Casos

Sistemas en producción, con nombre.

Uno por capacidad, agrupados por área. Cada uno con el número, el período y cómo se midió. Si el número no se puede defender, va el hecho.

  1. 01 Distribuidora mayorista de artículos de limpieza
  2. 02 Distribuidor de insumos de ferretería y sanitarios
  3. 03 Empresa de ingeniería y montajes electromecánicos

Bajá para recorrer los tres destacados ↓

01 de 03

Distribución mayorista · Distribuidora mayorista de artículos de limpieza Datos de ejemplo

Cuatro de cada diez pedidos llegaban después de las 18. Ahora se cargan solos.

41 % de los pedidos entró fuera del horario de oficina y se cargó sin que nadie lo tocara

Entra el pedido por WhatsApp, en el formato que venga. El sistema lo interpreta contra la lista vigente, lo confirma al cliente y lo carga en Tango. Marca para revisión solo lo que no cierra.

Cómo se midió 2.860 pedidos, abril–junio 2026, hora de entrada del mensaje contra horario de administración.

Ver el caso completo

02 de 03

Distribución · Distribuidor de insumos de ferretería y sanitarios Datos de ejemplo

Se miraban 100 precios por semana. Los otros 3.700, nunca.

+4,1 pts de margen bruto sobre los 290 productos que se estaban regalando

El sistema recorre los sitios de los competidores todos los días, aparea cada producto con el propio y avisa cuando la diferencia supera el umbral de esa familia. Quien decide precios cambia o no cambia.

Cómo se midió Agosto contra junio 2026, margen sobre venta del grupo de 290 productos corregidos.

Ver el caso completo

03 de 03

Ingeniería y licitaciones · Empresa de ingeniería y montajes electromecánicos Datos de ejemplo

Se presentaban a tres licitaciones por mes. Podían presentarse a nueve, con la misma gente.

3 → 9 licitaciones presentadas por mes, con las mismas dos personas

Tres pasos, una sola cadena: el sistema recorre los portales todos los días, saca del pliego plazos, requisitos y montos a una planilla con el link al párrafo, y arma el borrador de la propuesta. Las dos personas de licitaciones revisan y firman.

Cómo se midió Trimestre abril–junio contra julio–septiembre 2026. Portales cubiertos: de 2 a 14.

Ver el caso completo

Todos los casos

Por área, uno por capacidad.

39 casos: 9 con página propia y el resto contados enteros acá mismo.

Comercial 11 casos

  • Atención y toma de pedidos por WhatsApp Distribución mayorista · Distribuidora mayorista de artículos de limpieza Datos de ejemplo Cuatro de cada diez pedidos llegaban después de las 18. Ahora se cargan solos. 41 % de los pedidos entró fuera del horario de oficina y se cargó sin que nadie lo tocara Con página Ver el caso completo
  • Cotizador y armado de presupuestos Industria · Fábrica de aberturas de aluminio Datos de ejemplo Las cotizaciones chicas no se contestaban. Ahora se contestan todas. 31 → 74 cotizaciones enviadas por semana, con la misma gente Leer el caso Cerrar

    Córdoba · 22 personas · 90 pedidos de cotización por semana.

    Qué apareció. De 90 pedidos de cotización semanales se contestaban 31. Los otros 59 eran los chicos, de menos de $500.000: armar uno llevaba media hora y no valía la pena. Un tercio de los chicos era un cliente nuevo que después no volvía a escribir.

    Qué construimos. El pedido entra por mail o WhatsApp, con plano, foto o medidas escritas. El sistema saca medidas, tipo de abertura y cantidad, arma el borrador con la lista vigente y lo deja en la bandeja del vendedor, que revisa y manda.

    Qué pasó. Mediana entre el pedido y la cotización enviada: de 2,5 días a 4 horas. De las cotizaciones chicas que antes no existían, el 27 % terminó en venta dentro de los 30 días.

    Cómo se midió Promedio de 8 semanas antes y 8 después, junio–septiembre 2026.

    Integrado con Mail · WhatsApp · lista de precios · sistema de gestión propio.

  • Seguimiento y reactivación de clientes Distribución · Distribuidora de insumos para gastronomía Datos de ejemplo Nadie sabía qué cliente se estaba yendo hasta que se había ido. 41 % de los clientes con tarea volvió a comprar en 30 días; sin tarea, el 11 % Con página Ver el caso completo
  • Recordatorios de turnos, visitas y entregas Salud · Centro de diagnóstico por imágenes Datos de ejemplo Se confirmaba la mitad de los turnos, a las 18 del día anterior. Ahora, todos, 48 horas antes. 17 % → 8 % de ausentismo Leer el caso Cerrar

    Mendoza · 3 sedes · 1.100 turnos por semana.

    Qué construimos. El sistema lee la agenda y escribe 48 horas antes. El paciente confirma o reprograma en el mismo chat. El que no contesta en 24 horas recibe un segundo mensaje, y si sigue sin contestar, su turno pasa a la lista de espera y se ofrece al siguiente. Recepción solo ve los que no respondieron.

