Agentes de IA con datos estructurados: hojas de cálculo, bases de datos y CRM

Tus datos más valiosos no están en documentos, están en tablas

Cuando se habla de agentes de IA que consultan el conocimiento de la empresa, casi siempre se piensa en documentos: manuales, contratos, correos. Pero la información con la que una empresa toma decisiones cada día vive en otro sitio: en la hoja de cálculo de pedidos, en la base de datos de facturación y en el CRM. Filas y columnas, no párrafos.

La respuesta corta: un agente de IA con datos estructurados es un agente que puede consultar y, si se le permite, modificar información organizada en tablas: hojas de cálculo, bases de datos o un CRM. En lugar de leer texto, hace preguntas precisas a esos sistemas (“pedidos pendientes de este cliente”, “facturas vencidas de más de 60 días”) y trabaja con la respuesta exacta.

Bien montado, permite preguntar a tus datos en lenguaje normal y obtener cifras fiables.

El becario que sabe usar el archivo

Piensa en dos becarios. Al primero le das una caja de documentos y le pides que te diga cuánto ha comprado un cliente este año: leerá, sumará a mano y probablemente se equivoque en algo. El segundo sabe usar el programa de facturación: filtra por cliente y por fecha, y te da la cifra exacta en un minuto.

Un agente con datos estructurados es el segundo becario. No “recuerda” ni “intuye” los números: los consulta en la fuente cada vez. Por eso es diferente del RAG agéntico, que busca fragmentos de texto en documentos. Los dos se complementan: el RAG responde “qué dice el contrato de este cliente” y el agente de datos responde “cuánto nos debe”.

Dos formas de conectar un agente a tus datos

1. Herramientas a medida

Se le dan al agente acciones concretas y cerradas: “buscar cliente por nombre”, “listar pedidos pendientes”, “consultar saldo de una factura”. Cada herramienta hace una sola cosa, con parámetros definidos. El agente elige cuál usar y con qué datos, pero no puede salirse de ese menú.

• Ventajas: muy seguro y predecible; el agente no puede hacer nada que no esté previsto.
• Inconvenientes: solo responde a las preguntas que alguien anticipó al crear las herramientas.

Es la opción natural para conectar un CRM o un programa de gestión, y es justo lo que facilitan estándares como MCP y los conectores: el agente se enchufa a tus sistemas a través de acciones bien definidas.

2. Texto a SQL (o a fórmulas)

El agente traduce la pregunta en lenguaje natural a una consulta a la base de datos (en lenguaje SQL) o a una fórmula de hoja de cálculo, la ejecuta y lee el resultado. Es mucho más flexible: puede responder preguntas que nadie había previsto, como “qué clientes compraron en marzo pero no en abril”.

• Ventajas: flexibilidad casi total para preguntas de análisis.
• Inconvenientes: más riesgo de consultas mal planteadas y de resultados que parecen correctos pero no lo son.

Cuál elegir

Para acciones que tocan datos (crear, modificar, enviar), herramientas a medida siempre. Para preguntas de consulta y análisis, texto a SQL puede compensar, pero siempre en modo solo lectura y con las salvaguardas que vemos a continuación. Muchas empresas combinan ambas: herramientas para operar y consultas libres para analizar.

Permisos: empieza por el solo lectura

La regla más importante es sencilla: un agente que solo necesita consultar datos no debe poder modificarlos. Y no basta con pedírselo en las instrucciones; hay que garantizarlo técnicamente:

• Usuario propio con permisos mínimos: el agente se conecta con una cuenta que solo puede leer, y solo las tablas que necesita.
• Copia o réplica para análisis: si el agente va a hacer consultas pesadas, mejor sobre una copia que no afecte al sistema de producción.
• Datos sensibles fuera de su alcance: nóminas, datos de salud o contraseñas no deberían estar en las tablas que el agente puede ver.
• Escritura solo con herramientas y, si es delicado, con aprobación: si el agente debe actualizar el CRM, lo hace mediante herramientas concretas (“añadir nota”, “cambiar estado de oportunidad”) y con una persona aprobando lo importante, siguiendo el patrón de humano en el bucle.

Validar antes de fiarse del número

Un agente que da una cifra con seguridad puede estar equivocado con la misma seguridad. Algunas salvaguardas que funcionan:

• Mostrar la consulta: junto a la respuesta, el agente enseña cómo la ha obtenido (qué tabla, qué filtros), para que una persona pueda comprobarlo.
• Comprobaciones de sentido común: si la facturación del mes sale diez veces mayor que la del anterior, el agente debe avisar en lugar de presentarlo como un dato normal.
• Límites de resultados: una consulta que devuelve 200.000 filas probablemente está mal planteada.
• Datos limpios: si en la hoja de cálculo el mismo cliente aparece escrito de cinco formas distintas, ningún agente sumará bien. Preparar los datos para que la IA sea útil es parte del proyecto, no un extra.

Ejemplo hipotético: el director comercial que pregunta en voz alta

Imagina una distribuidora que conecta un agente a su CRM y a su programa de facturación, en modo solo lectura. El lunes por la mañana, el director comercial escribe: “¿Qué clientes de la zona norte llevan más de 90 días sin comprar y cuánto facturaban de media?”.

El agente consulta el CRM para filtrar por zona, cruza con la facturación, calcula las medias y devuelve una tabla de 14 clientes ordenada por importe, junto con los filtros que ha usado. Antes, esa pregunta suponía pedir un informe a administración y esperar dos días. Ahora el director tiene la lista en un minuto y puede pedir al agente que prepare borradores de correo para los cinco primeros, que él revisa antes de enviar.

Errores habituales

• Dar permisos de escritura “por si acaso”: si no lo necesita, no lo tiene.
• Conectar el agente a la base de datos de producción para análisis pesados: puede ralentizar el sistema que usa todo el equipo.
• Fiarse de cifras sin ver cómo se han calculado.
• Ignorar la calidad de los datos: un agente no arregla una hoja de cálculo desordenada; la amplifica.
• Mezclar datos de clientes en las respuestas sin control de quién puede ver qué.

Preguntas frecuentes

¿Puede un agente trabajar directamente con mis hojas de Excel o Google Sheets?

Sí. Es uno de los casos más habituales para empezar. Conviene que la hoja tenga una estructura clara: una fila por registro, columnas con nombres consistentes y sin celdas combinadas.

¿Es seguro dejar que la IA haga consultas a mi base de datos?

Lo es si la conexión es de solo lectura, limitada a las tablas necesarias y con datos sensibles excluidos. La seguridad la pone la configuración, no la buena voluntad del agente.

¿Necesito una base de datos para usar un agente con datos estructurados?

No necesariamente. Muchas pymes empiezan con hojas de cálculo y su CRM. Cuando el volumen crece, pasar a una base de datos facilita consultas más rápidas y fiables.

Conclusión

Los agentes de IA son mucho más útiles cuando pueden preguntar a tus datos reales en lugar de adivinar. Hojas de cálculo, bases de datos y CRM se convierten en fuentes a las que preguntar en lenguaje normal, siempre que el acceso esté bien acotado: solo lectura por defecto, herramientas concretas para modificar y validación antes de fiarse de cada cifra.

En Rakaty conectamos agentes a los sistemas que ya usas, con los permisos justos y las comprobaciones necesarias. Si quieres poder preguntar a tus datos sin esperar informes, escríbenos.