Una compra se puede retrasar no porque falte dinero, sino porque nadie está comparando lo mismo. Ese es el fallo que muchos cuadros de mando no enseñan: el proveedor A cotiza por unidad, el B por caja y el C por pedido mínimo; uno entrega en diez días laborables, otro en dos semanas naturales; uno incluye transporte, otro lo factura aparte. En la pantalla todo parece ordenado. En la práctica, el equipo de compras está traduciendo documentos, no decidiendo.
La pregunta útil no es si la IA puede elegir por ti, sino si puede dejar las ofertas en el mismo idioma antes de que alguien firme.
Mi tesis es simple: en compras de pymes tradicionales, la IA vale más como normalizador que como decisor. Si primero unifica unidades, plazos y condiciones, la comparación mejora; si intenta recomendar demasiado pronto, solo maquilla el ruido.
El cuello de botella real no es el precio
En muchas empresas, compras, operaciones y almacén miran cosas distintas. Compras quiere cerrar rápido. Operaciones quiere evitar paradas. Almacén quiere no llenar el espacio con material sobrante. Y finanzas quiere que la factura coincida con lo pactado. Cuando cada área defiende su métrica, el resultado es un trabajo de reconciliación manual.
Una señal clara aparece en los comportamientos: correos con “¿esto incluye transporte?”, hojas de cálculo con columnas añadidas a última hora y decisiones aplazadas porque falta “confirmar el plazo de entrega real”. No es una falla tecnológica. Es una fricción de lenguaje y de incentivos.
La IA puede revisar ofertas y extraer campos comparables: producto, unidad, cantidad, precio neto, transporte, impuestos, plazo, validez, condiciones de pago y penalizaciones. Pero esa extracción no es todavía una decisión. Es un preprocesado operativo.
Cómo funcionaría el proceso paso a paso
Un flujo razonable para una pyme sería este:
- Entrada: ofertas recibidas por email, PDF o Excel, junto con la solicitud interna de compra.
- Tarea de IA: leer cada documento y proponer una tabla común con campos normalizados.
- Regla de negocio: convertir todo a la misma unidad de referencia y marcar supuestos. Por ejemplo, si un proveedor vende por caja, la comparación debe mostrar coste por unidad, no solo coste por caja.
- Aprobación humana: compras valida las diferencias relevantes y operaciones confirma si el plazo sirve para la necesidad real.
- Resultado medible: menos tiempo de comparación, menos errores de transcripción y más trazabilidad sobre por qué se eligió una oferta.
La clave está en separar tres cosas: la interpretación de la IA, el cálculo determinista y la integración con el sistema. La IA interpreta texto. La hoja de cálculo calcula. El ERP registra la decisión.
El error incómodo: querer que la IA “decida sola”
Aquí conviene ser incómodo: si una empresa usa IA para aprobar compras automáticamente, está trasladando riesgo sin resolver la causa del problema. Puede ahorrar tiempo hoy y crear una mala compra mañana.
El riesgo más común no es que la IA “alucine” de forma espectacular, sino que normalice mal una condición pequeña: confundir días laborables con días naturales, no detectar un pedido mínimo o ignorar una vigencia corta. En compras, un error pequeño puede convertirse en rotura de stock, exceso de inventario o conflicto con producción.
NIST recomienda entender la IA como un riesgo que se gestiona durante todo el ciclo de vida, con funciones de gobernanza, mapeo, medición y gestión. También insiste en que la gestión debe ser continua y contextual, no una lista mecánica de comprobaciones. (nist.gov)
Un caso breve: tres ofertas, una sola comparación útil
Imaginemos una distribuidora que compra embalaje para varias líneas de producto. Llega una oferta con precio bajo, pero por caja grande; otra con mejor plazo, pero transporte aparte; la tercera parece más cara hasta que se convierte todo a unidad y se incorpora el coste de entrega.
Antes, el equipo tardaba medio día en reconstruir la comparación. Después de introducir un asistente que extrae campos y marca diferencias, el tiempo baja porque ya no se parte de documentos dispersos, sino de una tabla revisada. La decisión sigue siendo humana, pero el debate deja de girar en torno a “qué decía cada PDF” y pasa a “qué opción encaja mejor con la operación”. Ese cambio es pequeño y muy valioso.
Qué mirar antes de ampliar el piloto
No hace falta un gran programa de IA. Hace falta un experimento reversible. Durante dos o tres semanas, conviene medir tres señales: tiempo de comparación por expediente, número de dudas recurrentes y porcentaje de ofertas que requieren corrección manual por unidad o plazo.
Si el piloto funciona, amplías. Si no, has perdido poco y has aprendido dónde está el ruido: en la entrada, en las reglas o en la aprobación.
La mejor decisión no es “automatizar compras”, sino decidir exactamente qué parte del trabajo debe hacer la IA y cuál debe seguir en manos de personas.
Tres preguntas útiles para esta semana:
- ¿Qué campos comparáis hoy a mano en cada oferta y cuáles podrían normalizarse?
- ¿Dónde aparecen más errores: en la unidad, en el plazo o en las condiciones de pago?
- ¿Qué pequeño piloto podríais probar sin tocar el proceso de aprobación final?
Si quieres, en Codefuente podemos ayudarte a diseñar ese flujo para que la IA reduzca fricción sin quitar control.