Uso de la IA y automatización en la Consultoría de Negocio Digital

La semana pasada la comunidad Digital Marketing Malaga me invitó a que expusiera nuestro caso. Es decir, el proceso que hemos seguido en los proyectos de Consultoría de Negocio Digital en Disruptivos para adaptarnos a la llegada de la IA, que, como en todos los sectores, ha supuesto una gran (r)evolución.

La charla fue bastante bien, pero lo cierto es que me lo esperaba, porque estoy bastante contento del proceso que hemos seguido y de los resultados obtenidos. Sobre todo porque hemos puesto los cimientos necesarios para que podamos crecer sobre ellos sin tener que empezar de cero.

Si haces cualquier tipo de consultoría -digital o no- verás que el 80% de lo que cuento es aplicable a tu negocio, por eso te quiero resumir aquí los principales puntos de la charla.

Razones para utilizar la IA y automatizar procesos

Hay razones obvias, como ahora comprobarás, pero cuando nos pusimos a analizar de verdad qué queríamos conseguir con la IA nos dimos cuenta de que ahorrar tiempo era solo una parte de las ventajas.

De hecho, algunas de las ventajas que hoy me parecen más importantes no tienen tanto que ver con hacer una consultoría más rápido como con conseguir que se haga mejor y, sobre todo, de una forma más consistente.

La pregunta que desencadena todo: ¿la IA realmente nos da los resultados que queremos?

ChatGPT nos da resultados sorprendentes. Preparabas un buen prompt, añadías algo de contexto y en unos segundos tenías un análisis, una propuesta o un documento que antes habría llevado bastante más tiempo.

El problema aparecía cuando intentabas utilizar ese resultado en un proyecto real. 

Muchas veces la calidad no era suficiente, faltaba profundidad, unas respuestas eran mejores que otras y el resultado dependía demasiado de cómo hubieras formulado el prompt o de la información que hubieras añadido.

Por eso acabamos cambiando la pregunta. En lugar de plantearnos simplemente cómo podíamos utilizar más IA, empezamos a preguntarnos qué teníamos que cambiar en nuestros procesos para que la IA nos diese los resultados que realmente necesitábamos.

Ese cambio parece pequeño, pero para mí es la base de todo lo que hemos hecho después. 

Utilizar IA es muy fácil. Conseguir que forme parte de un proceso profesional, repetible y con unos estándares de calidad claros es mucho más complicado.

Ahorrar tiempo es solo la razón más evidente

La primera ventaja de automatizar es evidente: ahorrar tiempo. Una consultoría tiene una parte importante de búsqueda de información, recopilación de datos, análisis preliminar, creación de documentos y tareas administrativas que son necesarias, pero que no tiene por qué realizar una persona manualmente de principio a fin.

Es más, no debe.

Porque si conseguimos que una tarea que antes necesitaba cuatro horas pase a necesitar una, tenemos tres horas adicionales para dedicar a otras cosas. Esto, multiplicado por todas las fases de un proyecto, tiene un impacto importante.

Pero hay un punto imporante: el ahorro de tiempo no podía producirse a costa de la calidad. Si una tarea tarda la mitad pero el resultado es peor, para nosotros no hay una mejora real.

Por eso, lo importante es ahorrar tiempo manteniendo el mismo nivel de calidad.

Estandarizar la calidad de todas las consultorías

Esta es probablemente la razón que más peso ha acabado teniendo para mí.

Cuando varias personas realizan consultorías es inevitable que haya diferencias. Un consultor puede ser especialmente bueno en SEO técnico y otro profundizar mucho más en la parte de linkbuilding. Uno puede preparar documentos extremadamente detallados y otro ser bastante más directo.

Eso no es malo per se, porque lo ideal es aprovechar la experiencia de cada persona, pero sí puede crear un problema cuando la profundidad y la calidad del servicio terminan dependiendo demasiado del consultor que realiza el proyecto.

Nosotros queríamos conseguir justo lo contrario. Si un cliente contrata una Consultoría de Negocio Digital con Disruptivos, debería existir un determinado nivel de profundidad y consistencia independientemente de quién la haga.