    Qué pasó. Turnos confirmados: de 52 % a 100 %. Huecos reprogramados con lista de espera: 140 por mes. La recepcionista de la sede central dejó de hacer llamados a las 18.

    Cómo se midió Turnos no presentados sobre turnos agendados, mayo–julio 2026 contra mayo–julio 2025.

    Integrado con WhatsApp · sistema de turnos que ya usaban.

  • Postventa E-commerce · Tienda online de muebles Datos de ejemplo «¿Dónde está mi pedido?» era el 63 % de los mensajes y tardaba seis horas. 6 h → 2 min de primera respuesta, mediana Leer el caso Cerrar

    CABA · 11 personas · 900 pedidos por mes.

    Qué construimos. El mensaje entra, el sistema identifica el pedido por teléfono o número, consulta el estado en la tienda y en el transportista, y contesta con el dato. Lo que es un reclamo de verdad (rotura, faltante, entrega fallida) va a una persona con el pedido identificado, la foto y el historial ya armado.

    Qué pasó. El 71 % de las consultas se resuelve sin persona. Los reclamos llegan con ficha completa y se contestan el mismo día. La vendedora que atendía postventa volvió a vender.

    Cómo se midió Mensajes de WhatsApp e Instagram, junio contra agosto 2026.

    Integrado con WhatsApp · Instagram · Tiendanube · Andreani.

  • Onboarding de clientes nuevos Servicios financieros · Financiera no bancaria que da crédito a comercios Datos de ejemplo El alta se trababa en el papel que faltaba. Nadie lo pedía a tiempo. 11 → 4 días desde el primer contacto hasta el alta completa, mediana Leer el caso Cerrar

    Buenos Aires · 30 personas · 180 altas por mes.

    Qué construimos. Cuando entra la solicitud, el sistema pide por WhatsApp lo que falta, verifica lo que llega (CUIT, constancia de inscripción, vigencia del estatuto), recuerda al segundo y al quinto día, y le avisa al analista cuando el legajo está completo. El analista aprueba o rechaza.

    Qué pasó. Altas que llegaban al analista con documentación incompleta: de 64 % a 9 %. Altas abandonadas en el camino: de 31 % a 14 %.

    Cómo se midió Altas de abril contra altas de julio 2026.

    Integrado con CRM · WhatsApp · carpeta de legajos.

  • Calificación y ruteo de leads al vendedor correcto Energía · Empresa de energía solar para pymes y campos Datos de ejemplo El lead del viernes a las 19 lo leía alguien el lunes a las 10. 2,3 días → 18 min entre la consulta y el primer contacto de un vendedor, mediana Con página Ver el caso completo
  • Recuperación de carritos y seguimiento en e-commerce E-commerce · Tienda online de repuestos para motos Datos de ejemplo Nadie le escribía al que dejó el carrito. Era plata sobre la mesa. 11 % de los carritos contactados terminó en pedido: $4,3 millones por mes Leer el caso Cerrar

    Rosario · 8 personas · 2.100 carritos abandonados por mes.

    Qué apareció. De los 2.100 carritos, 640 superaban los $30.000 y sumaban $41 millones por mes. Nadie hacía nada con eso.

    Qué construimos. Cuando un carrito supera el mínimo y pasan dos horas, el sistema escribe una vez, con lo que la persona miró y una pregunta concreta: «viste el kit de transmisión para la Tornado; ¿te confirmo que es el modelo 2019?». No insiste. Si el carrito supera los $200.000 o es un cliente que ya compró, le avisa al vendedor para que escriba él.

    Qué pasó. Pedidos recuperados: 11 % de los carritos contactados, $4,3 millones por mes.

    Cómo se midió Pedidos pagados dentro de las 72 horas del mensaje, carritos mayores a $30.000, primeros 90 días.

    Integrado con Tiendanube · WhatsApp.

  • Atención en varios idiomas Industria, exportación · Fabricante de equipamiento para panaderías Datos de ejemplo La consulta en portugués se contestaba en castellano, o no se contestaba. 3 → 9 pedidos de Brasil por mes Leer el caso Cerrar

    Santa Fe · 45 personas · exporta a Brasil y Paraguay.

    Qué apareció. Llegaban 38 consultas por mes en portugués. El 60 % no tenía respuesta. Las que sí, tardaban dos días.

    Qué construimos. El sistema contesta en el idioma del cliente con la lista de precios de exportación, condiciones y plazos, y cuando la conversación llega a cerrar, se la pasa al vendedor de exportación con un resumen en castellano.

    Qué pasó. Consultas en portugués atendidas: de 0 a 38 por mes, primera respuesta en 4 minutos.

    Cómo se midió Marzo–agosto 2026 contra el mismo período de 2025.

    Integrado con WhatsApp · mail · lista de precios de exportación.

  • Vigilancia de precios y competencia Distribución · Distribuidor de insumos de ferretería y sanitarios Datos de ejemplo Se miraban 100 precios por semana. Los otros 3.700, nunca. +4,1 pts de margen bruto sobre los 290 productos que se estaban regalando Con página Ver el caso completo
  • Análisis de la voz del cliente Industria y venta directa · Fabricante de colchones con venta online y a mueblerías Datos de ejemplo Nadie había leído las 9.400 conversaciones del año. No por desidia: son 9.400. 18 % → 4 % de conversaciones sin respuesta a más de 24 horas Leer el caso Cerrar

    GBA · 60 personas · 9.400 conversaciones por año en WhatsApp, Instagram y Mercado Libre.

