Inventario Inteligente: Cómo Unificamos 11 Formatos de Excel con IA

42 Bodegas, 11 Formatos de Excel, $401 Millones en Inventario: El Caos Antes de la IA

Imagina este escenario: una empresa distribuidora con 42 bodegas en todo México. Cada bodega reporta su inventario en Excel. Pero no todos los Excels son iguales — cada región, cada jefe de almacén, cada sucursal creó su propio formato a lo largo de los años. Once formatos diferentes para reportar la misma información.

El resultado: $401 millones de pesos en inventario que nadie podía ver de forma unificada. Cada reporte mensual requería 3-4 personas durante una semana para consolidar manualmente. Los errores eran inevitables. Las discrepancias entre lo que dice el Excel y lo que hay físicamente en la bodega eran un misterio crónico. Y cuando el director general preguntaba “¿cuánto producto tenemos realmente?”, nadie podía responder con certeza.

Este es el proyecto que se convirtió en Capitán Inventario: 66 páginas, 31 herramientas de IA, 11 parsers custom, y un motor de estimación llamado “Cerebro de Kilos” que unifica todo. Construido en IAmanos con el mismo stack que usamos para las 35+ apps del ecosistema.

Este artículo documenta cada componente del sistema, las decisiones técnicas que tomamos, y los resultados reales. Si tu empresa tiene el mismo problema (múltiples Excels, inventario disperso, reportes manuales), esto es exactamente lo que se puede hacer.

El Problema en Detalle: Por Qué 11 Formatos de Excel Son una Pesadilla

Los 11 formatos no eran ligeramente diferentes — eran fundamentalmente incompatibles.

Las variaciones que encontramos

Formato 1 (Bodega Central CDMX): Columnas: SKU, Descripción, Unidad, Cantidad, Precio Unitario, Total. Ordenado por categoría. Headers en fila 3.

Formato 2 (Región Norte): Columnas: Código, Nombre del Producto, Pzas, KG, Costo, Subtotal. Sin categorías. Headers en fila 1. Mezcla piezas y kilogramos en la misma columna dependiendo del producto.

Formato 3 (Región Sureste): Headers en español informal (“cuántos hay”, “de qué es”, “a cuánto”). Múltiples hojas por categoría. Celdas combinadas en headers.

Formato 4-11: Variaciones similares pero cada una con su propio sabor de caos — diferentes nombres de columnas, diferentes unidades de medida, diferentes niveles de detalle, diferentes estructuras de hojas.

Los problemas específicos

• Unidades de medida inconsistentes: La misma materia prima se reportaba en kilos en una bodega, en toneladas en otra, y en piezas en otra. Sin conversión estandarizada.
• SKUs no estandarizados: El mismo producto tenía 3-5 códigos diferentes dependiendo de la bodega. “MAT-001”, “Material-1”, “M001”, “Materia Prima 001” — todo refiriéndose al mismo producto.
• Datos faltantes: Algunas bodegas no reportaban precio unitario. Otras no incluían fecha de último movimiento. Imposible hacer análisis cruzado.
• Celdas combinadas: El enemigo #1 de cualquier parser automático. Headers con merge cells, categorías en celdas combinadas que rompen la estructura tabular.
• Datos en texto libre: Observaciones como “este producto se lo llevó Juanito y no ha regresado” en celdas que deberían ser numéricas.

El costo del caos

Consolidar manualmente los 11 formatos cada mes requería:

• 3-4 personas dedicadas durante 1 semana
• ~120 horas-hombre por reporte mensual
• Margen de error: 5-8% (verificado contra conteos físicos)
• Costo laboral: ~$24,000 MXN/mes solo en consolidación
• Tiempo de respuesta: 7-10 días para tener el reporte listo

La Solución: 11 Parsers Custom con IA para Cada Formato

La primera decisión técnica fue: ¿un parser universal o parsers especializados? Optamos por 11 parsers especializados, uno para cada formato.

Por qué parsers especializados y no un parser universal

Un parser universal (“lee cualquier Excel y entiéndelo”) suena elegante pero falla en la práctica. Cuando le das un Excel con headers en fila 3 con celdas combinadas que dicen “de qué es” en vez de “descripción del producto”, la IA necesita demasiado contexto para interpretar correctamente. Y un error de interpretación en inventario de $401M no es un “oh bueno, corregimos después”.