Aquí la IA y la automatización pueden ayudarnos mucho, porque podemos definir previamente qué elementos deben revisarse, qué KPIs tienen que analizarse, qué documentación hay que utilizar y qué profundidad mínima esperamos en cada bloque. 

Después, evidentemente, el consultor puede ampliar, evaluar y modificar lo que considere oportuno, pero existe una base común que todos los proyectos deben cumplir.

Dejar al consultor el trabajo que realmente aporta valor

El valor del consultor está sobre todo en su criterio. En entender el negocio, saber qué información es importante y cuál no, cuestionar una conclusión, detectar algo que no encaja, establecer prioridades o decidir qué tiene sentido hacer teniendo en cuenta las limitaciones reales del cliente.

También está, evidentemente, en la relación con ese cliente. Hay cosas que no aparecen en Analytics, Search Console o un CRM y que solo entiendes después de hablar con las personas que conocen el negocio.

Por eso nuestra idea no ha sido nunca que la IA haga la consultoría, sino que se encargue de parte del trabajo previo, repetitivo o mecánico para que el consultor pueda dedicar más tiempo precisamente a aquello donde su experiencia aporta más valor.

Ayudar a los nuevos consultores sin depender continuamente de los senior

Hay otro problema que aparece en cuanto un equipo empieza a crecer o cuando cambias a una persona de proyecto. Durante sus primeros días o semanas, necesita preguntar constantemente cosas porque carece de la información de contexto completa.

• Dónde está un documento.
• Qué plantilla debe utilizar.
• Quién es responsable de una determinada área.
• Qué KPIs hay que analizar.
• Cómo se estructura un entregable concreto. 

Es totalmente normal, pero tiene una consecuencia bastante evidente: para que una persona avance, otra tiene que interrumpir continuamente su trabajo.

Y ahí es donde entra la IA, porque puede convertirse aquí en una capa de conocimiento del proyecto y de la propia empresa. Si la metodología, los procesos, las plantillas, las personas responsables y la documentación están bien organizados, muchas de esas preguntas pueden resolverse directamente sin tener que recurrir siempre a otro consultor.

Esto no sustituye la formación, simplemente reduce muchas interrupciones que no aportan valor y ayuda a que una persona nueva sea autónoma antes.

La metodología de consultoría de Disruptivos

Lo primero es explicar que, pese a que el proceso de ejecución ha cambiado, el framework o metodología de consultoría de la empresa no lo ha hecho. Es exactamente el mismo antes y después de la IA. Y es uno que, si eres consultor, es probable que te suene o que guarde cierta similitud con lo que tú haces ya.

Las tres fases de una consultoría

Nuestra metodología puede resumirse en tres grandes fases: entender, pensar y hacer.

La primera consiste en entender el negocio. Aquí analizamos la empresa, sus números, propuesta de valor, tecnología y objetivos, auditamos sus canales y activos digitales y lo completamos con investigación de mercado, análisis de demanda y estudio de competidores.

Después llega la fase de pensar. Con toda esa información construimos un plan estratégico que básicamente debe responder a tres preguntas: qué hay que hacer, en qué orden y quién debería hacerlo.

La tercera fase es la implementación. No todos los proyectos llegan hasta aquí, porque algunos terminan con la entrega del plan estratégico y es el propio cliente quien se encarga de ejecutarlo, mientras que en otros seguimos trabajando en la implantación de las mejoras propuestas.

Descomponer todo el proceso

Una vez explicada la metodología, lo que hicimos a continuación fue descomponerla.

No bastaba con decir que hacemos una auditoría SEO, un análisis de mercado o una propuesta estratégica. Bajamos varios niveles -más adelante desglosaríamos todavía más- y nos quedamos con 6 pasos con varios hitos en cada uno de ellos.

Para cada hito respondimos tres preguntas muy sencillas: cuánto tiempo nos lleva actualmente, qué parte podría automatizarse y cuánto tiempo debería llevarnos después de hacerlo. El primero lo teníamos calculado, los otros dos fueron estimaciones que había que probar en proyectos reales.

Y aquí apareció una de las ideas con las que te tienes que quedar de todo este proceso: si un proceso solo existe en tu cabeza, todavía no estás preparado para automatizarlo.

