trabajo / agency-ai-reporting

Una semana de reportes en dos horas: cómo una agencia recuperó la fe en la IA.

Industria
Agencia de marketing, medios premium
Cliente
No revelado
Sus clientes
Grandes empresas y agencias gubernamentales de EE.UU.
Patrocinador
Socio y director de finanzas
Rol
Ingeniería de datos y automatización con IA
01El problema

Reuniones críticas con clientes, un equipo de reportes al 200% y un intento con IA que fracasó.

La agencia ejecuta campañas de ticket alto, baja frecuencia y alta intención para grandes empresas y agencias gubernamentales de EE.UU., en canales como Disney+, HBO y Twitch. Los presupuestos van de miles a millones de dólares y las campañas duran meses o un año entero. Cada mes o trimestre, la agencia demuestra su avance frente a los números comprometidos, en reuniones breves pero críticas. Detrás de cada una hay un trabajo extenso, minucioso y repetitivo: cruzar información y convertirla en un deck presentable. Lo hacían a mano dos personas bajo la VP de Operaciones, corriendo al 200% la última semana de cada mes. Intentaron resolverlo por su cuenta con Claude, metiendo CSVs crudos masivos con instrucciones pobres. No funcionó, y la VP perdió la fe en automatizar. Uno de los socios, además director de finanzas, me planteó el desafío.

Google DriveCSVs crudosReglas negocioMetas pactadas01Extraer02Modelar03Vistas para MCP04IA por pasos→Deck del clienteGoogle DriveCSVs crudosReglas negocioMetas pactadas01Extraer02Modelar03Vistas para MCP04IA por pasos→Deck del cliente
Reportes para clientes: el equipo deja archivos en Google Drive, los datos limpios y modelados en BigQuery alimentan a la IA una tarea a la vez y sale un deck revisable.
02Arquitectura

Antes y después.

Antes
CSVs crudosArchivos masivos, pegados en un chat con instrucciones vagas
Equipo de reportesDos personas, al 200% la última semana de cada mes
Traducción
BigQuery + MCPReglas de negocio en SQL · vistas preagregadas
Después
IA, una tarea a la vezAnálisis · insights · armado de reportes
Decks para clientesAuditables · trazables · verificables
03Decisiones
  1. Extraer por código, limpiar y llevar a BigQuery

    En lugar de pegar archivos crudos en un chat, los datos se extraen de forma programática, se limpian y se guardan en BigQuery, así la IA siempre parte de datos confiables.

  2. Pasar a SQL lo que vivía en la cabeza del equipo

    El contexto y las reglas de negocio que solo conocía el equipo de reportes se capturaron, documentaron y tradujeron a SQL.

  3. Vistas hechas para que la IA las lea

    Vistas preagregadas con las dimensiones, métricas y granularidad óptimas, servidas a la IA vía MCP. El modelo lee exactamente lo que necesita, nada más.

  4. Pedir una cosa a la vez

    El análisis, los insights y el armado de reportes se piden en pasos separados. Cada paso hace una sola cosa bien, parte de datos listos y usa la IA solo donde aporta.

  5. Auditable y a prueba de usuarios no técnicos

    Cada número se puede rastrear y verificar. El equipo solo deja lo que necesita en Google Drive; yo absorbo la complejidad. Si algo no se puede extraer o modelar como corresponde, el sistema alerta en lugar de adivinar.

  6. Después: un sistema de inteligencia comercial

    Agentes de IA buscan en fuentes y mercados seleccionados oportunidades de alto valor y compatibilidad. Las puntúan, digieren, evalúan y filtran, y envían los mejores leads a cada rep según su ubicación geográfica y match score, todo por Slack. Una persona decide al final y puede aplicar filtros adicionales con una pequeña app. El mismo motor ya cubre RFPs, RFPs públicos y, desde ahora, empresas recién fondeadas.

7 analizadas3 enviadas por Slackuna persona decide al final
Ilustración del flujo de inteligencia comercial: cada oportunidad recibe un puntaje, las débiles se descartan y las fuertes llegan al rep que cubre esa región.
04Stack
BigQuerySQLMCPClaudeGeminiGoogle DriveSlack
05Resultados

Reportes mensuales para clientes

Equipo1 semana
Piloto2 horas

Barras a escala usando 5 días hábiles de 8 horas.

  1. Una semana de trabajo en dos horas, con menos errores

    El piloto hizo en 2 horas los reportes que al equipo le tomaban una semana, y ayudó a encontrar errores en los reportes que habían armado a mano.

  2. Plug and play para cada cliente nuevo

    Ya está en producción. Cada cliente, canal o campaña nuevo requiere una sesión de captura de contexto; la infraestructura está lista para escalar.

  3. Inteligencia comercial por 20 a 50 dólares al mes

    El único costo operativo son los tokens de Gemini y Claude, optimizados para el mayor retorno posible.

  4. La fe en automatizar, recuperada

    Tras el impacto del primer proyecto, la agencia empezó a delegarme más proyectos.

Siguiente paso

¿Tu equipo arma los mismos reportes cada mes? Hablemos.