Los parsers especializados conocen EXACTAMENTE la estructura de su formato. Saben que en el Formato 3, la columna C en la hoja “Carnes” es kilogramos y en la hoja “Abarrotes” es piezas. No adivinan — lo saben.

Arquitectura de cada parser

Cada parser tiene 4 capas:

1. Detector de formato: Identifica cuál de los 11 formatos es el Excel subido. Analiza headers, estructura de hojas, y patrones de columnas. Si no matchea ningún formato conocido, la IA intenta interpretar con un parser de fallback.
2. Extractor de datos: Lee el Excel con la lógica específica del formato. Maneja celdas combinadas, filas vacías, headers irregulares, y datos en texto libre.
3. Normalizador: Convierte todo a un formato interno estandarizado: SKU normalizado, descripción limpia, cantidad en unidad base (kilogramos), precio en MXN, fecha de último movimiento.
4. Validador: Verifica que los datos normalizados tengan sentido. ¿Una bodega reporta 500 toneladas de un producto que normalmente se maneja en kilos? Flag. ¿El precio unitario es 100x mayor que el promedio histórico? Flag.

La IA en los parsers

La IA no parsea los Excels directamente (eso es código determinístico). La IA interviene en 3 puntos:

• Matching de SKUs: Cuando “MAT-001” y “Material-1” aparecen en diferentes bodegas, la IA determina si son el mismo producto usando embeddings de la descripción + historial de matching previo.
• Interpretación de anomalías: Cuando una celda tiene “500 kg aprox” en vez de un número limpio, la IA extrae el valor numérico y marca la confianza (“500, confianza 85%”).
• Categorización automática: Productos nuevos que no están en el catálogo se categorizan automáticamente basándose en la descripción y los productos similares existentes.

El “Cerebro de Kilos”: Motor de Estimación de 3 Niveles

El nombre suena informal pero es el corazón del sistema. El “Cerebro de Kilos” resuelve el problema más difícil: cuando los datos son incompletos o inconsistentes, ¿cuánto producto HAY realmente?

Nivel 1: Dato exacto

Cuando el Excel reporta cantidad y unidad de medida de forma clara y consistente, se toma el dato tal cual. Este es el caso ideal — aplica al ~60% de los registros.

Nivel 2: Estimación por conversión

Cuando la unidad de medida no está clara o es inconsistente, el Cerebro aplica factores de conversión inteligentes. Por ejemplo: si una bodega reporta “500 piezas” de un producto que históricamente se maneja en kilos, y el peso promedio por pieza es 2.5 kg, el Cerebro estima 1,250 kg con un factor de confianza del 80%.

Los factores de conversión se alimentan de:

• Historial de reportes anteriores (“este producto siempre se reporta a 2.5 kg/pieza”)
• Catálogo de productos con pesos estándar
• Promedios de la industria para productos sin historial

Nivel 3: Estimación por IA

Cuando no hay dato, no hay conversión aplicable, y no hay historial, la IA estima basándose en: tamaño de la bodega, tipo de productos que maneja, promedios regionales, y temporalidad. Este nivel aplica al ~10% de los registros y tiene la confianza más baja (50-70%), pero es mejor que un vacío.

El indicador de confianza

Cada número en el sistema tiene un badge de confianza:

• Verde (90-100%): Dato exacto del Excel, validado.
• Amarillo (70-89%): Estimación por conversión con historial.
• Naranja (50-69%): Estimación por IA sin historial directo.
• Rojo (<50%): Dato faltante o inconsistente, requiere verificación manual.

El director general puede ver el reporte unificado y saber EXACTAMENTE qué números son confiables y cuáles necesitan verificación. No más “el Excel dice 500 pero realmente tenemos 300”.

31 Herramientas de IA: De Chat Conversacional a Reportes Ejecutivos

Capitán Inventario tiene 31 herramientas de IA distribuidas en las 66 páginas del sistema. Las más importantes:

Chat IA con tool_guidance intent

El chat de Capitán Inventario no es un chatbot genérico. Tiene un sistema de “tool guidance” que detecta la intención del usuario y activa la herramienta correcta:

• “¿Cuánto papel bond hay en total?” → Activa la herramienta de búsqueda de inventario cruzada entre bodegas
• “Compara el inventario de enero vs marzo” → Activa la herramienta de análisis temporal
• “¿Qué bodega tiene más pérdida?” → Activa la herramienta de detección de merma
• “Genera un reporte para el consejo” → Activa la herramienta de generación de reportes PDF

