De datos dispersos a decisiones ejecutadas en producción
Alumno: Antonio Rodríguez de Tembleque
Tutor: Cristian Betancort Niz
Máster: IA Aplicada al Marketing (KSchool) · Defensa 17/06/2026
Caso real: FactuFicticia (SaaS B2B de facturación electrónica · México)
Un sistema que no solo mide o reporta: decide y aplica cambios en producción — con un ahorro ya medido y un valor proyectado de seis cifras.
Equipo no contratado + CRM/CDP/BI/mailing evitados + horas automatizadas + tráfico orgánico (8 partidas, 3 niveles de certeza).
Infraestructura completa: Supabase, Vercel y las APIs. El orquestador propio frente a una CDP comercial desde ~€1.300/mes.
Y un caso piloto ya verificado: €340/mes recuperados aplicando negativas vía API — prueba de que el ciclo cierra.
Empresa real de facturación electrónica CFDI 4.0 en México, bajo pseudónimo.
El 70% de tráfico orgánico — un canal que el propio sistema demostró infravalorado.
Inversión publicitaria continua que había que optimizar sobre datos reales, no proxies.
El origen de todo el proyecto: medir el ROAS de verdad. Dos causas lo rompían.
El cliente compra el día 31 o 32, cuando Google Ads ya "ha dejado de mirar". El ROAS de la plataforma cuenta registros gratuitos, no pagos reales — un espejismo.
Pagos, CRM, soporte, Ads y analítica no se hablaban. Se cruzaban a mano en Excel. Consecuencia: decisiones a ciegas y reportes que tardaban 15–20 días.
El ROAS positivo no cuadraba con el ingreso: el pago llega el día 31-32, fuera de la ventana de atribución.
El dato existía pero en 5 silos, cruzados a mano con 15-20 días de retraso.
Un warehouse casa cada compra por transaction_id y RFC → ROAS real por campaña.
Flujos manuales útiles, pero sin capa de decisión y no escalaban al volumen.
Desde ~€1.300/mes, conectores rígidos y scoring de caja negra.
Warehouse + MCPs + agente con gobernanza. Menos de €170/mes.
6 fuentes · 7 vistas · churn + asistente IA · 3 hitos adelantados.
Las decisiones técnicas respondieron a limitaciones reales, no a moda.
Seis fuentes unificadas en un warehouse propio. Siete vistas que el equipo entiende, actualizadas solas cada mañana.
Se le habla en lenguaje natural; analiza las plataformas y, con aprobación humana, ejecuta cambios reversibles.
Chat en el propio dashboard: cualquiera pregunta a los datos, en solo lectura y con el SQL visible para auditar.
Calculadoras fiscales y contenido GEO/AEO que también citan ChatGPT y Gemini.
Dashboard ejecutivo del orquestador: ingreso diario, cuentas nuevas, ROAS real calculado contra cobros y posiciones de Search Console.
Webhooks en tiempo real + ETL automático cada mañana (Search Console 8:00, GA4 8:30 UTC). Las columnas con datos personales van anonimizadas.
"Identifica las campañas con peor coste por compra y revisa sus términos de búsqueda."
El agente devuelve hallazgos con datos reales vía MCP de Google Ads.
Muestra el cambio exacto y espera mi confirmación: human-in-the-loop.
Aplica la negativa vía API. El equipo lo ve en su dashboard.
Agente → MCP → API → producción → warehouse → vista operativa. Reversible y auditado.
−€340/mes en el caso piloto, repetido en la 2ª iteración (−€90/mes más). Coste marginal cero por optimización.
Orgánico = 2,1× la pauta; el canal de IA (ChatGPT/Perplexity) convierte al 24,9% — la tasa más alta. Genera su propio roadmap.
ROAS real por campaña, antes invisible: destapa la brecha entre lo que reporta Google (1,46×) y lo cobrado por sesión (0,43×). Reportes de 15-20 días a minutos. 1.937 clientes en riesgo detectados.
€77K–149K/año, ROI 38×–73×. Separado de lo medido, con metodología explícita por partidas.
Tres hitos planificados para la Fase 2 ya están en producción: el ETL automático, el churn score y el asistente embebido.
Churn por reglas transparentes, no ML (sin histórico etiquetado no hay validación). Atribución first-touch; multi-touch y el puente de conversión automático son la Fase 2 real.
Conocer el límite del sistema es criterio, no debilidad.
55.000 clientes · 6 fuentes unificadas · valor proyectado de seis cifras al año
Fase 2 (Q3): cerrar el bucle de atribución automático — el puente de conversión es la prioridad. Visión (Q4): un patrón replicable a otros verticales.
¿Preguntas?
Antonio Rodríguez de Tembleque · Máster en IA Aplicada al Marketing · KSchool 2026