Recursos
Make OpenAI API (Application Programming Interface (Interfaz de Programación de Aplicaciones)) Email Intermedio ~2,5 horas

Reporte Diario de Operaciones con Make + OpenAI API

Flujo Make que descarga los datos de ventas y operaciones del día anterior, los analiza con ChatGPT y envía automáticamente un email de reporte a las 6:30h con KPIs, desviaciones y alertas. Listo antes de que empiece la jornada.

Caso didáctico · Empresa ficticia Operaciones · Retail ROI (Return on Investment (Retorno sobre la Inversión)): 45 min/día ahorrados
Datos
Trigger
CSV
ChatGPT
Email
Visita
Test
PASO 1

Arquitectura del flujo: datos → análisis → email

El flujo se ejecuta automáticamente cada día a las 6:00h. Descarga los datos de ventas y operaciones del día anterior (desde el sistema ERP (Enterprise Resource Planning (Sistema de Planificación de Recursos Empresariales)), un FTP o Google Sheets), los pasa a ChatGPT para análisis, y envía el reporte por email a las 6:30h — listo antes de que empiece la jornada.

Scheduler 6:00h
FTP / Sheets
Parseo CSV
OpenAI API
Email 6:30h

Antes de empezar, necesitas:

  • A
    Make — plan Core (~9€/mes). El flujo consume ~30–60 operaciones/día.
  • B
    Cuenta de OpenAI Platform con API key. Este flujo usa la OpenAI API, no ChatGPT Business. ChatGPT Business sirve para uso manual en interfaz; la automatización requiere cuenta de OpenAI Platform, API key, facturación separada, límites de gasto y gestión segura de credenciales.
  • C
    Fuente de datos: FTP con CSV diario, Google Sheets con datos del ERP, o cualquier endpoint HTTP que devuelva los datos de ventas.
  • D
    Cuenta de email para el envío: Gmail, Outlook o SMTP corporativo.
Consejo
Si tu ERP no tiene API ni FTP, la forma más rápida es exportar los datos a Google Sheets automáticamente cada noche (muchos ERPs lo permiten) y usar Make para leer desde Sheets. Es más sencillo que configurar FTP.
PASO 2

Trigger programado: ejecución diaria a las 6:00h

En Make, crea un nuevo escenario y configura el trigger de programación:

  • 1
    Haz clic en el reloj (scheduling) en la parte inferior del escenario.
  • 2
    Selecciona "At regular intervals""Days" → cada 1 día.
  • 3
    En "Start time", pon 06:00 en tu zona horaria (Europe/Madrid).
  • 4
    Activa "Run scenario immediately" para poder hacer la primera prueba sin esperar al día siguiente.
⚠ Zona horaria
Make usa UTC por defecto. Si configuras las 6:00h sin ajustar la zona horaria, el email llegará a las 7:00h o 8:00h (según horario de verano/invierno). Ajusta siempre la zona horaria en la configuración del escenario.
PASO 3

Descarga y parseo de los datos del día anterior

Añade el módulo de descarga según tu fuente de datos:

Opción A — FTP/SFTP:

  • 1
    Módulo: FTP → Download a File. Conecta con las credenciales del servidor.
  • 2
    En File path, usa la fecha dinámica: /reports/ventas_{{formatDate(addDays(now; -1); 'YYYY-MM-DD')}}.csv

Opción B — Google Sheets (recomendada para empezar):

  • 1
    Módulo: Google Sheets → Get Range Values.
  • 2
    Selecciona la hoja con los datos del día anterior. Filtra por la columna de fecha: {{formatDate(addDays(now; -1); 'DD/MM/YYYY')}}.

Añade un módulo CSV → Parse CSV (si usas FTP) o Array Aggregator (si usas Sheets) para convertir los datos en un texto estructurado que puedas pasar a ChatGPT.

