← Explorador de Flujos
Make ChatGPT Avanzado ~4–6 horas

Controlling Automático de PyG

Flujo Make que extrae el P&L real mensual del ERP (Enterprise Resource Planning (Sistema de Planificación de Recursos Empresariales)) de la empresa, lo cruza con el budget en Excel y ChatGPT analiza las desviaciones, redacta la narrativa ejecutiva y genera el informe PDF automático para el Comité de Dirección.

Dirección Financiera ROI (Return on Investment (Retorno sobre la Inversión)): El informe de controlling llega el día 3 de cada mes de form…
ERP/Contab
Make
Excel
ChatGPT
Informe
INTRO

El problema que resuelve este flujo

Necesito el informe de desviaciones de PyG para el Comité de Dirección el primer día hábil del mes, no dos días después. El proceso manual es propenso a errores y siempre llega tarde.

ERP/Contabilidad (Odoo/SAP)
Make (extrae PyG real mensual)
Excel Budget
ChatGPT (analiza desviaciones y redacta narrativa)
Informe PDF automático al Comité

Impacto esperado: El informe de controlling llega el día 3 de cada mes de forma automática. El Comité de Dirección recibe análisis de desviaciones con recomendaciones, no solo números.

Coste estimado: ~20-30€/mes (GPT-4o + Make Operations)

⚠ Transferencia internacional de datos: Este flujo combina herramientas con diferente nivel de garantía. ChatGPT (OpenAI) procesa datos en EE.UU. mediante CCT/SCCs — sin DPA firmado, no introduzcas datos personales ni confidenciales en ChatGPT. Make/Zapier tienen EU-U.S. Data Privacy Framework. Verifica con tu departamento legal qué datos pueden fluir por cada herramienta.

PASO 1

ERP la empresa — Exportar el P&L real del mes

El flujo extrae automáticamente el P&L real del mes cerrado del ERP de la empresa (Odoo/SAP) y lo combina con el budget aprobado para el análisis de desviaciones.

  • 1
    En Make, crea un nuevo escenario → añade el módulo Schedule como trigger → configura para el día 3 de cada mes a las 7:00h (el día 1-2 el equipo cierra el mes en el ERP).
  • 2
    Añade el módulo HTTP → Make a Request para exportar el P&L real del ERP de la empresa. Si el ERP es Odoo, usa el endpoint: /api/account.move.line?domain=[["date",">=","{{primer_dia_mes}}"],["date","<=","{{ultimo_dia_mes}}"]].
  • 3
    Añade el módulo Google Sheets → Get All Rows para obtener el budget mensual aprobado. El budget debe estar en una hoja con la misma estructura que el P&L del ERP.
  • 4
    Añade el módulo Google Sheets → Get All Rows para obtener el P&L del mismo mes del año anterior (para la comparativa YoY).
  • 5
    Ejecuta el módulo manualmente con los datos del mes anterior para verificar que la extracción es correcta.

PASO 2

ChatGPT — Analizar desviaciones y redactar narrativa

ChatGPT realiza el análisis de desviaciones del P&L de la empresa (real vs. budget vs. año anterior) y redacta la narrativa ejecutiva para el Comité de Dirección.

  • 1
    Añade el módulo OpenAI → Create a Chat Completion con gpt-4o.
  • 2
    En el prompt, incluye: P&L real del mes (por planta: España y Francia), budget del mes, P&L del mismo mes del año anterior, y el contexto de la empresa (fabricante de masterbatch, 4 plantas, clientes en automoción, packaging y construcción).
  • 3
    Pide el análisis en el formato estándar del Comité de la empresa: 1) Resumen ejecutivo (5 líneas), 2) Análisis de ingresos (volumen vs. precio vs. mix de producto), 3) Análisis de costes (materias primas, energía, personal, otros), 4) Resultado por planta, 5) Outlook del trimestre.
  • 4
    Solicita también la identificación de las 3 acciones correctoras prioritarias con responsable y plazo.
  • 5
    Establece "Max Tokens" a 2500 para el informe completo del Comité.
Confidencialidad

El P&L de la empresa es información financiera altamente confidencial. Usa exclusivamente la API (Application Programming Interface (Interfaz de Programación de Aplicaciones)) de OpenAI con DPA (Data Processing Agreement (Acuerdo de Tratamiento de Datos)) firmado. Verifica que la opción "Improve the model for everyone" está desactivada en la configuración de tu cuenta de OpenAI.


PASO 3

PDF/Email — Generar informe y enviar al Comité

El informe de controlling se genera en formato PDF y se envía automáticamente al CEO y al Comité de Dirección de la empresa el día 3 de cada mes.

  • 1
    Añade el módulo PDF.co → HTML to PDF (o PDFMonkey → Generate a Document) para convertir el informe HTML generado por ChatGPT en un PDF con el formato corporativo de la empresa.
  • 2
    Añade el módulo Google Drive → Upload a File para guardar el PDF en la carpeta compartida del Comité de Dirección de la empresa en Drive.
  • 3
    Añade el módulo Gmail → Send an Email al CEO y a los miembros del Comité. Asunto: Controlling {{mes}} {{año}} — la empresa. Adjunta el PDF generado.
  • 4
    Añade el módulo Google Sheets → Add a Row en el log de cierres: fecha, mes, estado ("Enviado al Comité"), enlace al PDF en Drive.
  • 5
    Activa el escenario y verifica con el cierre del mes anterior que el PDF generado tiene el formato y contenido correctos.


COSTES

Costes y ROI estimado

HerramientaCoste mensualNotas
Make~20-30€/mes (GPT-4o + Make Operations)Coste principal del flujo
ChatGPT (alternativa)VariableSin automatización, uso manual del prompt
Total estimado~20-30€/mes (GPT-4o + Make Operations)

ROI: El informe de controlling llega el día 3 de cada mes de forma automática. El Comité de Dirección recibe análisis de desviaciones con recomendaciones, no solo números.

