Cómo una pyme bogotana usa inteligencia artificial de última generación para responder a Falabella sin contratar a un ingeniero ni renunciar al criterio comercial.
Una historia que muchos empresarios pyme reconocerán
Hace dos años, una empresa bogotana de empaques plásticos perdió un contrato con Falabella de 800 millones de pesos al año. No por precio. No por calidad. Lo perdieron porque no alcanzaron a responder bien un documento de 14 páginas con 47 preguntas técnicas en los cinco días que les dieron.
El nombre que voy a usar para la empresa es Soluciones Plásticas Industriales. Es ficticia, pero el caso es real: lo he visto en muchas pymes que le venden a clientes corporativos grandes. Cualquier dueño de empresa que haya estado del lado del proveedor en una solicitud formal de cotización va a reconocer la escena.
Hoy les cuento cómo Laura Mendoza, la gerente comercial de esa pyme, hace que esto no vuelva a pasar. Sin volverse ingeniera. Sin contratar a nadie más. Y sin renunciar al criterio que le costó años construir. Acudiendo a Claude.
Esto no es una trivialidad
Antes de entrar en el detalle, quiero detenerme un momento en lo que está en juego.
Lo que voy a describir no es un truco de productividad personal. No es «diez tips para usar mejor tu día». Es algo que me parece más relevante: es alta tecnología de última generación puesta al servicio de los problemas cotidianos de una empresa pequeña.
Durante décadas, las herramientas de inteligencia artificial más sofisticadas estuvieron reservadas a las grandes corporaciones. Bancos, aseguradoras, multinacionales. Eran sistemas caros, complejos, que requerían equipos técnicos para mantenerlos. Una pyme de 140 empleados que factura 38 mil millones al año no tenía cómo acercarse a esas herramientas.
Esa frontera se rompió hace muy poco. Hoy, un asistente de inteligencia artificial como Claude —el que Laura usa en este caso— está al alcance de cualquier empresa con un computador y una cuenta mensual. Y no es una versión limitada para principiantes: es la misma tecnología que están usando los analistas de las grandes corporaciones para acelerar trabajo intelectual de alta calidad.
La pregunta interesante ya no es si las pymes pueden usar inteligencia artificial. La pregunta es cómo la usan con criterio. Y de eso es lo que trata el presente caso.
El problema que Laura enfrenta cada mes
Soluciones Plásticas Industriales tiene 140 empleados, una planta en Mosquera (Cundinamarca), factura 38 mil millones al año y tres líneas de negocio: empaque industrial, logística reversible —los contenedores retornables que algunos llaman «circulares»— y empaque técnico a la medida. Sus clientes son, entre otros, Postobón, Alpina, Crystal, autopartistas del Valle de Aburrá, exportadoras de flores.
Laura es la gerente comercial. Lleva ocho años en la empresa. Antes vendía químicos en una multinacional. Conoce su negocio al revés y al derecho.
Y aún así, cada propuesta a uno de estos clientes le toma entre 4 y 5 horas. Las grandes —los RFQ formales— le toman varios días enteros.
¿Por qué tantas horas? Porque un RFQ corporativo serio no es un formulario. En el ejemplo, se trata de un documento de 14 páginas con 47 preguntas técnicas distribuidas en seis secciones: técnica, comercial, operativa, certificaciones, sostenibilidad y referencias. Lo difícil no son las preguntas: Laura sabe las respuestas. Lo difícil es que las respuestas están repartidas en distintos lugares, dispersas en varias divisiones de la empresa.
Las técnicas están en el catálogo de 80 páginas. Las certificaciones, en una carpeta aparte. Los tiempos de entrega los maneja producción. Los descuentos por volumen, Laura los decide con el gerente. Y todo eso hay que organizarlo, redactarlo, anexarlo y armarlo en la plantilla del cliente.
Cuando Laura lo hace sola, son dos días. Los dos días que dedica al RFQ son días que no atiende ningún otro cliente.
