Por qué tener software propio te da ventaja ahora que todos usan IA

Piensa en dos distribuidoras de abarrotes en la misma ciudad. Mismo tamaño, más o menos los mismos clientes, la misma cantidad de camionetas. Las dos contratan el mismo asistente de IA, con el mismo modelo, el mismo mes.

En la primera, los pedidos viven en un Excel por vendedor, los precios especiales en la cabeza del gerente y las conversaciones con clientes en el WhatsApp personal de cada quien. En la segunda hay un sistema sencillo, nada espectacular, con clientes, pedidos, inventario y una API.

Alguien en cada empresa le pregunta al asistente: “¿qué clientes dejaron de comprarnos en los últimos dos meses y qué solían pedir?”. En la segunda, la respuesta sale en segundos y se puede convertir en una lista de llamadas para mañana. En la primera, el asistente contesta algo genérico sobre retención de clientes. No porque sea peor. Porque no tiene de dónde sacar la respuesta.

El modelo es el mismo para todos. Tus datos no.

Hoy cualquier empresa, de cualquier tamaño, puede pagar por usar los mismos modelos que usan las grandes. Eso está muy bien, pero tiene una consecuencia que a veces no se ve: si todos tienen acceso a la misma inteligencia, esa inteligencia deja de ser la diferencia.

Lo que sí es distinto en cada negocio es el contexto. Tu historial de ventas. Qué cliente paga a 30 días aunque diga 15. Cuál proveedor siempre se atrasa en diciembre. Cómo se arma una cotización en tu empresa, con qué márgenes y qué excepciones. Un modelo sin eso es un consultor muy listo que llegó hoy y no conoce a nadie. Con eso, empieza a parecerse a alguien de tu equipo.

Por eso digo que la ventaja ya no está en la IA, está en tener tu operación en un lugar donde la IA pueda leerla.

Con hojas de Excel sueltas y WhatsApp no hay de dónde agarrar

Ojo, no tengo nada contra Excel. Es de las mejores herramientas que se han hecho. El problema son las hojas sueltas: la versión “final”, la “final2”, la que tiene el vendedor en su laptop y la que se mandó por correo el martes. Cuando hay catorce fuentes de verdad, en realidad no hay ninguna.

Con WhatsApp pasa algo parecido, pero peor. Ahí se cierran ventas, se negocian precios y se prometen fechas de entrega, y todo eso queda encerrado en teléfonos personales. Si el vendedor se va, esa historia se va con él. Y ningún asistente de IA va a poder consultar algo que nunca salió del chat.

En un taller la versión local de esto es la libreta de citas en el mostrador, las notas de qué se le hizo a cada coche escritas en la orden de papel y el inventario de refacciones que “más o menos” se sabe de memoria el encargado. Funciona mientras el encargado esté ahí y no se enferme. Para una persona con experiencia es suficiente. Para un modelo de IA es como si no existiera nada.

No hace falta tener un ERP gigante para resolverlo. Hace falta que lo importante (clientes, pedidos, precios, inventario, citas, lo que sea el corazón de tu operación) viva en un solo lugar, con una estructura clara y con una puerta de entrada para el software.

Las APIs son las manos del agente

Leer datos es la mitad. La otra mitad es que la IA pueda hacer cosas: crear un pedido, apartar una cita, mandar una cotización a revisión.

Así funciona hoy, técnicamente. Tú le describes al modelo las funciones que tiene disponibles y él decide cuándo usarlas. Según la documentación de Anthropic sobre tool use, el modelo regresa una llamada estructurada y es tu aplicación la que la ejecuta. Esto tiene dos lecturas. La buena: tú controlas qué puede y qué no puede hacer. La que importa para este artículo: si tu sistema no tiene funciones que se puedan llamar desde código, no hay nada que el modelo pueda usar. El agente puede platicar, pero no tiene manos.

