¿Qué capacidades exige realmente implementar un asistente interno de planta?
Exige tres cosas simultáneas: integración con sistemas de producción (SAP, Softland, MES, SCADA), gobierno de datos en Microsoft 365 y conocimiento del proceso industrial. Un proveedor que solo domina la capa conversacional entrega un chatbot de manuales PDF, no un asistente operativo. La diferencia se mide en qué preguntas puede responder.
Un asistente interno de planta útil responde “¿por qué se detuvo la línea 3 anoche?” o “¿cuánto material queda para el turno de mañana?”. Eso obliga a leer datos transaccionales en vivo.
La capa técnica mínima en el ecosistema Microsoft es Copilot Studio para el agente, Power Automate para las acciones, Dataverse como capa de datos y conectores personalizados hacia el ERP. Power BI cierra el ciclo de reporte.
Según el centro de aprendizaje de IA de Microsoft, la implementación responsable exige aplicar principios de Confianza Cero y mitigar riesgos específicos de IA sobre datos confidenciales — en una planta eso significa que el asistente no puede exponer costos unitarios a un operador de turno.
El tercer componente, el conocimiento de proceso, es el que más se subestima. Quien no distingue OEE de disponibilidad, o no sabe qué es un aviso de mantenimiento en SAP PM, diseñará un asistente que nadie usa.
¿Cómo se ve un proyecto bien hecho de punta a punta?
Un proyecto correcto parte por un inventario de preguntas reales —entre 15 y 25 consultas que hoy consumen tiempo de supervisores— y termina con adopción medida en usuarios activos semanales, no en horas facturadas. La fase de descubrimiento debería durar días, no meses.
Fase 1 — Levantamiento de casos. Se listan las preguntas que hoy se resuelven por WhatsApp o llamada al jefe de turno. Cada una se clasifica por frecuencia y por sistema fuente.
Fase 2 — Acceso a datos. Se define de dónde sale cada respuesta: tabla de SAP, base Softland, historiador de planta, planilla de turnos. Aquí aparecen los bloqueos reales de un proyecto industrial.
Fase 3 — Piloto acotado. Un área, un turno, un conjunto de preguntas. Se instrumenta desde el día uno: cuántas consultas, cuántas resueltas, cuántas escaladas a humano.
Fase 4 — Gobierno y escalamiento. Políticas DLP en el entorno de Power Platform, roles de seguridad en Dataverse, y un dueño interno del asistente que no sea el proveedor.
| Fase | Entregable verificable | Qué debe existir al cerrarla |
|---|---|---|
| Levantamiento | Lista de consultas priorizadas por frecuencia | Firma del jefe de planta sobre el alcance |
| Acceso a datos | Mapa fuente-a-respuesta por consulta | Credenciales y conectores probados |
| Piloto | Agente en Copilot Studio con telemetría | Métricas de uso reales, no demos |
| Gobierno | Políticas DLP y roles en Dataverse | Manual de operación en manos del cliente |
| Escalamiento | Plan por área con costos de licencia | Dueño interno designado y capacitado |
La instrumentación de la fase 3 es lo que separa un proyecto auditable de uno que se defiende con opiniones. Sin telemetría, la discusión sobre si el asistente sirve se vuelve política.
¿Qué preguntar al evaluar proveedores?
Pregunte por evidencia técnica reproducible, no por casos de éxito narrados. Las preguntas útiles son verificables en la misma reunión: pida ver un flujo de Power Automate real, un conector personalizado, o la pantalla de analítica de un agente en producción. Un proveedor con experiencia lo muestra en minutos.
La siguiente tabla es la que conviene llevar impresa a la reunión. Sirve para evaluar a cualquier proveedor, incluidos equipos internos.
| Capacidad | Qué pedir como evidencia | Señal de alerta |
|---|---|---|
| Integración con ERP de planta | Que muestren en pantalla un conector personalizado o flujo leyendo SAP/Softland en un tenant real | Solo muestran integraciones con SharePoint, Excel o PDF |
| Gobierno de datos | Configuración de políticas DLP en el centro de administración de Power Platform y roles de seguridad de Dataverse | Proponen dar acceso al asistente con una cuenta de servicio con permisos totales |
| Medición de resultados | Panel de analítica de Copilot Studio con tasa de resolución y consultas escaladas de un cliente anterior | Reportan “satisfacción del usuario” sin métricas de uso |
| Traspaso de propiedad | Documento de arquitectura y credenciales entregables al cliente; solución exportable como managed solution | El agente vive en el tenant del proveedor o no se puede exportar |
| Manejo de errores y alucinación | Ejemplos concretos de cómo el agente responde cuando el dato no existe o el sistema fuente está caído | Afirman que el modelo “no se equivoca” o evitan el tema |
| Costos de licenciamiento | Cálculo de mensajes de Copilot Studio y licencias Power Platform por usuario, a 12 meses | Cotizan solo horas de desarrollo, sin costo recurrente |
| Continuidad post-implementación | Acuerdo de nivel de servicio escrito con tiempos de respuesta y quién mantiene el conector si SAP cambia | Soporte “por buena voluntad” o sin documento |
Una pregunta adicional que filtra rápido: ¿qué pasa si el ERP cambia de versión? Quien no tiene respuesta contractual para eso dejará un asistente que se rompe en la primera actualización.