Antes necesitas escribirlo, dividirlo y explicar cómo se hace. De lo contrario, cuando intentes automatizarlo acabarás descubriendo excepciones, decisiones o pequeños pasos que para una persona con experiencia pueden ser intuitivos, pero que nunca habías documentado.

Y que, por tanto, un consultor nuevo o una IA no saben cómo procesar correctamente.

Grados de automatización

No todas las tareas admiten el mismo grado de automatización.

Por ejemplo, una parte importante de la investigación de mercado puede automatizarse. Podemos recopilar volúmenes de búsqueda, tendencias, información pública de la industria o analizar parte de la presencia digital de los competidores sin necesidad de que una persona haga todo el trabajo manualmente.

En otras áreas el porcentaje es bastante menor. Los análisis heurísticos de CRO, por ejemplo, siguen teniendo un componente de criterio humano muy elevado.

Determinadas tareas administrativas como crear estructuras de carpetas o proyectos en Asana pueden automatizarse casi por completo.

Por eso no puedes plantear la automatización como un todo o nada. Hay procesos en los que puedes automatizar un 80% y otros donde solo tiene sentido automatizar un 20% y no pasa absolutamente nada.

Y recuerda lo que dijimos antes: la pregunta no es si una tarea puede automatizarse completamente, sino qué parte tiene sentido automatizar sin empeorar el resultado.

Nuestros resultados

Cuando sumamos el tiempo medio que dedicábamos a todas las tareas de una Consultoría de Negocio Digital, un proyecto típico se situaba aproximadamente entre 80 y 100 horas de trabajo.

Después de analizar el potencial de automatización de cada bloque, el cálculo teórico nos llevaba a unas 38 horas. Sobre el papel era una reducción enorme, prácticamente dejar el proceso en menos de la mitad del tiempo original.

La realidad todavía no es esa.

Actualmente estamos más cerca de las 50 horas, que sigue suponiendo prácticamente reducir a la mitad el tiempo que necesitábamos antes. Manteniendo nuestros estándares de calidad, que como te decía antes, eran innegociables.

Y no son 38 porque los procesos tienen excepciones, aparecen errores, hay clientes diferentes y no todas las integraciones funcionan de la forma ideal. Automatizar el camino perfecto puede ser incluso relativamente sencillo, pero automatizar todo lo que puede salir mal es prácticamente imposible. Y no merece la pena.

El resultado es bueno. Y lo que es más importante, ahora tenemos una estructura base sobre la que seguir mejorando en lugar de depender únicamente de ir añadiendo prompts o herramientas nuevas.

Los sistemas y herramientas que estamos construyendo

Una vez definido el proceso y entendido qué partes tenía sentido automatizar, empezamos a construir las herramientas.

Al comenzar, nos daba igual que la solución terminase siendo un GPT, un flujo en n8n, un agente o una aplicación propia. Primero necesitábamos definir exactamente la tarea o proceso a resolver y después elegir la herramienta adecuada.

Nuestro objetivo realmente era uno específico y quizá algo distinto a lo que esperas, pero acotaba muy bien lo que pretendíamos: hacerle la vida más fácil a cualquier consultor nuevo sin reducir nuestros estándares.

Lo primero: documentar procesos, métricas y KPIs y plantillas

Para conseguirlo tuvimos que documentar todo el proceso de consultoría con bastante más detalle del que teníamos anteriormente cuando desglosamos la metodología. Cada bloque pasó a convertirse en tareas concretas con instrucciones, documentos relacionados y plantillas que explicaban cómo debía realizarse.

Después hicimos lo mismo con las métricas y KPIs.

Tenemos distintos niveles de consultoría y, en función del proyecto, sabemos qué métricas exactas deberían analizarse en cada área de negocio digital, como SEO, CRO, paid media, email o contenido. Un consultor puede añadir todo lo que considere necesario, pero existe una base mínima que tiene que revisar y que es estándar para todas las consultorías.

