De pyme tradicional a AI-first: el caso de una empresa de 30 empleados

¿Cómo es, en la práctica, que una pyme normal — sin departamento de tecnología, sin presupuesto de multinacional — se convierta en una empresa AI-first? Este artículo lo cuenta con el caso de una distribuidora de suministros industriales de 30 empleados: qué situación tenía, qué decidió automatizar, en qué orden y con qué números antes y después. El caso es un retrato compuesto y verosímil de este tipo de proyectos — la empresa es ficticia y las cifras son representativas de lo que vemos en distribuidoras de este tamaño —, pero el proceso es exactamente el que seguimos en la realidad.

El punto de partida: crecer contratando

La protagonista: una distribuidora de material eléctrico e industrial en el cinturón de una capital de provincia. Treinta empleados, unos 7 millones de euros de facturación, 1.900 referencias en catálogo y unos 620 pedidos a la semana. De la plantilla, ocho personas eran administración pura: pedidos, facturación, incidencias.

Su operativa era la de miles de pymes españolas. El 70% de los pedidos llegaba por email — un PDF, una foto de un albarán, un "ponme lo de siempre" — y tres personas dedicaban la mayor parte de su jornada a interpretarlos y teclearlos en el ERP: unos 14 minutos por pedido, con un 3% de líneas con algún error (referencia equivocada, cantidad mal leída) que luego costaba devoluciones y portes. Los presupuestos tardaban 24-48 horas en salir, porque pasaban por una sola persona que conocía las tarifas y los descuentos por cliente. El cierre contable del mes llevaba 9 días.

El detonante no fue la IA: fue una hoja de cálculo. La responsable de administración pidió dos personas más para absorber el crecimiento, y el gerente hizo la cuenta: unos 70.000 € al año de coste adicional para seguir haciendo lo mismo. Antes de firmar las ofertas, decidió mirar la alternativa.

Fase 1 (semanas 1-4): diagnóstico, no herramientas

Lo primero no fue comprar nada. Fue medir: inventario de los 12 procesos administrativos y comerciales, horas al mes de cada uno, coste y tasa de error. Resultado: la entrada de pedidos consumía unas 230 horas al mes; los presupuestos, 90; la conciliación de facturas de proveedor, 60. Entre tres procesos sumaban el equivalente a dos empleos y medio.

El diagnóstico dejó dos sorpresas. La primera: el proceso que el gerente quería automatizar — la atención telefónica — era de los peores candidatos: mucha excepción, mucho valor de relación. La segunda: el proceso de presupuestos no era lento por falta de manos, sino porque el conocimiento de tarifas y descuentos vivía en la cabeza de una persona. Antes de automatizar hubo que rediseñar: unificar criterios de descuento en una tabla aprobada por gerencia. Solo ese rediseño ya recortó el plazo de presupuestos un 30%, sin ninguna IA de por medio.

Fase 2 (semanas 5-12): dos agentes en producción

Con el mapa delante, se eligieron dos procesos — volumen alto, patrones claros, error corregible — y se llevaron a producción:

• Agente de pedidos: lee el buzón de pedidos (emails, PDFs, fotos de albarán), interpreta las líneas, las valida contra catálogo, tarifa y stock, y crea el pedido en el ERP como borrador. Una persona revisa y confirma con un clic; lo que el agente no entiende con confianza suficiente, lo escala marcado en rojo. Conectado a los sistemas de la empresa mediante conectores nativos, sin cambiar de ERP.
• Agente de presupuestos: a partir de la petición del cliente, monta el presupuesto con la tarifa y los descuentos aprobados y lo deja listo para revisión del comercial. Por encima de 5.000 €, la oferta requiere aprobación del responsable comercial: los límites y quién aprueba qué se definieron el primer día, no después del primer susto.

Ambos agentes arrancaron en modo "proponer": las personas seguían ejecutando y el agente preparaba. Tras cuatro semanas midiendo su tasa de acierto con volumen real, pasaron a ejecutar con confirmación humana. La formación del equipo se hizo con sus propios pedidos y clientes, no con ejemplos genéricos — y con un mensaje explícito de gerencia: las horas liberadas se reinvertían, no se despedía a nadie.