La idea central · usar Claude para organizar, no para reemplazar
Cuando le mostré a Laura cómo trabajar este problema con Claude, le insistí en una cosa: no le íbamos a pedir a la máquina que respondiera el RFQ por ella. Eso sería una mala idea por tres razones.
Primero, porque ningún sistema de inteligencia artificial conoce los detalles de su empresa mejor que ella. Segundo, porque las decisiones comerciales —descuentos, condiciones de pago, cláusulas de exclusividad— requieren criterio de negocio que el algoritmo no tiene. Tercero, porque si Claude se equivocara en algo, ella sería responsable ante el cliente, no Anthropic.
Lo que sí podía hacer Claude, en cambio, era resolverle a Laura el problema más doloroso: organizar y clasificar.
Esa es la idea que cambia todo. Claude no responde el RFQ. Claude convierte un problema de dos días en una agenda de reuniones de hora y media.
Cómo lo hicimos · tres fases con criterio
El proceso que armamos tiene tres fases. Quiero contarlas en detalle, porque el orden importa.
Fase 1 · Extracción
Lo primero fue cargar todo el material que Laura ya tenía: el RFQ del cliente, el catálogo de productos, las fichas técnicas, las certificaciones vigentes, y tres propuestas anteriores que la empresa había enviado a clientes parecidos. Esas propuestas anteriores son importantes: le sirven a Claude como referencia del tono y la estructura con los que se comunica Soluciones Plásticas.
Después le pedimos a Claude que extrajera las 47 preguntas del RFQ en una tabla. No que las contestara. Que las extrajera.
Esta es la diferencia entre alguien que sabe pedirle a la máquina y alguien que la ahoga con instrucciones imposibles. Una tarea a la vez. Una respuesta clara cada vez.
Claude devolvió una tabla limpia con tres columnas: número de pregunta, sección del RFQ, y texto literal de la pregunta. Cuarenta y siete filas. En minutos.
Fase 2 · Clasificación con código de colores
Una vez extraídas las preguntas, le pedimos a Claude que leyera los demás documentos —catálogo, fichas técnicas, certificaciones, propuestas anteriores— y clasificara cada una de las 47 preguntas en uno de tres niveles:
- Verde, cuando la respuesta estaba en los documentos a partir de información altamente confiable.
- Amarillo, cuando había una respuesta tentativa pero requería validarse con un humano que conoce la operación (producción, calidad, comercial).
- Rojo, cuando se trata de una decisión estratégica que solo Laura o la gerencia podían tomar.
Claude entregó la primera tabla con 30 verdes, 15 amarillas y 2 rojas.
Y aquí ocurrió algo que vale la pena nombrar.
Fase 2.5 · Cuando Claude no obedece
Cuando le pregunté a Claude si había clasificado bien, especialmente si alguna amarilla en realidad debía ser roja, no me dio la razón en todo.
Me explicó que sí, que la pregunta sobre descuentos por volumen para este contrato debía ser roja, porque era una decisión de margen que pertenece a gerencia. Me cedió ese punto.
Pero mantuvo otras como amarillas, con justificación. La pregunta sobre tiempos de entrega no es estratégica: es operativa, la confirma el jefe de planta. La pregunta sobre penalidades comerciales no es de gerencia: son condiciones estándar del mercado.
Este hito en la interlocución con Claude me pareció valioso. Una inteligencia artificial que solo dice «sí, tienes razón» es un eco caro. Una que razona, te discute con argumentos, reconoce cuando tienes razón y mantiene su criterio cuando no, es un asistente idóneo.
La clasificación final quedó en 30 verdes, 14 amarillas y 3 rojas. Esas tres rojas valen 800 millones al año: el precio unitario, los descuentos por volumen, y si aceptar o no la cláusula de exclusividad sectorial con Falabella.
