El Excel del laboratorio ya está en el ERP

El problema

Los resultados de test viven en un Excel que el ERP no ve.

Dos mundos paralelos — el Excel real (datos de test vivos) y el ERP oficial (datos transcritos con semanas de desfase por alguien que dedica tiempo relevante cada mes a copiar-pegar y mete errores en un dato auditable por el cliente OEM).

• El responsable de laboratorio rellena cada turno un Excel con densidad del electrolito, CCA, capacidad en Ah y resistencia interna. Ahí están los datos vivos de calidad; es la hoja que de verdad se consulta cuando hay una duda sobre un lote, y la única que está al día.
• El ERP oficial tiene una versión transcrita con semanas de desfase, que alguien copia a mano dedicando tiempo relevante cada mes.
• Cada copia mete errores en un dato que el cliente OEM puede auditar, y aparecen justo cuando se prepara un PPAP o se responde a una reclamación. Corregirlos entonces cuesta mucho más que haberlos evitado, y delante del cliente, un error de copia parece un error de proceso.
• Mientras tanto, la planta paga licencias del módulo de calidad para personas que solo entran a pegar resultados de test. Es un coste fijo que nadie relaciona con el problema.

Cómo encaja con el sistema IRIS

Connect en modo escucha hacia dentro — observa la hoja de ensayos, no al técnico.

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 y vuelca al ERP vía API.

El técnico sigue trabajando en su Excel como siempre. iLEAN lee solo lo que cambió cuando se guarda, lo presenta para validar y lo vuelca al ERP por API, de modo que el dato oficial y el dato real dejan de ser dos cosas distintas. El ahorro de licencias es la parte que más interesa a dirección financiera. El resto, menos errores y cero desfase, lo nota calidad desde la primera semana.

Ver la arquitectura IRIS completa →

Antes y después

El Excel del laboratorio aislado frente al Excel volcado

Aspecto	Hoy	Con iLEAN Connect
Resultados de CCA y capacidad en el ERP	Semanas de desfase	Segundo cero
Densidad del electrolito	Copiada a mano	Leída del Excel al guardar
Horas al mes copiando ensayos	Relevantes y recurrentes	Cero
Errores al copiar resultados de test	En un dato auditable por el OEM	Eliminados
Plantilla de la hoja de ensayos	Intocable	Se respeta tal cual
Licencias de calidad para resultados de test	Una por persona que transcribe	Solo quien valida

Semanas de desfase → segundo cero. Tiempo mensual de transcripción → 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.

• Payback estimado 4-9 meses, además del ahorro recurrente en licencias.
• 💰 Ángulo CFO: el ERP se factura por usuario nombrado. Si varias personas entran al módulo de calidad solo para meter resultados, la reducción típica es del 50-80 % de esas licencias.
• El desfase entre test y ERP pasa de semanas al segundo cero. Calidad y producción miran por fin el mismo dato al mismo tiempo.
• Y el tiempo mensual de transcripción del laboratorio pasa a cero, liberando al técnico para lo que sí requiere su criterio. Por ejemplo, analizar por qué un lote ha dado un CCA más bajo.

Ángulo CFO — reducción típica del 50-80% en licencias del módulo calidad/laboratorio, además de payback estimado 4-9 meses. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Y si el volcado mete un CCA equivocado en el ERP?» — leer columnas de una hoja con estructura conocida es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. Cada valor se contrasta además con el rango esperado para ese modelo de batería, y nada cruza al ERP hasta que el responsable de laboratorio lo valida en pantalla. Un valor fuera de rango no se bloquea en silencio: se señala para que lo revise. Así se distingue un error de lectura de una batería que realmente no cumple.

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