Dashboard de planificación: antes y después de una revisión asistida por IA

El dashboard de la izquierda es lo que el equipo de planificación estaba viendo antes de la pasada de revisión. Treinta y siete KPIs. Cuatro gráficos de series de tiempo. Dos tablas dinámicas. Todo técnicamente presente; nada priorizado.

La cadena de prompts corrió en tres etapas: primero una lectura completa de la especificación del dashboard, luego una pasada de crítica preguntando qué eliminaría un revisor senior, y luego una pasada de reconstrucción usando solo las diez métricas que sobrevivieron. El resultado está a la derecha.

Qué cambió: veintisiete métricas eliminadas, no porque estuvieran mal sino porque no eran relevantes para la decisión. Los dos gráficos de series de tiempo que quedaron se replantearon alrededor de la decisión de planificación real (punto de reorden vs. posición actual de inventario) en lugar de alrededor de lo que era fácil de extraer del sistema.

Lo que esto tomó: Cuarenta minutos, una sesión de Claude, una cadena de prompts bien estructurada. La IA no entendía el contexto de planificación; se le dio. El prompt incluía la decisión que el dashboard debía apoyar y la audiencia que lo leería. Ese contexto es lo que hizo el trabajo.

Lo que no hizo: La IA no tenía visibilidad de los datos subyacentes. Revisó la estructura y el encuadre, no los números. Un humano igual tuvo que verificar que las diez métricas sobrevivientes estuvieran correctamente calculadas. La automatización maneja la estructura; el juicio maneja la verificación de exactitud.

Modo de fallo: La primera versión del prompt de crítica fue demasiado agresiva: marcó doce métricas para eliminar que en realidad eran estructurales para un proceso posterior que el prompt no conocía. La segunda versión agregó una restricción: “no sugieras eliminar ninguna métrica que alimente el paquete semanal de S&OP.” Eso produjo un resultado más útil.