Alternativa sin automatización

Si no quieres configurar la automatización completa, puedes usar ChatGPT ejecutando el prompt manualmente. Obtendrás el mismo resultado, pero sin la ejecución automática periódica.


ERRORES

Resolución de errores frecuentes

  • !
    El ERP no tiene API o la API no devuelve el P&L estructurado — Configura una exportación automática del ERP a Google Sheets el día 1 de cada mes (la mayoría de ERPs tienen esta funcionalidad nativa). Make leerá los datos de Sheets en lugar de la API del ERP.
  • !
    ChatGPT no puede comparar correctamente las tres fuentes de datos — Asegúrate de que las tres fuentes (real, budget, año anterior) tienen exactamente la misma estructura de líneas del P&L. Si hay diferencias en los nombres de las cuentas, añade un paso de normalización en Make antes de enviar los datos a ChatGPT.
  • !
    El PDF generado tiene problemas de formato — Usa una plantilla HTML predefinida con el logo y los colores corporativos de la empresa. ChatGPT rellena el contenido, pero la estructura visual la define la plantilla HTML.
Modo fallo

Si el flujo falla, no se genera el informe automático ese mes. El controller puede usar el prompt directamente en ChatGPT Business con los datos exportados manualmente del ERP.

Cómo desactivarlo

Desactiva el toggle del escenario en Make o cambia la fecha del Schedule.


PROMPT

Prompt completo del módulo IA

Copia este prompt en el módulo de IA de tu flujo. Sustituye los valores entre llaves {} por los datos reales de tu organización.

Contexto: Soy el controller financiero de la empresa, grupo industrial fabricante de masterbatch con 4 plantas de producción en España y Francia. Cada mes debo presentar al CEO y al Comité de Dirección el análisis de desviaciones del P&L real vs. budget, con las causas identificadas y las acciones correctivas propuestas. Rol: Actúa como controller financiero senior con experiencia en grupos industriales manufactureros. Tu función es transformar la tabla de desviaciones en un informe ejecutivo que permita al CEO y al Comité tomar decisiones, no solo conocer los números. Ejemplo: Si los costes de materias primas están un 12% por encima del budget pero el volumen de producción también está un 9% por encima, la desviación real en términos de eficiencia es solo del 3% — y eso cambia completamente el mensaje al Comité. Acción: Eres el controller financiero de la empresa. Analiza la siguiente comparativa de P&L real vs. budget del mes {mes}: {tabla_desviaciones: Partida | Real (€) | Budget (€) | Desviación (€) | Desviación (%)} Contexto del mes: {contexto_mes} Genera el informe ejecutivo de controlling con: 1. RESUMEN EJECUTIVO (máximo 150 palabras): resultado global, desviación total en € y %, valoración (positivo/negativo/mixto) y mensaje principal para el CEO 2. DESVIACIONES FAVORABLES: top 3 partidas con mayor ahorro, causa probable y si es sostenible o puntual 3. DESVIACIONES DESFAVORABLES: top 3 partidas con mayor sobrecoste, causa probable (efecto precio / efecto volumen / efecto mix / ineficiencia operativa), y si requiere acción correctiva 4. PARTIDAS A VIGILAR: dentro del budget este mes pero con tendencia de aceleración en los últimos 3 meses 5. RECOMENDACIONES: máximo 3 acciones concretas para el próximo mes, con responsable y fecha Formato: Informe ejecutivo con tabla resumen al inicio. Tono directo, sin eufemismos, orientado a la acción. RESTRICCIONES: Los datos de P&L por planta son información financiera altamente confidencial. Usa exclusivamente herramientas con acuerdos de confidencialidad empresarial. No presentes el informe al Comité sin revisión del CFO.

¿Quieres explorar más recursos del programa?

Automatización · Make
Explorar más flujos de automatización
Descubre los 25 flujos de automatización No-Code del programa para directivos.
Biblioteca completa
Ver todos los tutoriales
Explora los 132 tutoriales del programa organizados por herramienta, función y nivel de dificultad.
← Volver al Explorador de Flujos
Alternativa segura

¿Puedo hacer esto sin que mis datos salgan de la empresa?

Sí. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estratégica o regulada, son candidatos óptimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuración, ningún dato abandona nunca los servidores de tu organización y el modelo no puede ser entrenado con tu información.

🤖
Modelos recomendados
Llama 3.3 70B — Ideal para análisis de documentos largos y generación de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extracción de información y clasificación con alta precisión.

Qwen 2.5 72B — Especialmente potente para análisis de datos tabulares y financieros.
⚙️
Plataformas de despliegue
Ollama — Para equipos pequeños o uso individual en hardware propio (Mac M-series, workstation con GPU).

vLLM — Para entornos de producción con múltiples usuarios simultáneos y alto rendimiento.

LM Studio — Para pruebas y uso individual sin configuración de servidor.
🖥️
Infraestructura mínima
Para un modelo de 70B parámetros en producción:

GPU: 2× NVIDIA A100 40GB o 4× RTX 4090 (24GB VRAM cada una).

RAM: 128GB mínimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing con VPC aislada.
🔒 Garantía de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu información, no hay transferencia internacional de datos (elimina el riesgo de transferencias a EE.UU. bajo el RGPD) y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.
¿Necesitas implementar esta solución en tu organización?

La configuración de modelos open source on-premises requiere un proveedor técnico especializado que conozca tanto la tecnología como los requisitos de cumplimiento normativo. Emovere puede ayudarte a desplegar esta solución en tu infraestructura de forma segura, con garantías legales y sin que tus datos salgan nunca de tu organización.