Herramientas de análisis

• Análisis de merma: Detecta discrepancias entre inventario reportado y movimientos registrados. Si una bodega reporta 1,000 kg pero los movimientos muestran 1,200 kg de entrada y 100 kg de salida, debería haber 1,100 kg. La diferencia de 100 kg es merma potencial.
• Ranking de proveedores: Analiza precio, tiempo de entrega, y calidad por proveedor. La IA genera recomendaciones de compra basadas en historial.
• Predicción de desabasto: Basada en consumo histórico, estacionalidad, y tiempos de entrega de proveedores, predice cuándo se agotará cada producto y cuándo hacer el pedido.
• Análisis ABC: Clasifica los ~3,000 SKUs en categoría A (80% del valor), B (15%), C (5%) para priorizar control.

Herramientas de reportes

10 formatos de reporte automatizados:

• Reporte ejecutivo (PDF de 1 página con KPIs clave)
• Reporte por bodega (Excel detallado)
• Reporte de valoración (inventario × precio unitario)
• Reporte de movimientos (entradas/salidas por período)
• Reporte de merma (discrepancias por bodega)
• Reporte de proveedores (ranking y recomendaciones)
• Reporte de productos críticos (bajo stock o sobre stock)
• Reporte comparativo temporal (mes vs mes, año vs año)
• Reporte de confianza de datos (% por nivel para cada bodega)
• Reporte de auditoría (log de todos los cambios y estimaciones)

Cada reporte se genera en segundos. Antes tardaba 1 semana. La misma información, 1,000 veces más rápido.

Herramientas de gestión

• Catálogo de productos inteligente: Cada producto tiene ficha completa con SKU normalizado, unidad base, factores de conversión, precio histórico, proveedor principal y alternativo, punto de reorden, y foto. La IA sugiere categorización automática para productos nuevos.
• Gestión de bodegas: Cada bodega tiene perfil con ubicación, jefe de almacén, formato de Excel que usa, horarios de operación, y métricas históricas (merma promedio, cumplimiento de reportes, volumen).
• Alertas configurables: El sistema envía alertas automáticas cuando: un producto baja del punto de reorden, una bodega no reporta en la fecha esperada, la merma de una bodega supera el umbral configurado, o hay una anomalía en los datos que requiere atención.
• Permisos por rol: Director ve todo. Gerente regional ve sus bodegas. Jefe de almacén ve solo su bodega. Cada rol tiene su dashboard personalizado con las métricas relevantes a su nivel.

Las 31 herramientas de IA no son features de showcase — son herramientas que el equipo usa diariamente. La más usada no es la más sofisticada (predicción de desabasto) sino la más práctica: la búsqueda por voz. “¿Cuántas bolsas de cemento hay en Querétaro?” y la respuesta aparece en 2 segundos.

Arquitectura Técnica: 66 Páginas en Next.js + Prisma + Docker

Capitán Inventario corre en el mismo stack que todo el ecosistema de apps de IAmanos.

Stack

• Frontend: Next.js 16 + TypeScript + Tailwind CSS
• Backend: Server Actions + API Routes
• ORM: Prisma 7 con PostgreSQL
• IA: Anthropic SDK (Claude Sonnet para análisis, Haiku para chat rápido)
• Excel parsing: ExcelJS + custom parsers
• PDF generation: pdfkit para reportes
• Deploy: Docker + Traefik en VPS de $200/mes

Las 66 páginas organizadas por módulo

Resultados Reales: Qué Cambió Después de Implementar

El impacto en toma de decisiones

Antes del sistema, las decisiones de compra se tomaban con datos de 2-3 semanas de antigüedad (el tiempo que tardaba el reporte manual). Esto significaba que se hacían pedidos de productos que ya tenían sobre-stock en alguna bodega, o que se descubrían faltantes demasiado tarde para evitar paros de producción.

Con Capitán Inventario, las decisiones se toman con datos de 24-48 horas de antigüedad (el intervalo entre uploads de Excel). La diferencia en la calidad de decisiones es dramática: se redujo el sobre-stock en un 15-20% porque el director puede ver en tiempo real cuándo una bodega tiene exceso y redirigir producto a donde falta, en vez de ordenar más.