    Qué apareció. El sistema leyó las 9.400 conversaciones de agosto 2025 a julio 2026 y las clasificó. Cuatro hallazgos: el 18 % no tuvo respuesta en 24 horas. 1.100 consultas (12 %) pedían una medida que no se fabricaba, 1,60 de ancho. La mediana de primera respuesta era 5 horas, y de 17 a 21 no contestaba nadie. Y un solo modelo concentraba el 41 % de los reclamos de garantía con el 9 % de las ventas.

    Qué construimos. Cada noche el sistema toma las conversaciones nuevas de WhatsApp, Instagram y las reseñas de Mercado Libre, las clasifica y actualiza un tablero: qué se pide, qué se pierde, cuánto se tarda, de qué se queja la gente y por qué producto. Cuando un motivo sube más de lo habitual en la semana, avisa al responsable comercial. Las decisiones las toman los dueños con el tablero adelante.

    Qué pasó. Agregaron la medida 1,60 a dos líneas. Cambiaron el proveedor de espuma del modelo con reclamos. Pusieron dos personas en el turno de tarde. Ninguna de las tres decisiones estaba en la agenda antes de leer.

    Cómo se midió Primer mes contra tercer mes después de la implementación, sobre el 100 % de las conversaciones de WhatsApp, Instagram y Mercado Libre.

    Integrado con WhatsApp · Instagram · Mercado Libre · ERP.

Administración 10 casos

  • Cobranzas Distribución · Distribuidora de productos veterinarios Datos de ejemplo Se llamaba a los 30 deudores grandes. Los 400 chicos sumaban más, y a esos no los llamaba nadie. 58 → 39 días de cobro Con página Ver el caso completo
  • Lectura de facturas de proveedores Comercio · Cadena de cinco supermercados de barrio Datos de ejemplo Una persona tipeaba facturas seis horas por día. Ahora las revisa. 6 → 1 minutos por factura, tiempo de la persona Leer el caso Cerrar

    Tucumán · 5 locales · 2.400 facturas de proveedores por mes.

    Qué construimos. La factura llega en PDF o foto por mail. El sistema extrae los datos, los valida contra el maestro de proveedores y la orden de compra, y la carga en el ERP. Marca las que no cierran: proveedor que no está dado de alta, CUIT que no coincide, importe distinto a la orden. La persona mira solo las marcadas, el 9 %.

    Qué pasó. 31 facturas por mes con diferencias detectadas al cargar, que antes aparecían al pagar o no aparecían. La persona que cargaba ahora lleva las conciliaciones con proveedores, que estaban atrasadas tres meses.

    Cómo se midió Medido dos semanas antes y dos después, julio 2026, sobre 2.400 facturas por mes.

    Integrado con Mail · ERP.

  • Reportes automáticos con alertas Distribución · Distribuidora de bebidas con tres canales Datos de ejemplo El dueño se enteró de que un canal había caído 14 % cuando cerró el mes. Ahora se entera al día siguiente. 30 → 1 días entre el hecho y el aviso Con página Ver el caso completo
  • Conciliación de facturas contra órdenes de compra Industria · Planta de alimentos Datos de ejemplo Se controlaba el 15 % de las facturas contra su orden de compra. El resto se pagaba confiando. $9,1 M recuperados en notas de crédito dentro de los 60 días del primer cruce Con página Ver el caso completo
  • Conciliación bancaria Logística · Empresa de logística de última milla Datos de ejemplo El cierre llevaba cuatro días. Ahora lleva una mañana. 210 → 18 movimientos sin identificar al cierre, por mes Leer el caso Cerrar

    CABA · 4 cuentas bancarias y Mercado Pago · 6.500 movimientos por mes.

    Qué construimos. Los extractos, las facturas y los pagos entran al sistema. Cruza por importe, fecha, referencia y CUIT, aparea lo que coincide y propone los dudosos con su probabilidad. Tesorería aprueba o corrige los propuestos y resuelve los 18 que quedan.

    Qué pasó. Días de cierre mensual: de 4 a 1. Se encontraron dos débitos automáticos de servicios dados de baja que se venían pagando hacía 14 meses.

    Cómo se midió Junio–agosto 2026, sobre 6.500 movimientos por mes.

    Integrado con Home banking (exportación) · Mercado Pago · ERP.

  • Control de gastos y rendiciones Servicios · Empresa de servicios técnicos con 40 técnicos en la calle Datos de ejemplo La foto del ticket por WhatsApp ahora es una rendición cargada y categorizada. 12 → 1 minutos por rendición, tiempo de administración Leer el caso Cerrar

    40 técnicos en la calle · 600 rendiciones por mes.