Los resultados a los seis meses

Contra la línea base medida en el diagnóstico — no de memoria —, esto es lo que cambió:

• Entrada de pedidos: de 14 minutos por pedido a unos 2 de revisión. De 230 horas al mes a menos de 50.
• Errores en líneas de pedido: del 3% al 0,4%, con el ahorro correspondiente en devoluciones y portes de rectificación.
• Presupuestos: de 24-48 horas a menos de 4; el 80% sale el mismo día. La tasa de aceptación subió unos 6 puntos — en distribución, contestar primero gana pedidos.
• Horas administrativas liberadas: unas 210 al mes entre los dos procesos, el equivalente a 1,3 empleos a jornada completa.
• Las dos contrataciones previstas no se hicieron: unos 70.000 € al año evitados. El proyecto completo — diagnóstico, dos agentes, formación — se recuperó en menos de seis meses.

¿Y las personas? Nadie salió de la empresa. Dos administrativas pasaron a apoyo comercial — seguimiento proactivo de presupuestos enviados, reactivación de clientes dormidos, trabajo que nunca había tenido horas —, y una tercera se convirtió en la dueña de los agentes: revisa sus métricas, gestiona los casos escalados y decide, con el gerente, cuándo un agente se gana más autonomía. Ese puesto no existía y hoy es de los más valiosos de la casa.

Fase 3: de proyecto a forma de operar

Con la credibilidad de los números, la expansión se financió sola: agente de conciliación de facturas de proveedor (el cierre contable pasó de 9 a 4 días), agente de seguimiento de incidencias de entrega, y un panel diario con el que el gerente empieza la mañana viendo pedidos, márgenes y excepciones sin pedir informes a nadie. La distribuidora dejó de "tener un proyecto de IA" y pasó a operar como una empresa gestionada con IA: agentes ejecutando lo repetitivo, personas decidiendo y vendiendo.

Un año después, la pregunta del gerente había cambiado. Ya no era "¿cuánta gente necesito para crecer un 20%?" sino "¿qué proceso automatizamos ahora?". Esa inversión de la pregunta es, en la práctica, la definición de una empresa AI-first.

Qué hizo bien esta pyme (y puedes copiar)

• Midió antes de construir: el diagnóstico con horas y costes fue la brújula y, después, la prueba del retorno.
• Empezó por dos procesos, no por veinte: volumen alto, reglas claras, error barato de corregir.
• Rediseñó antes de automatizar: los criterios de descuento se unificaron antes de poner el agente encima.
• Puso límites y dueños desde el día uno: umbrales de aprobación, escalados y una responsable de agentes con nombre.
• Reinvirtió las horas en vender más, y lo dijo desde el principio: por eso el equipo empujó a favor.

La secuencia completa, con hitos semana a semana, la tienes en nuestro roadmap de 90 días para implementar IA en tu empresa. Y si quieres saber qué versión de esta historia es posible con tus procesos y tus números, empieza donde empezó esta distribuidora: por un diagnóstico de automatización.

Preguntas frecuentes

¿Una pyme de 30 empleados puede ser AI-first de verdad?

Sí, y suele avanzar más rápido que una gran empresa: menos comités, procesos más visibles y un gerente que decide en días. La clave no es el tamaño sino la secuencia — diagnóstico medido, dos procesos de alto volumen primero, gobernanza desde el día uno y expansión financiada con los ahorros.

¿Cuánto tardó la transformación de este caso?

Cuatro semanas de diagnóstico y ocho más para poner dos agentes en producción: resultados operativos en unos 90 días. La recuperación de la inversión llegó antes de los seis meses, y la expansión posterior (conciliación, incidencias, panel de gestión) se pagó con los ahorros de la primera fase.

¿Hubo despidos por la automatización?

No. Las dos contrataciones previstas dejaron de ser necesarias, dos administrativas pasaron a labores comerciales que nunca tenían horas y una tercera se convirtió en supervisora de los agentes. Anunciar desde el principio que las horas liberadas se reinvertían fue decisivo para que el equipo colaborase.

¿Hizo falta cambiar el ERP o los sistemas de la empresa?

No. Los agentes se conectaron a los sistemas existentes mediante conectores nativos: leen el buzón de pedidos, validan contra catálogo y tarifa, y crean borradores en el mismo ERP de siempre. Cambiar de sistemas antes de automatizar es, en la mayoría de pymes, un retraso caro e innecesario.