Agente IA para reportes automáticos: BI sin armar Excel

Agente IA para reportes automáticos: BI sin armar Excel

Para automatizar los reportes de tu empresa con IA, necesitas tres piezas: una fuente de datos (base de datos o API), un agente con skill de análisis, y un canal de distribución (correo, WhatsApp o Slack). Con eso, los reportes salen solos cada día.

¿Para quién es esta guía?

Esta guía es para equipos de operaciones, finanzas o gerencia que pierden 2 a 4 horas semanales consolidando métricas en hojas de cálculo. No necesitas saber programar para seguir los pasos centrales; sí necesitas acceso a tu base de datos o a las APIs de tu software de gestión.

Requisitos previos

• Acceso a tu base de datos (PostgreSQL, MySQL) o a la API de tu ERP/CRM (Salesforce, HubSpot, SAP, cualquier herramienta con API REST)
• Una cuenta en AgentesNexo o acceso al SDK de agentes (Claude, OpenAI Assistants, LangChain)
• Un canal de distribución: correo corporativo, grupo de WhatsApp del equipo, o canal de Slack
• Opcional: n8n o Make para orquestar el trigger horario

Paso 1 — Conectar la fuente de datos

El agente necesita leer números reales. Hay dos caminos:

Opción A — Conexión directa a base de datos:

-- Ejemplo: ventas del día anterior en PostgreSQL
SELECT 
  DATE(created_at) as fecha,
  COUNT(*) as pedidos,
  SUM(total) as revenue,
  AVG(total) as ticket_promedio
FROM orders
WHERE created_at >= CURRENT_DATE - INTERVAL '1 day'
  AND created_at < CURRENT_DATE
GROUP BY DATE(created_at);

El agente ejecuta esta query vía herramienta query_database. En AgentesNexo configuramos esta conexión como una skill que el agente puede invocar cuando necesita datos frescos.

Opción B — API de tu software:

# Ejemplo: pull de métricas desde HubSpot
curl -X GET "https://api.hubapi.com/crm/v3/objects/deals?limit=100&properties=amount,dealstage,closedate" \
  -H "Authorization: Bearer $HUBSPOT_API_KEY"

El agente transforma el JSON en números interpretables antes de redactar.

Paso 2 — Escribir el prompt del reporte

El prompt es lo que convierte datos crudos en análisis legible. Un prompt mal escrito produce análisis genérico; uno bien escrito produce análisis que parece escrito por un analista senior.

Eres el analista de operaciones de {{empresa}}.
Tienes los datos de ayer:
- Pedidos: {{pedidos}}
- Revenue: ${{revenue}}
- Ticket promedio: ${{ticket_promedio}}
- Comparado con el mismo día la semana pasada: {{variacion_pct}}%

Escribe un reporte de 3 párrafos para el equipo directivo:
1. Resumen ejecutivo (2 oraciones, con el número más relevante)
2. Qué mejoró y qué empeoró vs semana anterior (con cifras)
3. Una recomendación concreta para hoy basada en los datos

Tono: directo, sin adornos. Sin emojis. Sin "como IA" en el texto.

Ajusta las variables a tus métricas reales. Si el agente tiene memoria persistente, puede incluir contexto de semanas anteriores sin que lo repitas en el prompt.

Paso 3 — Automatizar el trigger

El reporte debe salir solo a una hora fija. Tres opciones:

n8n (recomendado para equipos sin infra propia):

{
  #43a047">"nodes": [
    { #43a047">"type": "n8n-nodes-base.cron", "parameters": { "rule": "0 7 * * 1-5" } },
    { #43a047">"type": "n8n-nodes-base.httpRequest", "parameters": { "url": "https://api.agentesnexo.com/v1/run", "method": "POST" } }
  ]
}

El nodo cron dispara de lunes a viernes a las 7:00 AM. El HTTP node llama al agente con los parámetros de la empresa.

