TUTORIAL · IA · ÁREA DIRECTIVA

Alertas de Reposición con Make

Automatice la detección de faltantes y genere alertas accionables cada 4 horas para la Dirección de Compras. Incluye borrador de orden de compra listo para revisión.

INTERMEDIO IA OPERACIONES GPT-5
Antes de empezar El caso Cuando usar
  • Preparar accesos y variables
  • Construir la lógica de detección
  • Ejecutar el prompt principal
  • Iterar y desplegar flujo operativo
    • Iteracion Resultado esperado Costes y ROI Errores frecuentes Modo avanzado Siguiente paso
    Tutoriales › Tutoriales › Alertas de Reposición con Make
    Antes de empezar

    Lo que necesitas para completar este tutorial

    Lo que conseguiras al terminar
    Si sigues estos pasos, en 45-60 minutos tendras:
    • ✓ Monitorización automática del inventario cada 4 horas
    • ✓ Alertas accionables con prioridad y proveedor sugerido
    • ✓ Borrador de orden de compra con cantidades calculadas

    Antes de empezar, asegurate de tener lo siguiente:

    Acceso al ERP Endpoint API del ERP con permisos de lectura de inventario y creación/edición de órdenes de compra.
    Cuenta Make (Business) Escenario con ejecución recurrente y conectores HTTP; credenciales de integración configuradas.
    Lista de proveedores homologados Catálogo interno con lead times y condiciones para seleccionar proveedor preferente.
    Plantilla de orden de compra Formato estándar (campos y metadatos) que utiliza Compras para acelerar la creación de órdenes.
    Transferencia internacional de datos: IA 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

    Distribuciones Áurea SL, sector distribución de componentes industriales — el problema real

    La Dirección de Compras detecta rupturas recurrentes en SKUs críticos por falta de monitorización continua y datos de reabastecimiento desactualizados. El equipo reacciona tarde y genera órdenes de compra incompletas.

    Con IA y el prompt de este tutorial, puede resolver este reto en 45-60 minutos — sin conocimientos tecnicos previos.

    Situacion real
    Datos + contexto
    →
    IA
    Prompt estructurado
    →
    Output ejecutivo
    Listo para usar
    Por que funciona: IA es eficaz analizando múltiples variables (stock, uso histórico, lead time, proveedor) y aplicando reglas complejas de forma consistente. Esto reduce la carga manual y acelera decisiones de compra con información estructurada y priorizada.
    Contexto

    Cuando usar este tutorial

    ✓ Usalo cuando...× No lo uses cuando...
    • Tienes ERP con API accesible y necesidad de control continuo del stock
    • Existen SKUs críticos con alto coste de ruptura (línea de producción o ventas)
    • Necesitas trazabilidad y registro de decisiones de reposición
    • Tu inventario cambia infrecuentemente y los pedidos son manuales y estratégicos
    • Compras centralizadas hacen todo manualmente y no aceptan automatizaciones
    • Tu volumen de SKUs es muy bajo y la automatización añade complejidad innecesaria
    Paso 01

    Preparar accesos y variables

    Configure en Make las conexiones necesarias: API del ERP, servicio de notificaciones (email/Teams/Slack) y credenciales de IA. Defina variables operativas como punto de reorden y ventanas de consulta.

    • 1
      Registrar la conexión al ERP en Make Cree un módulo HTTP con autenticación [API_KEY_ERP] y valide una consulta básica de inventario para un SKU de prueba. Esto garantiza permisos y formato de respuesta.
    • 2
      Configurar canal de notificaciones Conecte el destino de alertas (email [EMAIL_COMPRAS], canal Teams/Slack [CANAL_COMPRAS]) y pruebe el envío de una notificación simple para confirmar entregabilidad.
    • 3
      Definir variables de negocio Fije el [PUNTO_REORDEN] por SKU o por categoría, el umbral de criticidad y el plazo de consulta (ej. cada 4 horas). Documente estos valores en Make como variables de escenario.
    Checkpoint: Conexiones validadas y variables de negocio definidas. Respuesta de prueba del ERP y notificación de prueba recibida.
    Paso 02

    Construir la lógica de detección

    Implemente el módulo que consulta el ERP y aplica la regla de reorden: stock disponible <= punto de reorden + seguridad. Añada filtros para SKUs críticos y cálculo de cantidad a pedir.