Lo mismo ocurre con las propias auditorías. Creamos unas plantillas para que, en lugar de pedirle a la IA simplemente que «haga una auditoría», le proporcionamos la estructura que utilizamos, las áreas que deben analizarse y el tipo de información que esperamos encontrar.

Otro aspecto clave que te tienes que quedar: no dejamos que la IA decida qué aspecto tiene una buena consultoría. Primero definimos nosotros el estándar y después hacemos que la IA trabaje dentro de él.

Elegir el grado de automatización: los tres enfoques

A partir de ahí podemos elegir distintos grados de automatización.

El primero y más sencillo consiste en utilizar la IA como asistente. Puede ser un GPT personalizado, un Gem, un proyecto con determinadas instrucciones o cualquier herramienta similar a la que proporcionemos nuestra metodología y documentación.

Es la opción con menos automatización, pero también la que permite conseguir resultados más rápidamente y sin necesidad de desarrollar demasiadas cosas.

El segundo nivel consiste en automatizar tareas conectando distintas herramientas. Aquí entran sistemas como n8n, donde podemos hacer que la información pase automáticamente de una aplicación a otra, incorporar modelos de IA en determinadas partes del proceso y mantener validaciones humanas cuando sean necesarias.

Y el tercer nivel sería construir un sistema completo, ya sea mediante agentes o mediante nuestro propio SaaS con front-end y back-end.

Cuando empezamos a trabajar en todo esto los agentes estaban menos desarrollados de lo que son ahora, así que apostamos sobre todo por los dos primeros caminos. Si empezáramos hoy desde cero seguramente estudiaríamos con bastante más detalle una arquitectura basada en agentes, aunque sigo creyendo que tiene sentido validar primero cada parte del proceso antes de construir un sistema enorme.

Las herramientas que desarrollamos

De todo este proceso han ido saliendo diferentes herramientas y experimentos. Algunas están funcionando ya, otras siguen evolucionando y probablemente varias cambien bastante durante los próximos meses.

Lo interesante no es tanto la herramienta concreta que utilizamos, porque seguramente dentro de dos años muchas serán diferentes, sino qué problema resuelve cada una dentro del proceso.

El Oráculo: una base de conocimiento para cada proyecto

Una de las primeras cosas que desarrollamos fue lo que internamente llamamos Oráculo.

El nombre puede sonar más avanzado de lo que es. Básicamente consiste en disponer de una base de conocimiento donde se encuentra la información necesaria para trabajar en el proyecto: 

1. Contexto del proyecto.
2. Comunicaciones con cliente.
3. Nuestros entregables (audits, guías…)
4. Información de nuestro gestor de proyecto.
5. Reporte mensual de KPIs.

Todo eso dentro de un sistema de IA para que el consultor pueda preguntarle cosas.

Cualquier cosa.

De hecho, con esas fuentes, es difícil que tengas alguna duda y que el oráculo no te la responda bien.

Tenemos un oráculo por cliente y otro por cada proyecto diferente, de forma que cualquier consultor nuevo se pueda orientar fácilmente.

Evidentemente, esto solo funciona si la información de partida está bien organizada y actualizada; meter documentación desordenada dentro de una IA no hace que mágicamente deje de estar desordenada.

Automatizar la gestión del proyecto con n8n, Drive y Asana

Otro ejemplo es un flujo que hemos creado en n8n para automatizar parte de la capa de gestión de los proyectos.

Cuando el departamento de ventas cierra un proyecto, genera un informe siguiendo una estructura determinada. El consultor solo tiene que copiar esa información y pasarla al flujo, donde utilizamos un nodo de IA para interpretarla y preparar automáticamente tanto la estructura de carpetas y documentos en Google Drive como el proyecto y las tareas correspondientes en Asana.

Antes de crear nada, el sistema muestra la información y solicita una validación al consultor. Si hay algo incorrecto, podemos modificarlo antes de que se ejecute el resto del proceso.

Este desarrollo nos enseñó además otra cosa importante: automatizar cuando todo funciona bien es relativamente fácil, pero gestionar errores y excepciones es bastante más complicado.

Una persona aplica intuitivamente un montón de pequeñas reglas que muchas veces ni siquiera sabe que está aplicando. Cuando automatizas un proceso, todas esas reglas tienen que estar escritas y el sistema tiene que saber qué hacer cuando algo no encaja con el caso esperado.

