Jorge Arana Varona
El Foro UNIR ofreció un taller práctico para profesionales sobre cómo identificar tareas repetitivas y automatizarlas con IA y manteniendo siempre la supervisión humana sobre los resultados.
Una reunión termina y alguien tiene que revisar las notas, identificar acuerdos, localizar responsables, ordenar tareas pendientes, redactar el acta y guardarla. El proceso puede ocupar decenas de minutos y repetirse varias veces por semana. ¿Y si todo ese trabajo pudiera realizarse automáticamente mientras el profesional se limita a comprobar el resultado? Este fue el punto de partida del taller de UNIR sobre automatización con IA.
El encuentro mostró cómo profesionales y empresas pueden ir más allá del uso habitual de ChatGPT, Gemini o Claude como herramientas a las que formular preguntas. La siguiente etapa consiste en conectar la inteligencia artificial con las aplicaciones que ya utilizamos para que determinados procesos se ejecuten automáticamente cuando ocurre un evento concreto.
El taller fue impartido por Isaac López Peña, docente del Executive MBA de UNIR y coordinador de proyectos de innovación en Proeduca, con más de 25 años de experiencia en gestión de proyectos tecnológicos y trayectoria profesional en compañías como BBVA, Telefónica y Deutsche Telekom. Jorge Heili moderó la sesión, que reunió a más de 2.000 inscritos de diferentes países, entre ellos numerosos asistentes de Centroamérica.
“No tanto para trabajar menos, sino para trabajar mejor”, resumió López Peña. Su propuesta consiste en automatizar aquellas actividades donde nuestra aportación profesional genera menos valor para recuperar tiempo y dedicarlo a tareas en las que el criterio, la creatividad y las capacidades humanas siguen marcando la diferencia.
Cinco claves del Foro UNIR
- Empieza por lo repetitivo: La primera pregunta no debería ser qué puede hacer la IA, sino qué tareas realizamos continuamente. “Observa qué repites más”, recomendó Isaac López Peña. Si pensamos “otra vez tengo que hacer esto”, probablemente exista una oportunidad de automatización.
- No hace falta programar: Las herramientas no-code permiten conectar aplicaciones y configurar procesos mediante interfaces visuales. “Está al alcance de cualquier persona” que aprenda su funcionamiento, explicó el experto.
- Automatizar no es crear un agente: Una automatización sigue los pasos establecidos previamente por el usuario. Un agente dispone de mayor autonomía y puede decidir qué acciones ejecutar para alcanzar un objetivo.
- La IA necesita límites: En el caso práctico, una de las instrucciones fundamentales fue “no inventes acuerdos” ni responsables o fechas. Cuando falte información, debe indicarlo en lugar de completar los huecos por su cuenta.
- Automatizar exige supervisar: Que un proceso se ejecute sin intervención manual no significa abandonarlo. El profesional debe comprobar los resultados y ajustar el flujo cuando sea necesario.
- El objetivo es aportar más valor: Liberar tiempo tiene sentido cuando permite concentrarse en actividades creativas, estratégicas o de mayor impacto para la organización.
Qué merece automatizarse
Antes de abrir ninguna herramienta, Isaac López Peña propuso identificar correctamente qué actividades merece la pena delegar.
Las candidatas más evidentes son aquellas tareas repetitivas cuyo procedimiento apenas cambia: incorporar contactos recibidos mediante formularios a un CRM, enviar confirmaciones de compra o reserva, generar notificaciones, actualizar inventarios o sincronizar información entre diferentes aplicaciones.
El experto proporcionó una regla bastante sencilla para detectarlas: pensar qué trabajo entregaríamos inmediatamente a un ayudante si lo tuviéramos sentado a nuestro lado. Otra señal aparece cuando utilizamos ChatGPT o Gemini y descubrimos que estamos formulando prácticamente la misma petición una y otra vez.
En empresas y organizaciones de Centroamérica, esta lógica puede trasladarse a procesos administrativos, comerciales, financieros, de atención al cliente, recursos humanos, marketing o gestión de proyectos. El caso elegido durante el taller fue deliberadamente transversal: automatizar las actas de reuniones.
El objetivo no consiste en automatizar por entusiasmo tecnológico. López Peña recomendó empezar con una tarea concreta, documentar el proceso, definir qué evento lo inicia, determinar qué información necesita, establecer las acciones y comprobar posteriormente si el resultado realmente ahorra tiempo.