    Qué construimos. El técnico manda la foto del ticket. El sistema extrae fecha, importe, rubro y CUIT, lo categoriza, lo valida contra la política de gastos (montos, rubros, horarios) y lo carga. Le avisa a administración solo lo que no cumple: el ticket duplicado, la cena de $80.000, el gasto en domingo.

    Qué pasó. En el primer mes, 23 tickets duplicados y 40 gastos fuera de política, que antes se pagaban. Los técnicos cobran la rendición a la semana en vez de a los 40 días.

    Cómo se midió Medido en junio y agosto 2026, sobre 600 rendiciones por mes.

    Integrado con WhatsApp · ERP.

  • Análisis de márgenes por producto y por cliente Industria · Fábrica de envases plásticos Datos de ejemplo Nadie sabía qué cliente les daba pérdida. Eran 14. $8,6 M de margen recuperado en el trimestre siguiente, sobre los 11 clientes que siguieron Leer el caso Cerrar

    Buenos Aires · 90 personas · 310 clientes · 450 productos · ERP, planilla de costos y tarifario de fletes.

    Qué apareció. En el primer cálculo, abril de 2026, 14 clientes con margen negativo. Facturaban $210 millones por año, el 6 % de la empresa. Otros 41 clientes con margen menor al 5 %. La causa era siempre la misma: descuento comercial más descuento por volumen más flete a más de 400 kilómetros más 90 días de plazo. Uno de los 14 estaba entre los diez clientes más grandes, y era el orgullo del área comercial.

    Qué construimos. Cada mes el sistema cruza ventas, listas, descuentos aplicados, costo real por producto, tarifario de fletes y condición de pago, y calcula el margen por cliente y por producto. Avisa a quien decide precios cuando un cliente cae debajo del umbral, con la causa desglosada. La decisión comercial la toma la persona.

    Qué pasó. Se renegociaron 9 (precio, o el flete a cargo del cliente). Se dejó de atender a 3. A 2 se les cambió la condición de pago. El vendedor que llevaba al cliente grande tuvo la conversación con el número adelante, y el cliente se quedó. Frecuencia: de anual a mensual. Cobertura: de familias a 310 clientes × 450 productos.

    Cómo se midió Julio–septiembre contra abril–junio 2026, margen sobre venta de esos clientes.

    Integrado con ERP · planilla de costos · tarifario de fletes.

  • Control de calidad de datos en el ERP o el CRM Importación y distribución · Importadora de insumos médicos Datos de ejemplo El mismo cliente vivía en tres sistemas con tres códigos distintos. 78 % → 97 % de registros con identificador válido; duplicados, de 1.340 a 0 Leer el caso Cerrar

    Buenos Aires · 55 personas · ERP y HubSpot separados.

    Qué apareció. El sistema recorrió los 9.200 registros del ERP y las 5.100 empresas del CRM. En el ERP, 1.340 duplicados (el mismo CUIT con distinto nombre, o el mismo nombre con CUIT vacío). El 22 % sin CUIT. En el CRM, 2.700 empresas sin ninguna correspondencia con el ERP. El 38 % de los mails inválidos. Y el campo «provincia» tenía 61 valores distintos para 24 provincias.

    Qué construimos. El sistema recorre las dos bases, encuentra duplicados, vacíos y valores inventados, y propone las uniones con un nivel de confianza. Las de confianza alta se aprueban en lote; las dudosas las mira una persona, una por una, con los dos registros a la vista. Después queda corriendo: cada alta nueva se valida contra lo que ya existe, y avisa cuando alguien está por crear un cliente que ya está.

    Qué pasó. El CUIT pasó a ser la clave en los dos sistemas. Se bloqueó el alta sin CUIT. Y se supo que la cartera activa real eran 4.900 clientes, no 9.200. Fue el primer proyecto; cobranzas y reactivación se construyeron encima.

    Cómo se midió Base del ERP, antes y después de la limpieza, mayo 2026. Cobertura: 100 % de las dos bases.

    Integrado con ERP · HubSpot.

  • Filtrado y ordenamiento de CVs Gastronomía · Cadena de gastronomía con 12 locales Datos de ejemplo Llegaban 400 CVs y se leían los primeros 60. El candidato bueno estaba en el 312. 12 → 2 días hasta la terna; CVs leídos por búsqueda, de 60 a 400 Leer el caso Cerrar

    CABA · 12 locales · 3 búsquedas por mes · 400 CVs por búsqueda.

    Qué construimos. RRHH escribe los criterios (nueve, por ejemplo: experiencia en salón, disponibilidad de fin de semana, zona). El sistema lee todos los CVs contra esos criterios y devuelve una terna con el porqué de cada uno y qué criterio no cumple. Los criterios quedan escritos, que es lo que lo hace auditable. RRHH entrevista.

    Qué pasó. Dos de las tres primeras contrataciones salieron de CVs que estaban después del puesto 200. La rotación a 90 días de esas búsquedas bajó de 40 % a 25 %.

    Cómo se midió Búsquedas de julio–agosto 2026, 3 por mes, 400 CVs por búsqueda.

    Integrado con Portal de empleo · mail · planilla.