El análisis de proveedores también cambió la dinámica de negociación. Cuando tienes datos históricos de 42 bodegas mostrando que el Proveedor A entrega 3 días más rápido que el Proveedor B pero es 5% más caro, la decisión de con quién negociar se basa en datos, no en relaciones personales o inercia.

El ROI en perspectiva

El sistema costó en el rango de $7,500 USD. El ahorro mensual en personal + errores es de ~$22,000 MXN (~$1,300 USD). El ROI se paga en 6 meses. Después del mes 6, es ahorro puro.

Pero el valor real no es el ahorro en consolidación — es la visibilidad. Cuando el director puede ver en tiempo real cuánto inventario hay, dónde hay sobre-stock, dónde hay riesgo de desabasto, y qué bodegas tienen pérdidas, las decisiones de negocio son fundamentalmente mejores.

Lecciones Para Tu Proyecto de Inventario con IA

Lección 1: No intentes un parser universal — haz parsers especializados

Sí, son más trabajo upfront. Pero cada parser especializado tiene 95%+ de accuracy. Un parser universal empieza en 60% y necesita meses de fine-tuning.

Lección 2: La confianza del dato es tan importante como el dato

No basta con mostrar un número. Tienes que mostrar qué tan confiable es ese número. El sistema de semáforo (verde/amarillo/naranja/rojo) transformó la forma en que el equipo usa los datos.

Lección 3: Los reportes automáticos cambian la cultura

Cuando obtener un reporte toma 15 minutos en vez de 7 días, la frecuencia de revisión aumenta. El equipo pasó de revisar inventario mensualmente a hacerlo semanalmente. Más frecuencia = menos sorpresas.

Lección 4: El chat IA con tools es más útil que dashboards

El director general nunca aprendió a usar los filtros del dashboard. Pero sí sabe preguntar: “¿Cuánto azúcar tenemos en las bodegas del norte?”. El chat con tool guidance se convirtió en la interfaz principal para ejecutivos.

Lección 5: El formato del Excel importa menos de lo que crees

Al principio intentamos estandarizar los formatos — que todas las bodegas usaran el mismo Excel. Fracasó rotundamente. Cada jefe de bodega tiene sus costumbres, su lógica, su forma de trabajar. Forzar un formato nuevo genera errores y resistencia. La solución correcta fue la opuesta: adaptarse a cada formato. Los parsers especializados cuestan más de desarrollar pero generan cero fricción con los usuarios. El jefe de bodega sigue usando su Excel de siempre — el sistema se adapta a él, no al revés.

Lección 6: La automatización total no es el objetivo

El sistema NO elimina el proceso de inventario físico. Sigue siendo necesario que alguien cuente los productos en la bodega y llene el Excel. Lo que el sistema elimina es todo lo que pasa DESPUÉS de llenar el Excel: la consolidación, la normalización, el análisis, los reportes. La parte humana (contar y reportar) sigue siendo humana. La parte mecánica (consolidar y analizar) es ahora 100% automática.

Si tu empresa tiene un problema similar — Excels dispersos, inventario sin visibilidad, reportes manuales — la solución existe y se construye en semanas, no en meses. Esto es exactamente lo que hacemos en automatización con IA. Visita nuestra fábrica de apps para ver más proyectos del mismo calibre.

¿Tu inventario vive en Excel? Cotiza la solución con IA →

Preguntas Frecuentes

¿La IA puede leer y unificar diferentes formatos de Excel?

Sí. Capitán Inventario usa 11 parsers especializados + IA para leer 11 formatos de 42 bodegas, normalizar datos, unificar SKUs, y generar una vista consolidada.

¿Cuánto cuesta un sistema de inventario con IA?

Un sistema completo como Capitán Inventario cuesta ~$7,500 USD. Para sistemas más simples, $2,500-$5,000 USD. El ROI se paga en ~6 meses.

¿Qué es el “Cerebro de Kilos”?

Motor de estimación de 3 niveles: datos exactos (60%), conversión con historial (30%), estimación IA (10%). Cada número tiene indicador de confianza visual.

¿Se puede detectar pérdidas de inventario con IA?

Sí. El sistema compara inventario vs movimientos y flaggea discrepancias como merma potencial. La IA detecta patrones de pérdida sistemática.

¿Funciona con cualquier formato de Excel?

Tiene 11 parsers especializados + parser de fallback con IA. Para máxima accuracy, se configura un parser nuevo en 2-3 horas por formato.