Caso práctico: un acta automática
La demostración comenzó con una tarea bastante poco gloriosa y precisamente por eso excelente candidata: redactar actas de reuniones.
Una reunión de seguimiento de proyecto había dejado cinco notas básicas: un proveedor retrasaba una entrega hasta el 15 de octubre; Ana debía comprobar su impacto sobre el calendario; Pedro solicitaría una alternativa; se mantenía una presentación con el cliente para el día 20 y quedaba pendiente confirmar un presupuesto adicional.
En una situación real, esas notas podrían proceder de apuntes manuales o directamente de la transcripción generada por Microsoft Teams, Zoom o Google Meet.
El objetivo era construir un flujo capaz de detectar automáticamente esas notas, enviarlas a una IA generativa, convertirlas en un borrador estructurado de acta y devolver el resultado al documento de trabajo sin que una persona tuviera que ejecutar manualmente cada paso.
Para hacerlo, López Peña utilizó Make, una plataforma de automatización no-code. Aclaró que existen otras alternativas, como Zapier, Power Automate, Airtable o n8n, y que la elección de Make respondía únicamente a su utilidad para mostrar el procedimiento.
Paso 1: preparar la información
El primer movimiento fue crear una hoja en Google Sheets denominada “Taller Actas”.
La estructura contenía únicamente tres columnas: Reunión, Notas y Borrador de acta. En la primera se introducía el nombre de la reunión; en la segunda, la información recogida durante el encuentro; y la tercera permanecía inicialmente vacía porque allí debía aparecer automáticamente el resultado.
Esta sencillez es importante porque permite comprender la arquitectura básica de prácticamente cualquier automatización: existe una información de entrada, una serie de acciones que se ejecutan sobre ella y finalmente una salida.
López Peña insistió en que procesos más complejos deberían dibujarse previamente mediante un diagrama de flujo. Diseñar correctamente el recorrido sobre el papel evita descubrir después, cuando ya hemos conectado cinco aplicaciones y gastado tiempo configurándolas, que el proceso original tenía poco sentido.
Paso 2: detectar una nueva reunión
El segundo movimiento llevó el proceso a Make.
Dentro de la plataforma, cada automatización se configura mediante un “escenario” formado por diferentes módulos. En este caso se utilizaron tres.
El primer módulo conectó Make con Google Sheets. Su función era revisar la hoja y detectar cuándo aparecía una nueva fila correspondiente a una reunión que todavía no disponía de acta.
Ese evento funciona como disparador. En una automatización profesional podría ser también la llegada de un correo electrónico, la recepción de un formulario, una determinada fecha, un nuevo pedido o prácticamente cualquier acontecimiento que pueda detectar el sistema.
La gran diferencia respecto a utilizar manualmente un chatbot aparece precisamente aquí. El usuario no tiene que recordar abrir Gemini y copiar las notas cada vez que termina una reunión. El sistema puede comprobar periódicamente si existe nueva información y activar el proceso cuando corresponda.
Paso 3: pedir a Gemini el acta
El segundo módulo incorporó Gemini al flujo.
Una vez detectada la reunión, Make debía recoger las notas almacenadas en Google Sheets y entregárselas al modelo para que elaborara el borrador. Podría haberse utilizado otra IA generativa compatible; Gemini fue la seleccionada para la demostración.
Aquí aparece una de las piezas decisivas: el prompt.
López Peña no pidió simplemente “hazme un acta”. Definió cuatro apartados, entre ellos un resumen breve, las decisiones confirmadas y las acciones pendientes, y añadió instrucciones para controlar el comportamiento del modelo.
“Utiliza únicamente la información de estas notas”, “no inventes acuerdos”, “no inventes responsables”, “no inventes fechas” y, cuando faltase algún dato, “no indicado”. También estableció una extensión máxima de 250 palabras y pidió conservar exactamente los plazos proporcionados.
El ejemplo muestra algo importante para cualquier automatización empresarial: cuanto mayor sea la autonomía concedida al sistema, más necesarios resultan los límites. Ahorrarse veinte minutos redactando un acta pierde parte de su encanto si la máquina decide añadir por iniciativa propia que Pedro aceptó un presupuesto que nadie aprobó.
Paso 4: devolver el resultado
El tercer módulo volvió a conectar con Google Sheets.
Make recogió el texto generado por Gemini y recibió la instrucción de escribirlo en la columna Borrador de acta, exactamente en la misma fila de la reunión analizada.
