Cómo Grupo Fleury usa agente IA para reportes empresariales

Grupo Fleury, la mayor red de medicina diagnóstica de Brasil, lleva desde mayo de 2026 operando tres agentes IA —Lyra, Max y Bob— para gestionar una cartera de 300 proyectos de expansión. El resultado más concreto: calcular el costo de un proyecto pasó de tomar entre 7 y 14 días a menos de 2 minutos.

El problema: cada estimación consumía semanas

El equipo de expansión de Fleury manejaba decenas de proyectos en simultáneo. Cada vez que necesitaban estimar el costo de una nueva clínica o punto de servicio, un analista dedicaba entre una y dos semanas a reunir datos de distintos sistemas, hacer cálculos manuales en Excel y redactar el informe para el comité de dirección.

Con una cartera de 300 proyectos activos y la demanda de crecimiento que tenía la empresa, ese proceso se volvió un cuello de botella: más proyectos significaba más analistas, más tiempo y más errores de transcripción entre herramientas.

La solución con agentes IA: tres agentes para una cartera completa

La empresa implementó tres agentes de inteligencia artificial autónoma sobre la plataforma monday.com:

• Lyra: agente de estimación de costos de proyectos. Accede a los datos históricos, corre el cálculo y genera el reporte. El razonamiento queda visible para que un humano lo revise antes de aprobar.
• Max: agente de seguimiento y alertas. Monitorea el avance de cada proyecto y notifica desvíos.
• Bob: agente de coordinación operativa. Gestiona dependencias entre proyectos y distribuye información al equipo.

El primer agente en entrar en producción fue Lyra, en mayo de 2026. El criterio que usó el equipo fue identificar el proceso más repetitivo, con datos disponibles en sistemas internos y un output claro: un dossier de estimación de costos.

Antes de automatizar, mapearon el proceso completo y organizaron los datos. Según Beatriz Oliveira, directora de Marketing de monday.com para América Latina, que estuvo presente en el evento Evolve Brasil 2026 donde Fleury presentó el caso: "La IA vino exactamente para potenciar lo que tenemos de mejor."

Los números: lo que publica la fuente

Fleury presentó estos resultados en Evolve Brasil 2026 (São Paulo, 5 de noviembre de 2026):

Adicionalmente, un reporte de TI Inside (enero 2026) documentó que las iniciativas de GenAI de Fleury generaron R$ 4,5 millones en ahorros operativos durante 2025, en áreas que incluyen procesos clínicos, atención al cliente y operaciones internas.

La empresa no publica detalles del costo de implementación, pero informó que las expectativas de retorno asociadas a la IA agéntica pasaron del 10% al 17% en un año.

Cómo replicarlo: pasos concretos

El camino que siguió Fleury no requiere ser una empresa de 300 proyectos para aplicarse. Estos son los pasos:

1. Identifica el proceso más repetitivo con output claro. El criterio de Fleury: proceso mensual o frecuente, datos disponibles en sistemas, resultado predecible (un reporte, un cálculo, un dossier).
2. Mapea el proceso completo antes de automatizar. Si los datos están dispersos en hojas de cálculo sin estructura, el agente no va a funcionar. Primero orden, después automatización.
3. Define quién revisa antes de aprobar. Fleury hizo que Lyra mostrara su razonamiento. Las decisiones críticas —aprobar un proyecto de expansión— siguen pasando por una persona.
4. Arranca con un agente, mide, escala. Lyra llegó primero. Max y Bob vinieron después, cuando el equipo ya tenía confianza en el modelo.
5. Establece el indicador desde el día uno. Fleury midió tiempo de estimación, cantidad de proyectos procesados y horas recuperadas. Sin ese número inicial, no hay comparación posible.

Lo que funciona en LATAM: adaptaciones necesarias

Brasil tiene ventaja en este caso por su tamaño de mercado y madurez tecnológica. Para empresas en México, Colombia, Argentina o Bolivia, hay consideraciones específicas:

• Datos fragmentados en múltiples herramientas. La mayoría de las empresas LATAM trabaja con una mezcla de ERP, hojas de Excel y procesos en papel. El trabajo previo de consolidar datos suele ser más largo que en Brasil.
• Volúmenes menores, misma lógica. Una empresa con 20 proyectos activos puede aplicar el mismo modelo: el agente de reportes empresariales funciona igual a escala pequeña.
• Idioma y contexto local. Los agentes que operan en español con datos en español funcionan mejor cuando se entrenan con documentos reales de la empresa, no con plantillas genéricas en inglés.
• Integración con herramientas existentes. monday.com tiene versión en español con soporte LATAM. Alternativas viables incluyen Notion, Airtable o n8n conectado a las fuentes de datos internas.

Si quieres ver cómo se estructura un agente de este tipo con herramientas de código abierto y bajo costo, el artículo Cómo conectar agentes IA con CRM, ERP y APIs internas con MCP detalla la arquitectura técnica.

Preguntas frecuentes

¿Cuánto tiempo tarda implementar un agente IA para reportes empresariales?

Depende del estado de los datos. Si los datos ya están en un sistema estructurado, un agente básico puede estar operativo en 2 a 4 semanas. Si hay que consolidar fuentes primero, el proceso puede tomar entre 6 y 12 semanas.

¿Puede un agente IA reemplazar completamente al analista de reportes?

No completamente, y el caso Fleury lo muestra: Lyra genera el reporte, pero un humano revisa el razonamiento antes de aprobar. El agente elimina el trabajo mecánico; el analista mantiene el criterio de negocio.

¿Qué plataformas se pueden usar para implementar agentes de reportes?

monday.com (usado por Fleury), n8n, Make, Zapier con OpenAI, o soluciones a medida sobre modelos como Claude o GPT-4o. La elección depende del volumen de datos, el presupuesto y los sistemas existentes en la empresa.

¿Aplica este modelo a empresas fuera del sector salud?

Sí. La lógica es la misma para cualquier empresa con procesos de estimación, cierre mensual, reportes de ventas o informes de operaciones: datos estructurados + proceso repetitivo + output predecible = candidato para agente IA.

En resumen

• Grupo Fleury redujo el tiempo de estimación de costos de proyectos de 14 días a 2 minutos con el agente Lyra, en producción desde mayo de 2026.
• En un año procesaron más de 400 proyectos y recuperaron más de 1.000 horas de trabajo.
• La cartera de expansión creció un 54% sin ampliar el equipo de analistas.
• El modelo funciona para cualquier empresa con un proceso repetitivo de reportes y datos disponibles en sistemas internos.
• El paso más crítico no es el agente, sino mapear el proceso y ordenar los datos antes de automatizar.

Para profundizar en ROI y escalabilidad, el estudio Agentes IA en 2026: el 67% confirma ROI documenta los patrones de las implementaciones que sí logran escalar.

Si quieres implementar algo similar en tu negocio, en AgentesNexo lo hacemos por ti. Escríbenos en agentesnexo.com o por WhatsApp al +591 67564218.