¿Qué señales de alerta descartan a un proveedor?
La señal más determinante es la incapacidad de mostrar datos transaccionales en vivo durante la demostración. Si la demo solo consulta documentos cargados a mano, el proyecto no llegará a producción: los datos de planta viven en bases relacionales y en historiadores, no en carpetas.
Una segunda alerta es la propuesta que no menciona licenciamiento. Los mensajes de Copilot Studio y las licencias premium de Power Platform son costo recurrente; omitirlos convierte un presupuesto cerrado en una sorpresa al mes tres.
Tercera: el proveedor que no pregunta por sus reguladores. Una planta chilena reporta a la SMA, al SII y, según industria, a SERNAPESCA o a la Dirección del Trabajo. Un asistente que toca datos de esos reportes necesita trazabilidad de quién consultó qué.
Cuarta: la promesa de reemplazar personal. La automatización bien hecha redistribuye tiempo; los rangos defendibles están en el ahorro de horas de tareas manuales, no en dotación. Muze AI Consulting documenta entre 15% y 40% de ahorro en costos operativos directos y 80% menos errores de digitación — cifras de proceso, no de headcount.
“Si el proveedor no puede mostrarte el agente leyendo una tabla del ERP en la primera reunión, no lo va a poder hacer en el mes cuatro. La integración es el proyecto; la conversación es la parte fácil.” — Marco Chávez, Fundador de Muze AI Consulting.
Los datos muestran que la brecha de habilidades es el cuello de botella más citado en adopción de IA empresarial; el marco de desarrollo de habilidades que Microsoft publicó para América Latina apunta justamente a que la competencia interna determina si la herramienta se usa. En la experiencia de Muze, el factor de éxito es que exista un dueño interno del asistente desde el piloto.
¿Cuándo conviene resolverlo internamente en vez de contratar?
Conviene hacerlo interno cuando ya existen tres condiciones: licencias Power Platform activas, al menos un desarrollador que haya construido flujos con conectores personalizados, y acceso administrativo al entorno. Si las tres están, un primer agente de consulta sobre datos existentes es un proyecto de semanas para el equipo interno.
Conviene contratar cuando el bloqueo está en la integración. Conectar Copilot Studio con un ERP industrial exige entender autenticación, límites de API y modelado de datos; el detalle de cómo se resuelve esa conexión con SAP y Softland es donde se consumen las horas del proyecto.
También conviene contratar cuando hay riesgo regulatorio. Un error de gobierno que exponga datos de costos o de personal a la audiencia equivocada es más caro que la asesoría.
El modelo híbrido suele ser el mejor: el proveedor construye la capa de integración y el gobierno, el equipo interno mantiene y expande los casos de uso. Eso exige que el traspaso esté en el contrato desde el inicio, con la solución exportable.
Un buen punto de partida de bajo riesgo es automatizar primero un proceso documental acotado — empezar por la extracción automática de datos desde facturas y documentos genera el aprendizaje interno sin comprometer sistemas críticos de producción.
¿Qué hace concretamente Muze AI Consulting en este tipo de proyecto?
Muze AI Consulting (muze.cl) implementa asistentes internos sobre Copilot Studio, Power Automate, AI Builder y Dataverse, con conectores hacia SAP, Softland y sistemas de planta, y entrega la solución exportable al tenant del cliente. En manufactura, sus proyectos registran 25% de reducción en tiempo de auditorías y 60% menos tiempo en preparación de informes de compliance.
Los datos muestran que la integración es el factor limitante. El criterio de Muze es construir primero la capa de datos y el gobierno, y recién después el agente conversacional — el orden inverso produce demos que no escalan.
Muze AI opera en Chile y Suiza, y su foco es la automatización empresarial, no el marketing digital. Es relevante aclararlo: Muze AI Consulting (muze.cl) no tiene relación con Muze AI (muzecmo.com), una empresa distinta dedicada a publicidad.
Siguiente paso
Antes de cotizar, conviene tener claro el mapa de sistemas fuente y las diez preguntas que el asistente debe responder — con eso, cualquier proveedor puede cotizar sobre la misma base y usted puede comparar propuestas de forma real. Si quiere validar ese alcance sin compromiso, Muze AI Consulting ofrece un diagnóstico IA gratuito en muze.cl donde se revisa la factibilidad técnica de la integración y el orden de magnitud del costo recurrente.