La IA no debería decidir qué promete una empresa. Puede ayudar a encontrar, ordenar y convertir conocimiento aprobado en un primer borrador que el equipo pueda discutir y validar.
Una propuesta no es un ejercicio de redacción. Es una síntesis de alcance, contexto del cliente, información técnica, precio, plazos, riesgos y compromisos. Cuando se prepara con prisa, el problema casi nunca es que alguien no sepa escribir. El problema es que la información válida está dispersa y nadie tiene claro qué se puede reutilizar sin cambiar el significado de lo que se ofrece.
La IA es especialmente útil en la parte previa a la decisión: extraer requisitos, localizar material aprobado, comparar versiones, ordenar un índice y producir un primer borrador. El criterio comercial, técnico y contractual sigue perteneciendo al equipo.
Una propuesta falla antes de que alguien la lea
Muchas propuestas empiezan tarde porque la empresa comienza desde un documento vacío. Alguien busca una respuesta parecida, otra persona localiza una presentación antigua, el responsable técnico añade un matiz y el comercial reconstruye el caso contra reloj. Es una forma lenta de trabajar, pero sobre todo es una forma difícil de revisar: no siempre queda claro de dónde sale cada afirmación.
Un sistema de apoyo bien diseñado no pregunta a un modelo “redáctame una propuesta”. Le plantea tareas más comprobables:
- Identificar los requisitos de una solicitud, RFQ o briefing.
- Separar las preguntas comerciales, técnicas y documentales.
- Localizar fuentes aprobadas que respondan a cada apartado.
- Proponer el índice y el primer borrador con huecos visibles cuando falta información.
- Permitir que las personas responsables corrijan, aprueben o rechacen cada parte.
La diferencia parece sutil, pero es decisiva. En lugar de fingir certeza, el sistema revela lo que todavía necesita respuesta.
Cinco tareas donde la IA puede aportar valor
1. Extraer requisitos de un documento extenso
Una solicitud comercial suele mezclar requisitos explícitos, preguntas abiertas, fechas, anexos, condiciones y criterios de respuesta. La IA puede proponer una lista estructurada para que un responsable la revise. No debe interpretar por sí sola un requisito ambiguo; sí puede reducir el trabajo de localizarlo.
2. Crear una matriz de responsables
Una vez detectadas las preguntas, el sistema puede organizarlas por tipo: comercial, técnico, legal, financiero o documental. Esto evita que una propuesta llegue al final sin que alguien haya asumido una parte crítica.
3. Recuperar contenido aprobado
Casos, fichas técnicas, preguntas frecuentes, referencias y respuestas anteriores pueden ser útiles si se conocen su fuente y su vigencia. La IA puede ayudar a encontrarlos; no convierte automáticamente un texto antiguo en una afirmación válida para un cliente nuevo.
4. Preparar un primer borrador con trazabilidad
El objetivo de un primer borrador no es sustituir la propuesta final. Es dar al equipo una base que pueda corregir con rapidez, conservando el vínculo con las fuentes utilizadas y señalando información pendiente.
5. Comparar versiones y detectar huecos
La IA puede ayudar a señalar un apartado sin respuesta, una variación entre versiones o un requisito que no aparece en el índice. Es un apoyo a la revisión, no una validación automática de coherencia técnica, precio o contrato.
Qué nos enseña la evidencia — y qué no permite afirmar
Un experimento publicado en Science evaluó a 453 profesionales en tareas de redacción y encontró que el grupo con acceso a una herramienta generativa completó las tareas con menor tiempo medio y con una mejora media de calidad evaluada. El contexto no eran propuestas comerciales, presupuestos, contratos ni especificaciones técnicas. Por eso no puede usarse como promesa de ahorro o calidad para una empresa concreta.
El estudio es útil por otra razón: muestra por qué el borrador, el esquema y la reformulación son tareas razonables para probar. La validación de un precio, una condición de suministro o una promesa al cliente exige conocimiento que no está garantizado por la calidad formal de un texto.
Un experimento descrito por el AI Institute de Harvard Business School con 758 consultores también subraya que el rendimiento de la IA varía según la tarea. En ejercicios situados dentro de las capacidades del modelo, los participantes mejoraron velocidad y calidad evaluada; fuera de ese ámbito, el resultado no era uniforme. Para una propuesta comercial, la conclusión prudente es trabajar con tareas delimitadas y revisión experta, no delegar todo el proceso.
Las cinco decisiones que no deben delegarse
- Precio y margen. Incluidos descuentos, estructura de costes y excepciones.
- Alcance y plazos. Lo que la empresa acepta hacer, entregar o mantener.
- Especificaciones técnicas. Especialmente cuando una precisión incorrecta cambia la solución ofrecida.
- Compromisos contractuales o regulatorios. La IA no sustituye revisión legal, técnica ni de cumplimiento.
- Aprobación final. Alguien debe asumir la versión que recibe el cliente.
La responsabilidad no se automatiza. Se puede documentar mejor, asignar antes y apoyar con mejores borradores.
El sistema mínimo de fuentes aprobadas
Antes de crear una biblioteca extensa, define una ficha sencilla para cada fuente que quiera reutilizarse: tipo de documento, responsable, fecha de revisión, categoría de uso y enlace al original. Una respuesta puede ser buena y seguir siendo inapropiada si pertenece a otro mercado, contiene una condición caducada o describe un alcance que ya no se ofrece.
El perfil de IA generativa de NIST destaca la relevancia de la procedencia y trazabilidad de datos y contenido. Traducido al trabajo comercial: si una frase llega a una propuesta, el equipo debería poder saber de qué fuente aprobada procede, quién la revisa y por qué sigue siendo adecuada para ese caso.
Cómo hacer un piloto controlado
Empieza con una familia de propuestas repetible: un tipo de servicio, una línea de producto o una respuesta comercial frecuente. Limita las fuentes a un conjunto revisado. Define qué tareas prepara la IA, qué revisa cada persona y cuál es la versión que se considera final.
Antes de ampliar, mide en el trabajo real:
- Tiempo de búsqueda de información aprobada.
- Tiempo hasta el primer borrador revisable.
- Número de correcciones relevantes antes de enviar.
- Porcentaje de contenido reutilizado con fuente identificada.
- Preguntas que siguen sin respuesta al llegar a revisión.
Estas medidas no fijan un ROI universal. Sirven para decidir si el flujo está siendo más claro y si merece mayor alcance.
Si el problema principal no es redactar sino encontrar información válida, conviene empezar por ordenar el conocimiento comercial. Si la propuesta se pierde después de una conversación, el siguiente foco puede ser CRM y seguimiento. La herramienta llega después de la decisión sobre el flujo.
¿Preparar propuestas exige buscar demasiada información?
E2M puede revisar el flujo, las fuentes y los límites necesarios para elegir un primer piloto que el equipo pueda validar.
Fuentes y límites de esta guía
- Science: Experimental evidence on productivity effects of generative AI. Tareas de redacción con profesionales; no propuestas, precios ni documentos contractuales.
- Harvard Business School AI Institute: Navigating the Jagged Technological Frontier. Experimento con consultores; no prueba calidad comercial, técnica o legal de una propuesta.
- NIST AI 600-1. Guía de riesgos de IA generativa; no certifica herramientas ni resultados.