Asistente de consultoría

Otra herramienta que estamos construyendo tiene un objetivo algo diferente: servir como asistente durante la propia consultoría.

Aquí la idea es que una persona pueda introducir el tipo de negocio y los KPIs principales y que el sistema le vaya ayudando a detectar qué debería revisar y dónde puede haber problemas.

Para ello el sistema necesita saber de los KPIs que consideramos relevantes y trabajar con benchmarks públicos e información interna que le permitan aportar contexto y evaluar las métricas.

No queremos que el asistente tome las decisiones por el consultor, sino que le de pistas y reduzca el trabajo necesario para llegar hasta el punto donde empieza la parte realmente clave del análisis.

Crear el primer borrador de una auditoría con IA

El siguiente paso es utilizar todo lo anterior para generar el primer borrador de una auditoría.

Utilizamos plantillas de proyectos para Claude Code, Codex o Antigravity, preparados específicamente para un área, con nuestra metodología, plantillas e instrucciones, de forma que la IA pueda generar una primera versión del documento de auditoría a partir de la información disponible que le proporcionamos.

Ya estamos probando este enfoque en áreas como SEO, aunque sigue siendo una parte en desarrollo.

Una cosa, generar un primer borrador no significa generar el entregable final.

El consultor sigue teniendo que revisar, editar, ordenar y priorizar el borrador. La IA puede conseguir que empiece a trabajar desde un documento que ya está al 50%, 60% o el porcentaje que corresponda, en lugar de empezar siempre con una página en blanco.

Ese es el objetivo: no sustituir al consultor, sino darle un punto de partida mucho mejor.

Conclusiones y un pequeño ejercicio

Después de todo este proceso hay varias ideas que te recomiendo guardarte.

La primera es que automatizar no consiste simplemente en ahorrar tiempo. Documentar una metodología, definir estándares y decidir qué debe ocurrir en cada situación es más importante que elegir la herramienta que después ejecutará el proceso.

La segunda es que no existe una única solución para todo. A veces basta con un buen prompt, otras veces tiene sentido crear un GPT personalizado, en algunos casos necesitaremos n8n y en otros acabaremos desarrollando un agente o incluso una aplicación completa.

Lo que necesitas es saber qué tipo de herramientas existen y cuál se adecúa mejor al problema que quieres resolver.

La tercera tiene que ver con el papel del consultor. Cuanto más barata y rápida se vuelva la ejecución, más valor tendrán el criterio, la capacidad de decidir, la gestión y la relación con el cliente.

Y hay una cuarta y última consecuencia que no todo el mundo tiene presente: la IA amplía muchísimo aquello que una sola persona puede hacer.

Un especialista en marketing que antes no podía desarrollar una pequeña herramienta porque no sabía programar ahora puede hacerlo. Alguien especializado en CRM puede crear automatizaciones que anteriormente habrían necesitado un desarrollador, y una persona de negocio puede prototipar soluciones que antes ni siquiera se habría planteado construir.

Eso no significa que todos nos hayamos convertido en desarrolladores, diseñadores o analistas, sino que la barrera de ejecución ha bajado tanto que cada vez será más importante saber qué queremos construir, por qué y cómo debería funcionar y no tanto saber construirlo, ya que la IA lo hará por nosotros con las instrucciones adecuadas.

Para acabar, el artículo y la charla, te dejo con un ejercicio muy sencillo que creo que merece la pena hacer.

Piensa en una tarea que realices habitualmente en tu trabajo y pregúntate qué parte de esa tarea podrías dejar de hacer manualmente dentro de seis meses. 

Después piensa qué necesitas para conseguirlo: quizá una herramienta, unas horas para documentar el proceso, ayuda de otra persona o simplemente aprender cómo funciona determinada tecnología.

Ya habrás dado el primer paso en el camino de la automatización.

Si quieres dar el segundo, elige algo concreto que puedas probar esta misma semana en un proyecto real. 

Es así como empezarás a descubrir cómo puede cambiar de verdad tu forma de trabajar.