Primero, proyectos reales con cifras: dirección de proyectos, datos e IA aplicada. Después, escenarios ilustrativos —no clientes concretos— de cada servicio, en el mismo orden: el problema de partida, cómo se aborda con el método y qué se obtiene.
Escenarios ilustrativos de aplicación del método. Los resultados concretos dependen de cada caso; los objetivos y las mejoras se definen y se miden con los indicadores acordados al inicio de cada proyecto.
Proyectos recientes de datos e IA como autónomo, todos en funcionamiento, y proyectos dirigidos como PM / PMO y responsable de sistemas. Por confidencialidad no se nombra a los clientes de los proyectos como autónomo.
Definición del modelo comercial y operativo del lanzamiento: venta por agencia y canal digital, financiación y posventa, alineando CRM, DMS y plataformas internas con los nuevos procesos.
Implantación de Salesforce CRM para Flotas en fase MVP: requisitos funcionales, parametrización de procesos comerciales y coordinación del proveedor.
Dirección del proyecto y punto de contacto entre negocio y equipo técnico: gestión del backlog de cambios, priorización, validación funcional y coordinación de despliegues.
Reingeniería de la plataforma de gestión de flotas y contratos y de sus procesos operativos: mapeo AS-IS, diseño TO-BE, análisis funcional y desarrollo.
Implantación del servicio AMS con Jira Service Management y Confluence: catálogo de servicios, métricas de escalado, SLA y procedimientos de corrección.
Dirección del departamento de sistemas, incluida la gestión del CPD corporativo con servicio 24x7: sistemas, servidores y comunicaciones, procedimientos ITIL, incidencias críticas y migraciones.
Cada factura o pedido que llegaba por correo se abría y se daba de alta a mano. La IA lee y clasifica cada adjunto, extrae proveedor, NIF, líneas, importes e IVA, y lo deja como borrador en Business Central vía OData/API.
Empresa de piensos para animales. La analítica dependía de exportar a Excel y cruzar a mano. Aplicación MCP en JavaScript conectada a Business Central por su API OData/OAuth2, en solo lectura.
Explotación de datos en SAP HANA para el departamento de riesgos (riesgos financieros en flotas) y para administración (gestión de costes y feed comercial a concesionarios en el proceso de facturación y pagos).
Once situaciones que muestran cómo se aplica el método, en el mismo orden que los servicios: de la arquitectura de IA al diagnóstico inicial.
Información repartida en Excel, correos y sistemas distintos, sin una «verdad» común. Partiendo del diagnóstico inicial, se priorizó qué integrar primero y se unificó el modelo de datos.
Una empresa con un proceso ya validado como viable dudaba entre una herramienta comercial de IA o una integración propia con su ERP. Se aplicaron las reglas de decisión del método: modelo de ejecución, enfoque y despliegue, y coste por proceso.
Una empresa tentada de lanzar un proyecto de IA sin saber si era viable. Se aplicó el análisis de viabilidad de proceso con IA: perfil, procesos candidatos, score y coste.
Una organización con varios sistemas de IA —propios y de terceros— y dudas sobre sus obligaciones. Se aplicó el Auditor EU AI Act: inventario, clasificación de riesgo y evaluación de conformidad.
Meses después de aprobarse el caso de negocio, nadie sabía si el ahorro prometido se había cumplido. Se comparó mes a mes lo prometido contra lo real, con un semáforo de cumplimiento.
Varias iniciativas aprobadas avanzaban sin hoja de ruta común ni registro de riesgos. Se montó una oficina de seguimiento mensual: valor ganado (EVM), RAID, matriz RACI y Cuadro de Mando Integral.
Con la cartera de casos de negocio ya justificada, el criterio de "coger los de mayor VAN" dejaba valor sobre la mesa. Se aplicó optimización bajo restricción presupuestaria (mochila 0/1) para encontrar la combinación real más rentable.
El roadmap del análisis de proceso tenía ocho iniciativas, pero ninguna cifra que un CFO pudiera auditar. Se calculó el caso de negocio de cada una: VAN, TIR, payback, impacto en EBITDA y un análisis de sensibilidad con simulación Monte Carlo.
Un proceso productivo con errores recurrentes. En vez de parchear síntomas, se hizo el análisis proceso a proceso: mapa BPMN 2.0, VSM y 5 Whys hasta la causa raíz.
Dirección quería digitalizar, pero no estaba claro si los procesos y los datos aguantarían. Se evaluó la madurez en cuatro dimensiones —procesos, datos, control y tecnología— con el método de trabajo.
Una empresa con la sensación de que «todo falla», sin saber dónde estaba el mayor riesgo. Se aplicó el Diagnóstico Inicial: cinco criterios y un score 1–5 por proceso, con semáforo.
Analizamos juntos si puedo aportarte valor real.