El texto de datos que pasarás a ChatGPT debe tener este formato:

Datos de ventas del {{fecha}}: - Tienda 001 (Barcelona Centro): Ventas 12.450€ | Budget 11.800€ | Desviación +5,5% | Clientes 342 - Tienda 002 (Barcelona Norte): Ventas 9.200€ | Budget 10.500€ | Desviación -12,4% | Clientes 287 - Tienda 003 (Hospitalet): Ventas 11.100€ | Budget 10.900€ | Desviación +1,8% | Clientes 318 [...] Total zona: Ventas 32.750€ | Budget 33.200€ | Desviación -1,4%
PASO 4

Análisis con ChatGPT: de datos a insights

Añade el módulo OpenAI → Create a Chat Completion

Nota sobre la API de OpenAI: Este tutorial usa el endpoint chat/completions por compatibilidad con Make. Para nuevos proyectos o integraciones más avanzadas, OpenAI recomienda la Responses API. Adapta el módulo HTTP según disponibilidad en tu versión de Make.
con el prompt de análisis:

Eres el asistente de operaciones de un Director Regional de Retail. Analiza los datos de ventas del día anterior y genera un reporte ejecutivo con estas secciones: 1. RESUMEN EJECUTIVO (3 líneas máximo): qué pasó ayer en términos de ventas vs budget 2. TOP 3 TIENDAS (mejor desempeño): nombre, ventas, desviación vs budget y 1 insight 3. ALERTAS (tiendas con desviación negativa >5%): nombre y desviación. Si la causa aparece en los datos, indícala. Si no, márcala como hipótesis e indica qué dato faltaría para confirmarla. Separa hechos, hipótesis y recomendaciones. 4. ACCIÓN RECOMENDADA (1 sola acción prioritaria para hoy) Usa formato de texto plano, sin markdown, sin asteriscos. Sé directo y ejecutivo. Máximo 250 palabras en total. Datos: {{datos_del_dia}}

Configura el módulo así:

  • 1
    Modelo: gpt-4o-mini (suficiente para análisis de datos tabulares).
  • 2
    Temperature: 0.3 (respuestas más consistentes y menos creativas).
  • 3
    Max tokens: 500 (suficiente para el reporte de 250 palabras).
Variante semanal
Los lunes, añade una rama con un prompt diferente: "Analiza la semana anterior vs la semana anterior del año pasado y genera el reporte semanal". Usa un Router en Make para detectar si es lunes y ejecutar el prompt semanal en lugar del diario.
PASO 5

Email de reporte: formato y destinatarios

Añade el módulo Gmail → Send an Email (o Email → Send an Email para SMTP corporativo) y configúralo:

  • 1
    To: lista de destinatarios (Director Regional, Responsables de Zona, etc.).
  • 2
    Subject: 📊 Reporte Diario {{formatDate(addDays(now; -1); 'DD/MM/YYYY')}} — Zona {{nombre_zona}}
  • 3
    Content: el texto generado por ChatGPT (variable {{choices[].message.content}}).
  • 4
    Añade al pie: "Reporte generado automáticamente por Make + ChatGPT a las 6:30h. Datos del día anterior."

El email resultante tiene este aspecto:

PASO 6

Variante: informe de visita a tienda o almacén

Esta variante no usa Make — se ejecuta directamente desde el móvil durante la visita. Es especialmente útil para visitas a tiendas, almacenes u hoteles (también aplicable fuera del retail).

Flujo de trabajo durante la visita:

  • 1
    Abre una sesión en ChatGPT (app móvil) y empieza con el prompt de contexto (ver abajo).
  • 2
    Haz una foto de la zona de entrada o del área a revisar y añade un comentario de voz o texto.
  • 3
    Continúa con más fotos y comentarios según avanzas por la tienda/almacén.
  • 4
    Al terminar, pide a ChatGPT que genere el informe final en la plantilla corporativa.

Prompt de inicio de visita:

Voy a hacer una visita de inspección a la tienda/almacén {{nombre}}. Te iré enviando fotos y comentarios de audio/texto a medida que avanzo. Al final te pediré que generes el informe de visita. Plantilla del informe: - Fecha y tienda/almacén visitado - Resumen ejecutivo (3 líneas) - Puntos fuertes observados (máx. 3) - Incidencias detectadas (con foto de referencia si aplica) - Acciones correctivas propuestas (con responsable y plazo) - Valoración global (1-10) Confirma que has entendido la plantilla y estás listo para recibir las fotos.
Aplicación hotelera
La misma metodología funciona para inspecciones de hoteles: foto de la habitación + comentario de voz → ChatGPT genera el informe de calidad con puntos de mejora para el equipo de housekeeping. Reduce el tiempo de elaboración del informe de 45 min a 5 min.
PASO 7

Prueba end-to-end y activación

Antes de activar el flujo en producción, realiza estas pruebas:

  • 1
    Ejecuta el escenario manualmente con datos reales del día anterior. Verifica que el CSV se descarga correctamente.
  • 2
    Verifica que ChatGPT genera el reporte con las 4 secciones (Resumen, Top 3, Alertas, Acción).
  • 3
    Verifica que el email llega a todos los destinatarios con el asunto correcto y la fecha del día anterior.
  • 4
    Prueba con datos donde hay tiendas con desviación negativa >5% para verificar que las alertas se generan correctamente.
  • 5
    Verifica la zona horaria: ejecuta el escenario y comprueba que el email llega a las 6:30h (no a las 7:30h o 8:30h).

