El excel de calidad ya no se transcribe

El problema

Los datos que sostienen la vida útil del caldo viven en una carpeta que el ERP no ve.

Cada turno, el responsable de calidad rellena una hoja Excel con humedad final, salinidad, granulometría y pH en una carpeta compartida del laboratorio que el ERP no ve. Una persona dedica medio día al mes a copiar y pegar esos datos al ERP oficial, con semanas de desfase y riesgo de error en un dato crítico.

• Cada turno, el responsable de calidad rellena una hoja con humedad final, salinidad, granulometría y pH en una carpeta compartida del laboratorio que nadie fuera de allí abre.
• El ERP oficial no ve esa carpeta compartida, así que hay una persona del equipo que dedica medio día al mes a copiar y pegar los resultados uno a uno, con la hoja abierta a un lado y el ERP al otro.
• Entre el análisis real del laboratorio y el dato oficial del ERP hay semanas de desfase, y cada copia manual es una oportunidad de equivocarse en un dato del que depende la vida útil declarada.
• Cuando un cliente industrial pide la ficha técnica de un lote, se reconstruye a mano desde la hoja — y lo que hay en el ERP ya no coincide con lo que se midió de verdad en el laboratorio aquel turno.

Cómo encaja con el sistema IRIS

Connect escucha el archivo, no a la persona que lo rellena.

Connect 'escucha hacia dentro': observa la carpeta compartida (no al humano), lee el delta cuando el archivo se guarda, parsea con LLM anclado, valida en pantalla con el responsable y vuelca al ERP vía API tras la validación.

El sistema observa la carpeta compartida, lee el delta en cuanto alguien guarda, lo parsea con un LLM anclado y lo muestra al responsable de calidad para que lo valide en pantalla antes de volcarlo al ERP por API. La hoja se lee tal y como está, con las columnas que se le fueron añadiendo a lo largo de los años. Nadie del laboratorio tiene que cambiar su forma de trabajar.

Ver la arquitectura IRIS completa →

Antes y después

La hoja de calidad de hoy frente a la hoja volcada al ERP

Aspecto	Hoy	Con iLEAN Connect
Humedad final por turno	En la hoja, invisible para el ERP	En el ERP al guardar
Salinidad y pH registrados	Se transcriben a mano, uno a uno	Se parsean y se validan en pantalla
Granulometría del polvo	Solo la ve el laboratorio	Consultable por lote, turno y receta
Días entre el análisis y el ERP	Semanas	Segundo cero
Medio día al mes de transcripción	Se paga cada mes	Cero
Usuarios del módulo de laboratorio	Varios, solo para teclear	Uno, el que valida

Semanas de desfase entre el dato real y el dato ERP → segundo cero. Medio día al mes transcribiendo → cero.

Estimación de impacto

Estimación de impacto — a validar con vuestra factura real.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• 💰 Ángulo CFO: si hoy varias personas del laboratorio entran al ERP solo para meter datos, con Connect solo necesita licencia quien valida: reducción típica del 50 al 80 % en el módulo de calidad.
• Payback estimado 4-9 meses contando ese recorte más el tiempo recuperado.
• Medio día al mes de transcripción, eliminado, y con él el riesgo de teclear mal una humedad.
• Y de semanas de desfase entre el dato real y el dato oficial del ERP, al segundo cero.

Ángulo CFO: si hoy varias personas del laboratorio entran al ERP solo para meter datos, con Connect solo el que valida necesita licencia — reducción típica del 50 al 80% en licencias del módulo calidad/laboratorio. Payback estimado 4-9 meses. Estimación a validar.

Y la duda razonable del responsable de producción

«La hoja la han ido tocando varias personas durante años, ¿lo aguanta?» — es el caso previsto: el parseo no depende de posiciones fijas, sino que interpreta columnas, unidades, celdas combinadas y notas al margen sin pedirle al laboratorio que estandarice nada. Es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], y el responsable valida en pantalla antes del volcado al ERP.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.