Agente de IA para consulta de datos en lenguaje natural en agencia de medios

Se diseñó e implementó una base de datos propia y un agente de IA que traduce lenguaje natural a SQL para una agencia de medios latinoamericana, desbloqueando el proceso de análisis que antes dependía de sistemas externos con limitaciones de consulta. El resultado fue una fuente de datos centralizada y un acceso más rápido y seguro a la información para los distintos equipos.

Problema

La agencia operaba con un proceso de análisis fragmentado, dependiente de sistemas externos con limitaciones de consulta y sin una fuente de datos propia. Los equipos perdían tiempo reconciliando información entre distintas fuentes, y la toma de decisiones quedaba condicionada por los accesos y formatos que no controlaban.

Objetivos de negocio

  • Optimizar el proceso de análisis end-to-end, desde la consulta de datos hasta la entrega
  • Reducir la fricción entre equipos internos y con los proveedores del sistema actual
  • Contar con una base de datos propia que mejore la velocidad y calidad de consulta
  • Eliminar el cuello de botella principal antes de escalar mejoras al resto del proceso
  • Ganar independencia sobre los datos sin migrar todo el ecosistema tecnológico

Solución

Se realizó un diagnóstico del proceso completo mediante charlas estructuradas con los equipos internos y los proveedores del sistema vigente. En lugar de rediseñar todo el proceso, se identificó y priorizó el cuello de botella principal. A partir de ese diagnóstico se construyó una base de datos propia en PostgreSQL que centraliza la información y mejora significativamente los tiempos de consulta. Sobre esa base se implementó un agente en n8n que traduce lenguaje natural a SQL, permitiendo a los equipos consultar datos respetando permisos por rol y área. Los resultados se exportan en Excel o texto plano, adaptándose al entorno Microsoft ya utilizado por el cliente, y la comunicación con el agente corre sobre Microsoft Teams, con GPT-4.1 vía Azure como modelo de IA. El proceso incluyó entregas intermedias, revisiones con los equipos y acompañamiento de adopción cultural para sostener el cambio más allá de la implementación técnica.

Interfaz del agente de IA para consulta de datos en HCM Global
Vista del agente para consultar datos en lenguaje natural y recibir resultados estructurados.

Resultados

Base de datos propia

Se centralizó la información en una base de datos en PostgreSQL, reemplazando la dependencia de sistemas externos con limitaciones de consulta.

Consulta en lenguaje natural

Se implementó un agente en n8n que permite a los equipos consultar datos en lenguaje natural, respetando permisos por rol y área.

Adopción cultural sostenida

Se acompañó la implementación con entregas intermedias y revisiones conjuntas para asegurar que el cambio se sostuviera en el uso diario.

Hablemos de un proyecto similar

Contanos que queres mejorar