    • 1
      Consulta recurrente al ERP Configure un disparador programado en Make cada 4 horas que ejecute la consulta /inventario?almacen=[ALMACEN_ID] y recupere SKU, stock, consumo promedio y lead time.
    • 2
      Aplicar regla de punto de reorden Filtre SKUs donde stock_actual <= punto_reorden + stock_seguridad. Use lead time y consumo promedio para calcular cantidad óptima: qty = consumo_promedio * lead_time + stock_seguridad - stock_actual.
    • 3
      Clasificar prioridad Asigne prioridad ALTA a SKUs que afecten producción o ventas y proveedores con lead time > [UMBRAL_PLAZO]. Esto define escalado y SLA de respuesta.
    Checkpoint: Listado filtrado de SKUs por debajo del punto de reorden con cantidades calculadas y prioridad asignada.
    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
    [ERP_API_URL]URL base de la API de tu ERP donde crear/consultar órdenes e inventario (ej: https://api.erp-ejemplo.com)
    [API_KEY_ERP]Clave de API o token con permisos para leer stock y crear borradores de OC
    [PUNTO_REORDEN]Valor de punto de reorden por SKU o política por categoría (ej: 50 unidades o 'SEGMENTO A: 72 horas consumo')
    Prompt principal — Alertas de Reposición con Make Eres un asistente ejecutivo para la Dirección de Compras. Estás integrando IA dentro de un escenario Make para detectar SKUs por debajo del punto de reorden y generar alertas accionables con borrador de orden de compra. Recibe como entrada un arreglo JSON con elementos: sku, descripcion, stock_actual, punto_reorden, stock_seguridad, consumo_promedio_diario, lead_time_dias, proveedor_preferente, precio_unitario_promedio. Genera como salida un JSON estructurado que incluya para cada SKU: sku, descripcion, prioridad (ALTA/MEDIA/BAJA), motivo_prioridad (texto), cantidad_sugerida (entera), proveedor_recomendado, motivo_proveedor (texto), coste_estimado, fecha_estimada_entrega (calculada usando lead_time_dias), acciones_recomendadas (lista: 'crear_borrador_oc', 'solicitar_confirmacion_proveedor', 'escalar_urgente'), y campos_adicionales necesarios para crear la OC en el ERP (codigos_proveedor, condiciones_pago, centro_coste). Además: 1) Incluye una plantilla de email para el equipo de Compras con asunto y cuerpo listos para enviar que resuma SKUs y acciones sugeridas. 2) Proporciona un payload HTTP JSON ejemplo para crear el borrador de OC en el ERP con la estructura esperada: endpoint, metodo, headers y body, usando variables [ERP_API_URL] y [API_KEY_ERP]. 3) Sugiere criterios de priorización claros: impacto en producción, tiempo de rotación, lead time y dependencia de proveedor único. 4) Añade reglas de validación y condiciones de bloqueo para evitar órdenes duplicadas (por ejemplo: si existe OC abierta para el SKU en 72 horas, no crear nueva). 5) Devuelve una sección 'Resumen Ejecutivo' con KPIs: número de SKUs detectados, coste total estimado, número de OC recomendadas y tiempo de acción sugerido. Formatea la respuesta únicamente en JSON válido, sin texto adicional. Considera las variables operativas: ejecutar cada [CADA_HORAS] horas (por defecto 4), almacen_id [ALMACEN_ID], contact_email [EMAIL_COMPRAS], canal_notificaciones [CANAL_COMPRAS]. Prioriza claridad operativa para que el equipo de Integraciones copie los payloads y los módulos Make sin ambigüedad.
    Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.
    Paso 04

    Iterar y desplegar flujo operativo

    Valide los borradores de OC y ajuste reglas de priorización, umbrales y plantillas de notificación. Realice pruebas en modo sandbox antes de activar producción.

    • 1
      Revisar borradores con equipo de Compras Envíe los borradores generados por IA a un grupo piloto para validar cálculos de cantidad, proveedor sugerido y condiciones comerciales.
    • 2
      Ajustar reglas y activación Refine puntos de reorden, stock de seguridad y reglas de escalado según feedback. Active el flujo en producción con monitoreo durante las primeras semanas.
    Checkpoint: Flujo en producción con métricas de seguimiento (alertas enviadas, órdenes generadas, errores) y proceso de mejora continua definido.
    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. "Refina la salida anterior ajustando prioridades y cantidades. Toma cada SKU y recalcula cantidad_sugerida usando fórmula: cantidad = max(ceil(consumo_promedio_diario * (lead_time_dias + [DAYS_BUFFER])), lote_minimo_proveedor). Usa [DAYS_BUFFER] = 3 si el proveedor no es preferente. Devuelve solo el JSON actualizado."
    Cambiar el nivel de detalle
    • cuando necesitas más o menos profundidad. "Genera dos versiones del reporte: 1) Resumen ejecutivo (máx. 6 líneas) para Comité de Dirección; 2) Informe operativo detallado con payloads HTTP y plantillas. Incluye ambos en un JSON con keys 'ejecutivo' y 'operativo'."
    Adaptar el tono
    • cuando el tono no es el adecuado para tu audiencia. "Reescribe el 'Resumen Ejecutivo' en un tono más formal y conciso adecuado para el CFO: 4-5 frases con foco en impacto financiero, ahorro estimado y riesgo de ruptura."
    Versión ejecutiva resumida
    • para compartir con el Comité de Dirección. "Genera un briefing de una página (máx. 250 palabras) que destaque: número de SKUs críticos, coste total a ordenar, ahorro estimado por evitar ruptura y tiempo de implementación del flujo Make."
    Resultado