Una vez validado, activa el escenario con el botón "ON". El primer reporte piloto llegará mañana a las 6:30h, enviado solo al responsable del flujo durante la fase de validación.

⚠ Datos sensibles
Los datos de ventas por tienda son confidenciales. Usa la API de OpenAI con tu clave propia (incluye DPA (Data Processing Agreement (Acuerdo de Tratamiento de Datos))) y activa la opción "Do not use my data for training" en la configuración de la organización de OpenAI. Nunca uses la versión gratuita de ChatGPT para datos de ventas.

COSTES

Costes mensuales y ROI

Servicio Plan Coste/mes
MakeCore (10.000 ops)~9€
OpenAI APIgpt-4o-mini (~30 análisis/día)~2€
Gmail / SMTPYa existente0€ adicional
Total~11€/mes
ROI
Ahorro estimado: 45 min/día de preparación manual del reporte de operaciones. A un coste de oportunidad de 40€/hora de un Director Regional, el ahorro mensual estimado es de ~480€ (45 min/día × 22 días × 40€/h) frente a un coste del flujo de ~11€/mes. El retorno estimado es de ~×44 con estos supuestos. El ROI real depende del tiempo real ahorrado y del coste/hora.

ERRORES

Resolución de errores frecuentes

Nota
Los errores más frecuentes son de zona horaria (email llega tarde), datos vacíos (el CSV del día anterior no existe aún) y formato del reporte (ChatGPT añade markdown no deseado).
Error Causa Solución
Email llega a las 7:30h Zona horaria UTC sin ajustar En Make → Scenario settings → Time zone, selecciona Europe/Madrid
File not found (FTP) El CSV del día anterior no se ha generado aún Añade un módulo "Error Handler" que reintente a las 6:30h si el archivo no existe a las 6:00h
Reporte con asteriscos (*texto*) ChatGPT usa markdown aunque se le pide texto plano Añade en el prompt: "Usa SOLO texto plano. Sin asteriscos, sin guiones como viñetas, sin formato markdown de ningún tipo"
Reporte demasiado largo ChatGPT ignora el límite de palabras Añade: "Si superas las 250 palabras, recorta la sección de Top 3 a 1 línea por tienda"
Datos incorrectos en el reporte El CSV tiene formato diferente al esperado Añade un módulo "Tools → Set Variable" para normalizar los datos antes de pasarlos a ChatGPT

MÓDULOS

Resumen del escenario Make

Módulo Tipo Función
SchedulerTriggerEjecuta el escenario cada día a las 6:00h
FTP / Google SheetsFuente de datosDescarga los datos de ventas del día anterior
CSV → Parse CSVTransformaciónConvierte el CSV en variables estructuradas
Array AggregatorTransformaciónConvierte los datos en un texto para ChatGPT
OpenAI → Chat CompletionIAAnaliza los datos y genera el reporte ejecutivo
Gmail → Send EmailAcciónEnvía el reporte a los destinatarios a las 6:30h
Router (opcional)ControlDiferencia entre reporte diario y semanal (lunes)
Buenas Prácticas de Uso Responsable

Antes de usar este flujo de forma recurrente en tu equipo, define estas reglas básicas:

  • Validación humana obligatoria: Todos los outputs deben ser revisados por la persona responsable antes de distribuirse o usarse en decisiones.
  • Cuándo parar: Si el output es incorrecto o sesgado en 2 usos consecutivos, revisa el prompt antes de continuar.
  • Datos sensibles: No incluyas datos personales, financieros confidenciales o secretos comerciales sin verificar que usas un plan Business o Enterprise con DPA firmado.
  • Revisión periódica: Valida que el prompt sigue siendo efectivo cada trimestre, especialmente si cambia el contexto de la empresa o el modelo de IA.
Siguiente paso

¿Qué hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Recursos del programa
Volver a Recursos
Explora todos los recursos y materiales del programa AI4PDG.
Biblioteca completa
Ver todos los tutoriales
Explora los 132 tutoriales del programa organizados por herramienta, función y nivel de dificultad.