Con los tres módulos conectados, López Peña ejecutó el escenario en directo. Make detectó las notas, Gemini redactó el documento siguiendo el formato solicitado y el borrador apareció automáticamente en la hoja de cálculo.
La demostración terminó ahí para mantener el ejercicio manejable, pero el flujo podría continuar. El siguiente módulo podría enviar el texto a un documento, generar una portada, convertirlo en PDF, almacenarlo en una carpeta determinada o distribuirlo entre los participantes.
Ahí reside la verdadera utilidad de las herramientas no-code: no ejecutan únicamente una tarea de IA, sino que permiten conectar aplicaciones para construir procesos completos. Make dispone, según explicó el ponente, de conectores con más de 3.000 aplicaciones.
Automatización y agentes
El taller también permitió aclarar una confusión cada vez más frecuente.
Una automatización ejecuta un flujo previamente establecido. El usuario decide qué ocurre primero, qué información se utiliza, qué herramienta interviene después y dónde termina el resultado. La IA puede resumir, redactar o clasificar dentro de ese recorrido, pero no decide modificarlo.
Un agente de IA dispone de mayor autonomía. Recibe un objetivo y puede decidir qué herramientas utilizar, qué pasos ejecutar y cómo adaptar su comportamiento según los resultados que encuentra durante el proceso.
Eso abre posibilidades mucho mayores, pero también exige más control. “Si ya suponéis que hay que tener cierto control sobre una herramienta de automatización, hay que tener mucho más control sobre un agente”, advirtió López Peña.
Para quien comienza, su recomendación implícita es bastante sensata: antes de construir un ejército de agentes autónomos, conviene aprender a automatizar correctamente un proceso sencillo. La humanidad sobrevivirá unos días más sin un agente de IA que dirija el departamento entero.
¿Sigue teniendo sentido Make?
Durante las preguntas surgió una cuestión lógica: ChatGPT, Claude y otros grandes asistentes están incorporando cada vez más posibilidades para ejecutar acciones. ¿Siguen siendo necesarias herramientas específicas como Make?
López Peña respondió que las plataformas de IA permiten ya realizar determinadas automatizaciones e incluso crear agentes, especialmente en sus versiones de pago. Pero existe una diferencia: muchas de esas funciones permanecen ligadas a la propia interfaz del chatbot.
Una herramienta como Make actúa como capa externa y conecta diferentes aplicaciones. El usuario no necesita entrar continuamente en Gemini o ChatGPT para poner en marcha el proceso. El flujo puede funcionar independientemente y comunicarse con los servicios que necesite.
La elección dependerá, por tanto, del problema. Para una tarea puntual puede bastar un chatbot. Cuando existe un proceso recurrente que debe mover información entre varias aplicaciones, una plataforma de automatización no-code ofrece posibilidades diferentes.
Trabajar mejor, no desaparecer del trabajo
La última reflexión del taller abordó probablemente el error más frecuente cuando se habla de automatización: pensar únicamente en hacer que una máquina trabaje para que nosotros dejemos de hacerlo.
Isaac López Peña planteó otra lógica. La IA debería asumir prioritariamente aquellas tareas donde la aportación humana tiene menor valor añadido, liberando tiempo para actividades donde sí importan la creatividad, la experiencia, la relación con otras personas o la capacidad de tomar decisiones.
Para empresas y profesionales de Centroamérica, esta perspectiva permite abordar la IA desde un terreno bastante más concreto que las grandes predicciones sobre el futuro del empleo. La pregunta útil para mañana por la mañana es mucho más sencilla: ¿qué tarea repetitiva estoy haciendo hoy que podría dejar de hacer manualmente?
El foro vinculó esta transformación con distintas áreas de gestión empresarial, desde Recursos Humanos y Finanzas hasta Marketing, Economía Internacional y dirección de empresas, y presentó el Executive MBA de UNIR como una de las opciones de formación relacionadas con el perfil profesional del propio ponente. Durante la sesión también se destacaron oportunidades específicas de acceso a programas de UNIR para estudiantes de Costa Rica, República Dominicana, Panamá, El Salvador y otros países centroamericanos.
Automatizar no consiste en pulsar un botón y marcharse. Requiere entender el proceso, diseñarlo, establecer límites, probarlo y supervisarlo. Pero cuando una tarea de 45 minutos puede convertirse en unos minutos de revisión, el cálculo empieza a resultar bastante sencillo: menos tiempo dedicado a repetir y más tiempo para aportar valor.
- Empresa - Foros
- Inteligencia Artificial - Foros