  • Onboarding de empleados y respuestas de RRHH Servicios · Empresa de limpieza y mantenimiento con 600 empleados en objetivos Datos de ejemplo Las mismas veinte preguntas, 380 veces por mes, a la misma persona. 82 % de las consultas se resuelve sin RRHH; respuesta, de 2 días a 3 minutos Leer el caso Cerrar

    GBA · 600 empleados en objetivos · 380 consultas por mes a una persona de RRHH.

    Qué construimos. El empleado escribe por WhatsApp. El sistema contesta con la política escrita, manda el recibo, explica cómo pedir vacaciones. Lo que no está escrito se lo pasa a RRHH con el contexto.

    Qué pasó. El efecto que nadie esperaba: 14 políticas que no existían por escrito se escribieron, porque el sistema las necesitaba. La persona de RRHH atiende ahora 70 consultas por mes, las que son un problema de verdad.

    Cómo se midió Consultas de agosto 2026.

    Integrado con WhatsApp · sistema de liquidación de sueldos.

Operaciones 6 casos

  • Clasificación y ruteo de mails y consultas Distribución · Distribuidora de neumáticos Datos de ejemplo El mail de las 19 está en la bandeja correcta a las 19:01. 26 h → 1 min entre el mail y su llegada al área correcta, mediana Leer el caso Cerrar

    Córdoba · 210 mails por día en la casilla general.

    Qué construimos. El sistema lee cada mail cuando entra, lo clasifica (pedido, cotización, reclamo, factura, garantía, otro), lo manda al área con un resumen de dos líneas, y contesta solo lo que tiene respuesta escrita: estado de pedido, horarios, lista de precios. Lo urgente (un reclamo con la palabra «abogado», un pedido de más de $2 millones) le llega también al gerente.

    Qué pasó. Mails sin respuesta a más de 24 horas: de 19 % a 3 %. Contestados sin persona: 34 %. La persona que repartía la casilla ahora atiende garantías.

    Cómo se midió Agosto contra junio 2026, sobre 210 mails por día en la casilla general.

    Integrado con Gmail · CRM.

  • Asistente interno sobre la documentación de la empresa Servicios industriales · Empresa de instalaciones eléctricas industriales Datos de ejemplo Había dos personas que sabían todo, y todo el mundo las interrumpía. 190 consultas por semana a los dos meses, de un punto de partida de cero; 88 % contestadas con fuente Leer el caso Cerrar

    Rosario · 80 personas · dos técnicos senior que saben todo · documentación en Google Drive.

    Qué apareció. Al cargar la documentación se encontró que el 30 % de los procedimientos que «existían» no estaban escritos en ningún lado; vivían en la cabeza de los dos senior. Se escribieron.

    Qué construimos. El sistema contesta sobre manuales, procedimientos, catálogo de materiales y fichas de clientes, y dice de dónde sacó cada respuesta. Cuando no sabe, lo dice y deriva al senior; eso es lo que lo hace confiable. El vendedor nuevo pregunta ahí antes de preguntar a nadie.

    Qué pasó. Los dos senior reportan la mitad de interrupciones que antes.

    Cómo se midió Agosto–septiembre 2026, registro de consultas y encuesta a los dos técnicos senior.

    Integrado con Google Drive · WhatsApp.

  • Actas y seguimiento de reuniones Servicios · Agencia de marketing Datos de ejemplo Las reuniones no tenían acta, así que las decisiones se discutían de nuevo la semana siguiente. 20 % → 100 % de reuniones con acta; 310 tareas por mes con responsable y fecha, que antes no se contaban Leer el caso Cerrar

    CABA · 35 personas · 40 reuniones por semana.

    Qué construimos. La reunión se transcribe. El sistema arma resumen, decisiones y tareas con responsable y fecha, las carga en ClickUp y las manda a los participantes. El viernes pregunta por las vencidas.

    Qué pasó. Tareas cerradas a tiempo: 71 %; antes no había número. Las reuniones «para ver qué habíamos dicho» desaparecieron. El equipo lo notó el primer día.

    Cómo se midió Julio–agosto 2026, 40 reuniones por semana.

    Integrado con Google Meet · ClickUp.

  • Carga entre sistemas que no se hablan Comercio mayorista · Mayorista de indumentaria Datos de ejemplo Una persona copiaba los pedidos de la tienda a una planilla y de la planilla al ERP. Veintidós horas por semana. 22 → 0 horas de carga manual por semana; errores de tipeo, de 14 a 1 por mes Leer el caso Cerrar

    Buenos Aires · tienda B2B y ERP sin integración · 3.900 registros por mes.

    Qué construimos. Los pedidos de la tienda entran al ERP solos, y los contactos del mail al CRM. El sistema avisa lo que no encaja: código de producto que no existe en el ERP, precio distinto entre los dos sistemas, cliente sin cuenta. Una persona resuelve esos, el 4 %.

    Qué pasó. La persona que cargaba ahora atiende la cuenta corriente de los clientes mayoristas. Es la capacidad menos glamorosa del catálogo y la que más horas devolvió.

    Cómo se midió Junio–agosto 2026, sobre 3.900 registros por mes.

    Integrado con Tienda B2B · ERP · mail · CRM.