LaunchAgent en Mac mini local (para equipos con una Mac encendida 24/7):

<!-- /Library/LaunchAgents/com.empresa.reporte-diario.plist -->
<key>StartCalendarInterval</key>
<dict>
  <key>Hour</key><integer>7</integer>
  <key>Minute</key><integer>0</integer>
</dict>

GitHub Actions (gratis hasta 2000 min/mes):

on:
  schedule:
    - cron: '0 11 * * 1-5'  # 7 AM ET = 11 UTC
jobs:
  reporte:
    runs-on: ubuntu-latest
    steps:
      - run: curl -X POST $AGENTES_NEXO_ENDPOINT -d '{#43a047">"empresa":"acme"}'

Paso 4 — Distribuir el reporte

Una vez que el agente genera el texto, tiene que llegar a las personas correctas:

WhatsApp del equipo directivo (Evolution API o WhatsApp Cloud API):

curl -X POST #43a047">"https://evolution.tudominio.com/message/sendText/reporte-bot" \
  -H #43a047">"apikey: $EVOLUTION_KEY" \
  -d '{#43a047">"number":"5915XXXXXXXX","text":"$REPORTE_TEXTO"}'

Correo con Resend:

await resend.emails.send({
  from: '[email protected]',
  to: ['[email protected]'],
  subject: #43a047">`Reporte diario — ${fecha}`,
  text: reporteTexto,
});

Slack:

curl -X POST $SLACK_WEBHOOK_URL \
  -d '{#43a047">"text":"$REPORTE_TEXTO"}'

En implementaciones con equipos que usan los tres canales, el agente puede elegir el canal según la urgencia: si el revenue cayó más del 20% respecto al día anterior, el reporte llega por WhatsApp además del correo.

Arquitectura del sistema

[Trigger horario (cron / n8n / GitHub Actions)]
               ↓
[Agente IA — skill query_database]
               ↓
[Base de datos / API del ERP o CRM]
               ↓
[Agente IA — analiza + redacta con prompt estructurado]
               ↓
[Distribución: WhatsApp / correo / Slack]

El agente actúa como intermediario entre los datos y las personas. No reemplaza un BI completo como Tableau o Metabase — hace algo distinto: convierte números en análisis accionable y lo entrega donde el equipo ya está, a la hora que el equipo necesita.

Lo que aprendimos implementando reportes automáticos con IA en producción

1. El primer reporte siempre decepciona. Los prompts genéricos producen análisis genérico. Después de tres iteraciones con el equipo destino, los reportes se vuelven útiles. El agente no mejora solo — mejoras tú el prompt.

1. La memoria persistente multiplica el valor. Un agente que recuerda el promedio de las últimas 4 semanas puede decirte "esta semana fue la mejor del mes" sin que nadie lo calcule. Sin memoria, el reporte describe. Con memoria, el reporte interpreta.

1. El horario importa más de lo que parece. Reportes enviados a las 7 AM antes de que el equipo abra el correo tienen 4x más lecturas que los enviados a las 10 AM. En equipos LATAM con WhatsApp como canal principal, el momento de entrega define si el reporte se lee o se archiva.

1. Empezar con una sola fuente. Conectar tres fuentes desde el principio rompe más de lo que ayuda. La fuente más crítica primero; las demás, después de validar que el agente entrega valor real.

1. El ROI aparece rápido. Para un equipo de cuatro personas consolidando métricas 1 hora diaria, el sistema paga su implementación antes del primer mes. Los dashboards de pago con licencias anuales rara vez se usan al 20% de su capacidad; un agente de reportes automáticos se usa cada día porque llega solo.

En resumen

1. Conecta una fuente de datos: base de datos directa o API del CRM/ERP
2. Escribe un prompt con variables reales y rol explícito, no genérico
3. Automatiza el trigger con n8n, cron local o GitHub Actions
4. Distribuye por WhatsApp, correo o Slack según dónde esté el equipo
5. Agrega memoria persistente para que el agente compare en lugar de solo describir

Si quieres implementar esto en tu negocio sin construirlo desde cero, en AgentesNexo lo hacemos por ti. Escríbenos en agentesnexo.com o por WhatsApp al +591 67564218