Pongamos el caso de un taller mecánico. Un cliente escribe para preguntar si le pueden cambiar las balatas el jueves. Con un sistema que tiene agenda, inventario de refacciones y órdenes de servicio, un agente puede revisar si hay espacio el jueves, confirmar que las balatas de ese modelo están en existencia y dejar una orden de servicio en borrador para que el encargado la apruebe. Sin ese sistema, lo único que puede hacer el agente es decir “déjeme checarlo y le aviso”, que es exactamente lo que ya hacía la recepcionista.

Construir ese tipo de agentes, conectados a lo que tu negocio realmente hace, es de lo que va un agente de IA a la medida. Y la pieza que casi siempre falta no es el agente; es la API.

Aquí entra también el Model Context Protocol (MCP), un estándar abierto para conectar aplicaciones de IA con sistemas externos. Su documentación dice que Claude, ChatGPT y varias herramientas de desarrollo lo soportan, con la idea de construir la conexión una vez e integrarla en todos lados. Pero MCP es un enchufe. Si detrás no hay un sistema con datos ordenados, el enchufe no conecta a nada.

Ser dueño del código y de los datos

Hay una forma de dependencia que se está volviendo más cara con la IA. Si toda tu operación vive en una plataforma cerrada, las funciones de IA que puedas usar son las que ese proveedor decida darte, cuando decida dártelas y al precio que decida cobrarlas. Si su asistente no hace lo que necesitas, esperas su siguiente versión.

Cuando el código y los datos son tuyos, puedes escoger el modelo que mejor te funcione, cambiarlo el día que salga uno mejor o más barato, o correr uno en tu propio servidor si la información es delicada. Cada pocos meses aparece algo nuevo, y la libertad de cambiar vale más de lo que parece en la hoja de presupuesto.

Con los datos es todavía más claro. Tres años de pedidos con fecha, cliente, producto y precio son la materia prima para cualquier cosa que quieras hacer después: pronósticos, alertas de clientes que se están enfriando, un asistente que conteste dudas de crédito. Si esos datos están en tu base de datos, los usas como quieras. Si están en la plataforma de alguien más y solo los puedes ver en sus reportes, en realidad los estás rentando.

(Esto no significa que tengas que programar todo tú. Significa que el contrato y la arquitectura te dejen llevarte lo tuyo.)

La otra cara: no todo tiene que ser a la medida

Sería raro que alguien que hace software a la medida te dijera que no siempre lo necesitas. Pero es la verdad, y prefiero decirlo.

La nómina, la contabilidad, el correo, el almacenamiento de archivos: esos procesos funcionan casi igual en todas las empresas. Ahí no ganas nada construyendo tu propia versión. Compra un buen SaaS, págalo y dedica tu energía a otra cosa.

Eso sí, cuando compres, revisa que no te encierre. Antes de firmar con cualquier plataforma vale la pena preguntar:

• ¿Puedo exportar todos mis datos, completos, en un formato abierto como CSV o JSON, cuando yo quiera?
• ¿Tiene una API documentada para leer y escribir, y viene incluida en mi plan o se cobra aparte?
• ¿Puede avisarle a otros sistemas cuando algo cambia (webhooks), o tengo que estar preguntando a cada rato?
• Si cancelo, ¿qué pasa con mi información y cuánto tiempo tengo para sacarla?

Un SaaS que contesta bien esas preguntas se puede conectar a la IA igual que un sistema propio. Uno que no, te deja fuera aunque pagues.

¿Y entonces la distribuidora y el taller qué hacen?

Ninguno necesita un proyecto de dos años. La distribuidora puede empezar por un sistema pequeño para pedidos y clientes, que reemplace los Excel por vendedor y que tenga API desde el primer día. El taller, por su agenda y sus órdenes de servicio. Lo demás (contabilidad, facturación, nómina) se queda en las herramientas que ya usan, siempre que se puedan conectar.

Con eso armado, agregar IA ya es otro tema, y bastante más sencillo. Lo explico paso a paso en cómo integrar IA en tu software sin reescribirlo.

Si tu operación hoy vive en hojas sueltas y chats, y no sabes qué parte vale la pena convertir en sistema, platiquemos. Un software a la medida bien acotado, hecho para lo que te hace distinto, es lo que después le da a la IA algo útil con qué trabajar.