Cómo usamos la IA por dentro en Zero Azul

Es fácil hablar de IA en una charla. Lo difícil es que funcione un martes cualquiera, con datos desordenados y un equipo ocupado. Por eso en Zero Azul aplicamos una regla: lo que vendemos, primero lo usamos. Aquí está lo que corre hoy dentro de la empresa, sin datos de clientes.

1. Un CRM que se consulta conversando

Nuestro CRM, Polar, está conectado a Claude con un servidor MCP. Eso significa que el equipo le pregunta a Claude cosas como «¿qué oportunidades están activas esta semana?» o «¿qué cotizaciones aprobadas tenemos desde enero?», y Claude consulta el CRM y responde con los datos reales. También puede crear clientes, contactos, oportunidades y cotizaciones, por ejemplo una oportunidad nueva a partir del acta de una reunión.

Qué cambió: nadie tiene que entrar a cinco pantallas para armar un resumen. La información está donde ya se está trabajando. Lo contamos en detalle en cómo conectamos Claude a nuestro CRM con MCP.

2. Primmer: medir si la IA recomienda una marca

Primmer es un producto propio. Le pregunta a ChatGPT, Gemini, Perplexity y Claude lo mismo que preguntaría un cliente, y registra si la marca aparece, en qué posición y a quién recomiendan en su lugar. Lo usamos para nuestros sitios y para los de clientes. Así funciona por dentro: cómo medimos la visibilidad de una marca en los motores de IA.

3. Seguridad web que se revisa sola

Manejamos decenas de sitios con soporte. Revisarlos a mano no escala, así que tenemos informes de seguridad que llegan solos todos los días y alertas cuando algo cambia en un sitio. Además estamos construyendo Vigilantte, una herramienta propia que escanea de forma automática detalles puntuales de seguridad y entrega el informe en PDF. Todavía está en desarrollo: el objetivo es que todos los clientes con soporte reciban su informe de ciberseguridad.

4. Informes que redacta Claude y revisa una persona

Muchos informes para clientes, como el uso de un asistente durante el último mes, los arma Claude a partir de los datos. Pero ninguno sale sin que alguien del equipo revise que los números estén bien manejados. La IA ahorra las horas de armar el documento; la responsabilidad sigue siendo humana.

Lo que aprendimos: el paso de revisión no es opcional. Un modelo puede redactar perfecto y aun así sumar mal una columna o mezclar dos periodos.

5. Prospección que parte del contexto de cada persona

Cuando escribimos a una empresa nueva, el mensaje parte de lo que hace esa persona y su compañía: su rol, su industria, el problema probable. La IA nos ayuda a investigar y a redactar un primer borrador, y luego lo ajustamos. El resultado son correos cortos que hablan del negocio del otro, no de nosotros.

6. Automatizaciones en n8n con validación de datos

Usamos n8n para flujos que corren solos, como recordatorios automáticos que se envían en la fecha correcta. Lo importante no es el envío: es qué pasa cuando un dato viene mal. Nuestros flujos validan, por ejemplo, que un teléfono tenga el formato correcto; si no, no lo envían y avisan por correo con la lista de registros a corregir. Una automatización sin manejo de errores falla en silencio.

Lo que tienen en común

• Se conectan a donde ya está el trabajo: el CRM, el correo, los sitios.
• Tienen un humano en el punto que importa: revisar un informe, aprobar un envío.
• Avisan cuando fallan: alertas, correos con errores, avisos en pantalla.
• Empezaron pequeños: una tarea, medida, y después la siguiente.

Es la misma ruta que seguimos con los clientes: mapear dónde se pierde tiempo, priorizar por retorno, probar con datos reales, llevar a producción y lograr que el equipo lo adopte. Si quieres estimar cuánto te ahorraría una de estas tareas, usa la calculadora de ahorro con IA.