  • Búsqueda en el historial de la empresa Industria · Metalúrgica que fabrica estructuras a medida Datos de ejemplo Cada cotización se armaba de cero. A veces más barata que la anterior, sin saberlo. 62 % de las cotizaciones usa un antecedente, de un punto de partida de cero; armado, de 3 horas a 40 minutos Leer el caso Cerrar

    Santa Fe · 12 años de carpetas · 3.400 presupuestos.

    Qué apareció. En la primera semana se encontraron tres cotizaciones de 2025 hechas 18 % más baratas que un antecedente casi igual de 2023, porque nadie había buscado.

    Qué construimos. El sistema indexa PDF, Excel y mails de las carpetas, y busca por lo que se pide («entrepiso metálico 200 m² con escalera»), no por el nombre del archivo. Devuelve el antecedente con precio, fecha, cliente y si se ganó. Quien cotiza decide qué usar.

    Qué pasó. Tiempo de armado con antecedente: de 3 horas a 40 minutos.

    Cómo se midió Cotizaciones de agosto 2026; 45 consultas al historial por semana.

    Integrado con Google Drive · mail · ERP.

  • Predicción de demanda y reposición Distribución mayorista · Mayorista de productos de limpieza y perfumería Datos de ejemplo Se compraba «como el mes pasado, más un poco por las dudas». 19 → 6 quiebres de stock por mes; capital inmovilizado, de $140 a $98 millones Leer el caso Cerrar

    Mendoza · 35 personas · 1.900 productos · ERP.

    Qué apareció. 210 productos con más de 120 días de stock, $62 millones inmovilizados. 40 productos que quebraban todos los meses, siempre los mismos, porque el mínimo de reposición no se había tocado desde 2023. Y el plazo de entrega real de tres proveedores era el doble del que se usaba para calcular: 18 días, no 9.

    Qué construimos. Todos los días el sistema cruza las ventas diarias, el stock, la estacionalidad de cada producto y el plazo real de entrega de cada proveedor, y arma una sugerencia de compra: qué, cuánto y cuándo, con el porqué. El comprador la revisa y aprueba o cambia. No promete acertar la demanda; promete que ningún producto queda sin mirar.

    Qué pasó. Se bajó la compra de los 210. Se subió el mínimo de los 40. Se renegoció plazo con dos proveedores, con el dato de sus entregas reales adelante. Productos con reposición calculada: de 60 a 1.900.

    Cómo se midió Marzo–mayo contra junio–agosto 2026, productos con stock cero y pedido pendiente; días de stock, de 71 a 49.

    Integrado con ERP.

Documentos y licitaciones 3 casos

  • Lectura de pliegos de licitación Ingeniería y licitaciones · Empresa de ingeniería y montajes electromecánicos Datos de ejemplo Se presentaban a tres licitaciones por mes. Podían presentarse a nueve, con la misma gente. 3 → 9 licitaciones presentadas por mes, con las mismas dos personas Con página Ver el caso completo
  • Extracción de datos de contratos y pólizas Servicios · Empresa de alquiler de maquinaria vial Datos de ejemplo Nadie tenía la lista de vencimientos. Se leyeron los 340 PDF y aparecieron 23 vencidos. $4,2 M por año en renovaciones automáticas evitadas; vencimientos que nadie tenía anotados, 64 Leer el caso Cerrar

    Buenos Aires · 340 contratos y pólizas vigentes en carpetas de Drive y en mails de tres personas distintas.

    Qué apareció. 23 contratos y pólizas vencidos, entre ellos dos pólizas de equipos que estaban en obra sin cobertura. 41 vencimientos en los próximos 90 días. 17 contratos con cláusula de renovación automática, de los cuales 6 eran servicios que ya no se usaban: $4,2 millones por año que se pagaban por no haber leído.

    Qué construimos. El sistema lee cada contrato y póliza de las carpetas y los mails, extrae partes, objeto, montos, fecha de vencimiento, preaviso y cláusula de renovación, y arma la lista. Avisa a 60, 30 y 7 días al responsable, con la cláusula que aplica y qué hay que hacer. Cada contrato nuevo que entra por mail se lee y se suma. La decisión de renovar o cancelar la toma la persona.

    Qué pasó. Se cancelaron los 6 con el plazo de preaviso adelante. Se renegociaron 4 que se iban a renovar en las mismas condiciones. Las dos pólizas se emitieron en 48 horas. Y una persona quedó a cargo de los vencimientos, que hasta entonces no eran de nadie.

    Cómo se midió Suma de los 6 contratos cancelados, valor anual, junio 2026. Contratos leídos: de 0 a 340.

    Integrado con Google Drive · mail.

  • Comparación de versiones de contratos Inmobiliaria · Desarrolladora inmobiliaria Datos de ejemplo El contrato que volvía firmado se leía «por arriba». El cambio en la cláusula de mora no lo vio nadie. 11 cambios no avisados encontrados en 90 contratos; uno en la cláusula de mora, dos en plazos de entrega Leer el caso Cerrar

    Córdoba · 30 boletos y contratos por mes.