    Que vas a obtener

    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:

    Ejemplo de output — Distribuciones Áurea SL, sector distribución de componentes industriales
    Estructura del output
    El prompt debe devolver un JSON con: lista de SKUs afectados y sus campos operativos, payloads HTTP listos para copiar, plantilla de email y un resumen ejecutivo con KPIs. Cada sección debe ser utilizable directamente por Integraciones y Compras.
    Senales de un buen output
    El JSON incluye payloads HTTP completos con headers y body
    Las cantidades sugeridas coinciden con la fórmula explicada y consideran lead time
    La plantilla de email contiene asunto, cuerpo y listado de acciones por SKU
    El resumen ejecutivo muestra KPI cuantificables (n° SKUs, coste estimado, n° OC)
    Senal de que el output es bueno: El equipo de Integraciones puede pegar los payloads en Make sin modificaciones y el equipo de Compras reconoce las cantidades y proveedores sugeridos.
    Costes

    Inversion y retorno

    59$ Make Business / mes
    ≈30 segundos por ejecución (consulta y filtrado) Por ejecucion del tutorial
    ∞ Reutilizaciones del prompt
    ROI: Reducir rupturas de stock mejora disponibilidad y evita paradas productivas que suelen costar más que la suscripción. Automatizar detectores y borradores de OC ahorra horas del equipo de Compras y acelera el ciclo de reposición, entregando retorno en semanas para SKUs críticos.
    Errores frecuentes

    Que hacer cuando algo no funciona

    Sintoma Causa probable Solucion exacta
    Autenticación API falla (401) Clave API inválida o permisos insuficientes Verifique [API_KEY_ERP], renueve tokens y compruebe permisos de lectura/creación en el ERP. Haga una llamada de prueba desde Postman y valide encabezados.
    Resultados vacíos en la consulta de inventario Parámetros de consulta incorrectos (almacén o filtro SKU) Confirme el parámetro [ALMACEN_ID] y pruebe con un SKU conocido. Ajuste la ruta y filtros según la documentación del ERP.
    Orden duplicada generada Regla de bloqueo ausente: no se valida existencia de OC abiertas Implemente verificación previa: si existe OC abierta por SKU en los últimos 72 horas, marcar como 'esperar' y no crear nueva OC automáticamente.
    Cantidades erradas o fracciones en OC Cálculo de cantidad no normalizado al lote mínimo del proveedor Aplicar redondeo a múltiplos del lote mínimo del proveedor y usar ceil() sobre la fórmula de demanda. Documentar lote mínimo por proveedor.
    Alertas no llegan al equipo Problema en integración de canal (email/Slack) o filtros de spam Verifique logs de envío en Make, confirme dirección [EMAIL_COMPRAS] y whitelist del dominio; pruebe con notificación simple y revise respuestas del servicio.
    Modo avanzado

    Como hacer este tutorial con IA en modo avanzado

    En modo agente, la IA puede orquestar llamadas secuenciales (consulta ERP, validación, creación de borrador y notificación) y tomar decisiones condicionadas. Úsalo para automatizar escalados y negociaciones básicas con proveedores mediante plantillas y reglas.

    Modo avanzado

    Flujo de trabajo avanzado

    1. 1
      Autenticarse en ERP y recuperar inventario crítico
    2. 2
      Aplicar reglas de reorden y calcular cantidades con lead time
    3. 3
      Validar existencia de OC abiertas y decidir crear borrador
    4. 4
      Crear borrador en ERP, enviar notificación y registrar evento en sistema de seguimiento
    Actúa como agente operativo de Compras. Ejecuta secuencialmente: 1) consulta /inventario?almacen=[ALMACEN_ID] y filtra SKUs donde stock_actual <= punto_reorden; 2) por cada SKU calcula cantidad con consumo_promedio_diario y lead_time_dias, aplicando lote mínimo del proveedor; 3) verifica si existe OC abierta en las últimas 72 horas para ese SKU; si no existe, genera payload para crear borrador de OC en [ERP_API_URL] usando [API_KEY_ERP]; 4) publica notificación en [CANAL_COMPRAS] con resumen y link de acción; 5) registra resultado en un CSV o tabla interna con estado (creada/espera/error). Devuelve un JSON con 'acciones_ejecutadas' y detalles por SKU. Usa reglas de retry para errores transitorios y límite de 3 intentos.
    Cuando usar el modo avanzado en este tutorial: Es especialmente valioso cuando se requiere automatizar todo el flujo sin intervención humana para SKUs con alto riesgo de ruptura o en operaciones 24/7.
    Siguiente paso

    Que hacer ahora?

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

    Tutorial relacionado · IA
    Explorar mas tutoriales de IA
    Descubre otros casos de uso de IA 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: Después del despliegue, monitorice métricas clave (alertas por semana, órdenes generadas, rupturas evitadas) y ajuste puntos de reorden y stock de seguridad tras 30 días de datos para afinar la precisión.
    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