Fase 3 · Redacción de respuestas verdes
Solo después de que Laura confirmó la clasificación, le pedimos a Claude que redactara las 28 respuestas verdes —usando como referencia el tono y la estructura de las propuestas anteriores. Por eso el lenguaje «suena» a Soluciones Plásticas, no a manual genérico. La voz de la empresa la pone Laura, no la máquina.
Para las 14 respuestas con «sello» amarillo, Claude redactó textos tentativos con una nota explícita de qué aspectos hay que confirmar y con quién dentro de la empresa.
Para las 3 rojas, no redactó nada. Solo formuló la pregunta de decisión que Laura llevaría a la reunión con gerencia.
El resultado · lo que Laura hace con las horas que ganó
Lo que antes le tomaba a Laura dos días enteros, hoy le toma tres horas: una hora con Claude, hora y media de reunión con producción y gerencia para resolver las amarillas y las rojas, y media hora de armado final en la plantilla del cliente.
Pero el cambio importante no es el tiempo. Es la calidad.
Antes, Laura redactaba el RFQ a las once de la noche del jueves, agotada, con el riesgo de pegar mal una cifra o copiar de una propuesta vieja una condición que ya no aplica. Hoy llega al viernes con la propuesta lista, repasada en la mañana con cabeza fresca, y con espacio para pensar lo que sí merece pensarse: si vale la pena ofrecer descuento por volumen, si la exclusividad sectorial es un buen trato, qué condiciones de pago protegen el flujo de caja de la empresa.
Eso no lo hace la máquina. Lo hace Laura. La máquina solo le devolvió las horas que necesitaba para hacerlo bien.
Cómo replicarlo en tu empresa
Si tu pyme responde a clientes corporativos, esto se puede empezar a hacer de inmediato. No necesitas un equipo técnico. Necesitas tres cosas:
- Tus documentos en una carpeta: el RFQ que llegó, tu catálogo, tus fichas técnicas, tus certificaciones, y un par de propuestas anteriores como referencia de tono.
- Una cuenta de Claude: el plan Pro de Anthropic alcanza perfectamente para este tipo de trabajo. Cuesta menos que media hora de tu tiempo al mes.
- El criterio que ya tienes: para reconocer cuándo una respuesta verde de Claude no convence, cuándo una amarilla en realidad es roja, y cuándo hay que parar a pensar en lugar de seguir.
La parte técnica es la menos importante. La parte humana —saber qué pregunta es estratégica, qué condición es negociable, qué cliente vale la pena— sigue siendo lo que diferencia a una pyme bien dirigida de una que improvisa.
Una reflexión final
Cuando un proveedor te diga que la inteligencia artificial escribe tus propuestas, desconfía. La inteligencia artificial escribe borradores. El criterio lo pones tú.
Esa es la frase que sintetiza el caso. Y es también, en buena medida, el sentido del canal que estamos construyendo: mostrar cómo herramientas serias —Claude, n8n, Make, las plataformas de productividad— pueden ponerse al servicio del trabajo cotidiano de una pyme, sin que el dueño tenga que convertirse en ingeniero y sin que renuncie al criterio de negocio que le costó años construir.
Esa es la travesía. Y vale la pena hacerla con la sobriedad de quien ha visto muchos ciclos.
Si te interesó este caso, en el video del canal muestro paso a paso cómo Laura usó Claude en cada fase del proceso. El prompt completo lo encuentras al final de este artículo, listo para que lo adaptes a tu propia empresa.
[Ver video completo en YouTube →]
Descargar el prompt completo (PDF) →
Bogotá · Junio de 2026
Rafael Orduz Medina
mysmartbizai.com
Este caso hace parte de una serie
Cada semana tomo un problema concreto de una pyme colombiana —cobrar la cartera, leer un contrato antes de firmarlo, responder una propuesta corporativa, ordenar el correo que se desborda— y muestro en pantalla cómo se resuelve. Las empresas son ficticias; los problemas, las cifras y los oficios no.
¿Su negocio tiene un problema parecido? Escríbame a rodina@mysmartbizai.com