Modelos de demanda por SKU y cliente, predicción de pérdida de cuentas B2B, clasificación de catálogo, extractores de fichas técnicas y puntuación comercial — entrenados con vuestro ERP y vuestras fichas técnicas, no con una referencia de comercio minorista.
En distribución B2B la demanda no se mueve por estacionalidad de consumo: depende de pedidos por cliente, ciclos de proyecto, calendario industrial y precio negociado. La previsión del ERP estándar trata a un cliente que pide cada semana igual que a uno que pide tres veces al año. La clasificación de catálogo y la deduplicación se hacen a mano cada vez que entra un proveedor nuevo.
Construimos modelos entrenados con vuestros datos reales: previsión diaria por SKU y cliente, puntuación de riesgo de pérdida de cuenta B2B, clasificador de catálogo para deduplicación y categorización, extractor de campos desde fichas técnicas y hojas de datos, y puntuación de oportunidades comerciales. Integrado con SAP Business One, Holded, Odoo y Microsoft Dynamics 365 sin tocar el modelo de datos maestros.
Predicción diaria por SKU y por par SKU-cliente con vuestro histórico de pedidos, calendario industrial, comportamiento por sector y precio negociado — alimenta reposición y permite anticipar caídas concretas, no solo agregadas.
Modelo entrenado con cuentas perdidas: estima probabilidad de baja a 90 días cruzando frecuencia de pedido, tamaño medio, mezcla de productos, incidencias logísticas y cambios en el comportamiento de compra — para abrir una ventana real de retención.
Categoriza productos en vuestra taxonomía, identifica duplicados entre proveedores y propone fusión con clave equivalente — clave para integrar catálogos nuevos sin que el equipo de datos maestros pase semanas mapeando.
Lee hojas de datos en PDF y fichas técnicas (multilingüe, con tablas y unidades distintas), extrae características técnicas estructuradas y normaliza unidades — listo para entrar al ERP y al PIM sin retecleado.
Predice probabilidad de cierre y tamaño esperado de oportunidad usando histórico de cuenta, combinación de referencias pedidas, comportamiento del comprador y señales de actividad — para que el equipo comercial priorice cuentas con probabilidad real de cerrar.
Previsión por familia y mes con un modelo del ERP — error medio del 28% por SKU. Reposición a ojo en SKUs de cola larga, con roturas frecuentes y exceso en otros. La integración de un catálogo nuevo (3.000 SKUs) ocupa al equipo de datos maestros 4-6 semanas. Las bajas de cuenta se ven cuando el comercial llama y el cliente ya compra a otro.
Previsión por SKU-cliente con error medio del 14% y señal anticipada para los SKUs críticos de las 200 cuentas principales. La integración de catálogo se hace en 5 días con revisión humana de los casos de baja confianza, no de los 3.000. El predictor anticipa el 72% de cuentas en riesgo con 60-90 días para que el comercial actúe. Las oportunidades en el CRM llegan priorizadas por puntuación.
CRM empresarial con permisos finos — flujos de IA con respeto absoluto al modelo de datos.
Suite empresarial CRM/ERP en el ecosistema Microsoft — integración nativa con 365 y Power Platform.
ERP referente en distribución y manufactura de empresas medianas — extracción de documentos y orquestación operativa.
ERP en la nube español muy adoptado en pyme — automatización de facturación, gastos y conciliación.
ERP modular de código abierto — agentes y flujos de IA sobre módulos de ventas, inventario y proyectos.
Correo, calendario y SharePoint como canal y como contexto — triaje, redacción y búsqueda con RAG en tu correo y archivos.
No, y lo decimos en la primera reunión. La calidad y consistencia de los datos maestros de producto, los códigos de cliente y la categorización inicial son la base — sin eso, ningún modelo aguanta. La buena noticia es que parte del proyecto es exactamente eso: el clasificador de catálogo y el deduplicador limpian y normalizan a la vez que entrenamos. Empezamos por las familias con datos sanos, demostramos resultado, y de ahí extendemos.
Conectamos vía API estándar, conector intermedio o exportaciones programadas, según el ERP y la versión. Las predicciones (previsión, riesgo de baja, puntuación) se escriben en campos personalizados o en tablas extendidas, sin modificar el modelo nativo. Si necesitáis trazabilidad para auditoría o ISO, dejamos registro de auditoría de cada predicción y de la versión del modelo que la generó.
Para SKU nuevos arrancamos sin histórico propio, apoyándonos en SKU similares (mismo proveedor, misma familia, características técnicas comparables), y refinamos según se acumulan pedidos. Para clientes nuevos usamos perfilado por sector, tamaño y combinación inicial de referencias. La predicción inicial lleva un indicador de confianza más bajo y se actualiza automáticamente — el equipo sabe en todo momento cuánto puede fiarse de la cifra.
El primer modelo (típicamente previsión por familia o clasificación de catálogo) llega a producción en 8-12 semanas, dependiendo de la calidad inicial de los datos y del alcance del piloto. Resultados medibles — reducción del error de previsión, reducción de bajas, tiempo ahorrado en clasificación — se ven a partir del tercer mes con el modelo en producción y medición continua. Sin promesas a la primera semana.
Diseñamos soluciones con privacidad desde el inicio, control humano, trazabilidad, límites de uso, gestión de permisos y documentación. Para procesos sensibles, ayudamos a evaluar los riesgos y obligaciones aplicables bajo el RGPD y el Reglamento de IA.
Cada proyecto lo lidera personalmente uno de los socios. Si hay encaje, te respondemos en menos de 24 horas con una primera lectura concreta de tu caso — no con una demostración genérica.