    Qué construimos. El sistema compara la versión que se mandó con la que volvió y lista cada cambio con el párrafo antes y después. Nada más: no interpreta, muestra. El abogado decide qué se acepta.

    Qué pasó. Contratos comparados enteros: de «los importantes» a todos. Tiempo de revisión: de 2 horas a 15 minutos.

    Cómo se midió Julio–septiembre 2026, 30 boletos y contratos por mes que van y vuelven.

    Integrado con Mail · Google Drive.

Por industria 9 casos

  • Ruteo y planificación logística Logística · Distribuidora de alimentos congelados Datos de ejemplo Las rutas se armaron una vez, en 2024, y se repetían. Los pedidos de hoy no son los de 2024. 4,1 → 3,2 kilómetros por entrega; entregas por camión por día, de 29 a 34 Leer el caso Cerrar

    GBA · 9 camiones · 260 entregas por día.

    Qué construimos. A las 6 de la mañana el sistema toma los pedidos del día, las ventanas horarias de cada cliente y la capacidad de cada camión, y arma las rutas. Despacho las mira, mueve lo que sabe que el sistema no sabe (el cliente que no recibe antes de las 10) y las manda a los choferes.

    Qué pasó. Entregas dentro de la ventana horaria: de 74 % a 91 %. Se dejó de usar un camión tercerizado los lunes.

    Cómo se midió Junio contra agosto 2026, sobre los datos del GPS.

    Integrado con ERP · GPS de la flota · app de choferes.

  • Mantenimiento predictivo Industria · Planta de alimentos con tres líneas de envasado Datos de ejemplo La máquina se paraba cuando se rompía, y ese día se perdía. 7 → 3 paradas no programadas por mes; horas de máquina parada, de 41 a 15 Leer el caso Cerrar

    Buenos Aires · tres líneas de envasado · el dato vivía en el PLC y nadie lo bajaba.

    Qué apareció. El historial de fallas de dos años mostró que el 60 % de las paradas de la envasadora principal venían precedidas por el mismo patrón de temperatura y ciclos, tres días antes.

    Qué construimos. El sistema lee lo que la máquina ya genera (temperatura, vibración, ciclos por hora) y el historial de fallas, y avisa a mantenimiento cuando el patrón se aparta de lo normal para esa máquina. Mantenimiento decide si interviene y cuándo. No predice la falla; avisa que algo cambió.

    Qué pasó. Cinco intervenciones anticipadas en el trimestre, en horario de cambio de turno.

    Cómo se midió Trimestre abril–junio contra julio–septiembre 2026.

    Integrado con PLC de las líneas · planilla de mantenimiento.

  • Control visual de calidad Industria · Fábrica de autopartes plásticas Datos de ejemplo Se inspeccionaba el 2 % de cada lote. El defecto de la pieza 340 lo encontró el cliente. 2 % → 100 % de piezas inspeccionadas; reclamos por defectos, de 6 a 1 por mes Leer el caso Cerrar

    Córdoba · 120.000 piezas por mes.

    Qué apareció. Al mirar el 100 %, la tasa de defectos real era 0,4 %, no el 0,1 % que se reportaba: la muestra no los veía porque los defectos se concentraban al final de cada turno.

    Qué construimos. Una cámara en la línea mira cada pieza. El sistema separa lo que no cumple y avisa al supervisor cuando la tasa de un turno sube. El operario revisa las rechazadas y decide si son descarte o retrabajo.

    Qué pasó. Defectos que llegan al cliente: de 0,4 % a menos de 0,05 %.

    Cómo se midió Marzo–mayo contra junio–agosto 2026, sobre 120.000 piezas por mes.

    Integrado con Cámara en línea · sistema de calidad.

  • Trazabilidad y documentación de exportación Agro, exportación · Exportadora de frutas secas Datos de ejemplo Cada embarque necesita diez papeles y cada país pide distinto. El que faltaba se descubría en la aduana. 58 % → 96 % de embarques con documentación completa antes de la fecha Leer el caso Cerrar

    Mendoza · 25 embarques por mes a 8 países.

    Qué construimos. Cuando se confirma un embarque, el sistema arma la lista de documentos según destino, junta los que ya existen (certificados, facturas, packing list), pide los que faltan al despachante o a calidad, y avisa con cinco días lo que sigue faltando. La persona de comercio exterior firma y envía.

    Qué pasó. Embarques demorados por papeles: de 4 por mes a 0. Horas por embarque: de 6 a 1, como consecuencia.

    Cómo se midió Embarques de mayo–junio contra julio–agosto 2026, 25 por mes a 8 países.

    Integrado con Mail · Google Drive · despachante de aduana.

  • Gestión de siniestros Seguros · Broker de seguros Datos de ejemplo El siniestro entraba por mail con tres fotos y un relato, y alguien lo tipeaba. Ahora lo arma el sistema. 34 → 19 días desde la denuncia hasta el cierre, mediana Leer el caso Cerrar

    CABA · 220 siniestros por mes.

    Qué construimos. El mail entra, el sistema arma la denuncia con los datos de la póliza, pide por WhatsApp lo que falta (la denuncia policial, la foto del frente, el presupuesto), y avisa al liquidador cuando el legajo está completo. Sigue el estado con la compañía y le cuenta al asegurado sin que pregunte.

    Qué pasó. Siniestros que llegan al perito con documentación completa: de 40 % a 92 %. Las llamadas de «¿cómo va mi siniestro?» bajaron a la mitad.

    Cómo se midió Siniestros denunciados en abril contra los de julio 2026, 220 por mes.

    Integrado con Mail · WhatsApp · sistema del broker.

  • Turnos y cobranza de prestaciones Salud · Centro odontológico Datos de ejemplo Se confirmaba la mitad de los turnos y se cobraba a las obras sociales cuando se podía. 74 → 48 días de cobro por prestación; ausentismo, de 21 % a 9 % Leer el caso Cerrar

    Rosario · 4 sillones · 900 turnos por mes.

    Qué construimos. El sistema confirma todos los turnos con 48 horas y reprograma los huecos. Y sigue cada prestación desde que se hace hasta que se cobra: arma la facturación a la obra social, detecta las rechazadas y las vuelve a presentar con lo que faltaba. Administración mira solo las rechazadas dos veces.

    Qué pasó. Prestaciones sin cobrar a más de 60 días: de $18 millones a $6 millones. Se cobraron $3 millones de prestaciones de 2025 que se daban por perdidas.

    Cómo se midió Mayo–julio 2026 contra el mismo período de 2025, 900 turnos por mes.

    Integrado con WhatsApp · agenda · sistema de facturación a obras sociales.

  • Seguimiento de obra Construcción · Constructora con seis obras en simultáneo Datos de ejemplo El atraso se veía en la certificación, un mes después. Ahora se ve el viernes. Y el cliente de la obra lo recibe. 4 → 1 semanas de anticipación con que se ve el desvío Con página Ver el caso completo
  • Recetas, stock y mermas Gastronomía · Grupo gastronómico con cuatro locales Datos de ejemplo Nadie sabía dónde se iban tres de cada veinte kilos que se compraban. 14,6 % → 8,9 % de merma sobre compras; platos con margen negativo encontrados, 7 Leer el caso Cerrar

    CABA · 4 locales · 60 platos en carta · POS Fudo, facturas de proveedores y una planilla de recetas.

    Qué apareció. En el primer mes, cruzando recetas, facturas de compra y ventas del POS: merma del 14,6 % sobre compras. En carnes, 19 %. Siete platos con margen negativo al costo real. Y el plato más vendido de la carta dejaba 8 % de margen, no el 62 % que decía la planilla original: la porción había crecido y el proveedor de carne había cambiado.

    Qué construimos. El sistema cruza tres cosas todas las semanas: las recetas (qué lleva cada plato), las compras (las facturas de proveedores) y las ventas (el POS). Calcula el consumo teórico contra el real por insumo y por local, saca la merma, y actualiza el costo real de cada plato con el precio de la última compra. Avisa al encargado cuando la merma de un insumo se dispara, y a los dueños cuando un plato cae debajo del margen mínimo. El precio y la carta los deciden ellos.

    Qué pasó. Subieron cinco precios. Cambiaron la porción de dos platos. Sacaron dos de la carta. Cambiaron el proveedor de carne, con el dato de merma por corte adelante. Y cada encargado de local recibe la merma de su local todas las semanas, que antes no era de nadie. Costo real por plato: de una vez cada dos años a semanal.

    Cómo se midió Primer mes contra cuarto mes, mayo–agosto 2026, sobre compras totales de los cuatro locales.

    Integrado con POS (Fudo) · facturas de proveedores · planilla de recetas.

  • Cumplimiento y reportes regulatorios Transporte · Empresa de transporte de cargas peligrosas Datos de ejemplo La presentación se armaba la semana anterior al vencimiento, con datos de tres áreas. Se presentaba a tiempo a veces. 4 → 0 presentaciones fuera de término por año Leer el caso Cerrar

    Buenos Aires · 14 presentaciones regulatorias por año · datos en el ERP, planillas de operaciones y mails.

    Qué construimos. El sistema junta todos los días los datos de operaciones, flota y residuos que las presentaciones necesitan, y tiene cada una armada diez días antes del vencimiento. Avisa al responsable, que revisa, corrige y firma. Nada se presenta sin firma.

    Qué pasó. Días de anticipación con que está lista: de 0 a 10. Horas de armado: de 3 días a 2 horas, como consecuencia. Se evitó una multa que el año anterior había sido de $6 millones.

    Cómo se midió Últimos 12 meses contra los 12 anteriores, octubre 2025–septiembre 2026, 14 presentaciones por año.

    Integrado con ERP · planillas de operaciones · mail.

Hablemos

¿Somos los indicados para tu empresa?

Contanos qué está pasando y te decimos con franqueza si podemos ayudar, y cómo.

  • Respondemos en menos de 24 horas hábiles
  • La primera conversación no tiene costo
  • Llegamos preparados: salís con tres cosas concretas para este trimestre, sigas o no con nosotros.

¿Preferís escribir?

Usamos tus datos solo para responderte. No los compartimos ni te sumamos a ninguna lista sin que lo pidas.