Un especialista en marketing o analista de datos que recopila precios de la competencia hace en realidad tres cosas: buscar precios y ofertas, colocarlos uno junto a otro según un criterio fijo, y hacer que el resultado sea útil para una decisión sobre la propia fijación de precios. Se trata de una tarea que consiste en gran medida en obtener y ordenar datos, y eso es precisamente el tipo de trabajo del que la IA ya puede asumir hoy una gran parte, siempre que se cumplan una serie de condiciones.
Tres ejes son aquí decisivos: estructuración, volumen y margen de juicio. Los precios son números, las ofertas están en páginas web con una estructura reconocible, y la propia comparación sigue un criterio establecido de antemano: la misma categoría de producto, la misma unidad, el mismo período. Eso hace que la tarea esté suficientemente estructurada como para automatizarla. El volumen también ayuda: diez competidores, cien productos, repetido semanalmente, es exactamente el tipo de trabajo de recopilación repetitivo en el que un sistema no se cansa y una persona sí. Y el margen de juicio está deliberadamente limitado: un agente aplica una lógica de comparación fija, no concibe una nueva estrategia.
Los demás ejes confirman esta imagen. No hay contacto con clientes, ni actuación física, y la sensibilidad de cumplimiento normativo es baja: se trata de información pública que cualquiera puede consultar. Los costes de error son moderados: un precio comparado incorrectamente da lugar a una imagen distorsionada, no a un contrato incumplido ni a un cliente enfadado. La creatividad desempeña un papel a la hora de interpretar ofertas inusuales (un descuento por lote, una promoción temporal, un tamaño distinto), pero eso es más bien la excepción que la regla.
Se trata de una tarea para un agente: un sistema que consulta de forma autónoma páginas de precios, extrae datos de texto y estructura, los clasifica según los criterios de comparación establecidos y entrega el resultado como un resumen. Esto funciona bajo dos condiciones. Primero: acceso a datos de precios públicos, lo que significa que la información debe ser localizable y legible: sin muro de inicio de sesión, sin un precio que solo se facilite por teléfono. Segundo: criterios de comparación fijados de antemano. Sin ese acuerdo —qué es 'comparable', qué unidad, qué período— un agente entrega un conjunto de números sin que nadie sepa si pueden colocarse uno junto a otro.
Eso es precisamente donde la imagen se matiza. Recopilar y ordenar es tarea de la IA. La traducción de esa comparación en una decisión de precios —subir, bajar, iniciar una promoción— sigue siendo trabajo humano, con juicio sobre margen, posicionamiento y relación con el cliente. La tarea de este análisis trata sobre la elaboración de la comparación, no sobre la decisión que le sigue.
Una tienda en línea que sigue semanalmente los precios de quince competidores para cien categorías de productos puede dejar en gran medida ese proceso en manos de un agente: este recopila los datos, reconoce las ofertas y coloca todo en un resumen fijo. Un especialista en marketing evalúa a continuación el resultado —¿es correcta la comparación, hay algo extraño con un competidor que de repente es un tercio más barato?— y lo aprueba o lo devuelve con un motivo. Esa es la segunda categoría de la taxonomía: la IA hace el trabajo, una persona supervisa aportando su juicio.
En un proveedor de servicios B2B donde los precios solo están disponibles por solicitud, las cotizaciones son a medida y 'comparable' no tiene un significado unívoco, la imagen cambia. La estructuración disminuye, el margen de juicio aumenta, y el trabajo se apoya más en un analista que recopila información por teléfono o a través de una red y evalúa por sí mismo qué es comparable. En ese caso se trata menos de una tarea para un agente y más de una tarea en la que la IA presta apoyo —por ejemplo, estructurando notas— mientras el juicio sigue en manos de la persona.
Este cambio afecta a más ámbitos de una empresa que solo el seguimiento de precios. Quien quiera ajustar el presupuesto publicitario en función de los resultados observa un patrón comparable: datos estructurados, alto volumen, margen de juicio limitado, y un agente que puede asumir la mayor parte del trabajo siempre que los criterios estén fijados. Quien examine cómo se analizan las estadísticas del sitio web también observa la misma combinación de recopilar, ordenar y solo después interpretar. Cuando entra en juego más trabajo creativo, como en la redacción de una publicación para redes sociales, la relación entre automatización y supervisión vuelve a ser distinta. El patrón es siempre el mismo: cuanto más estructurada sea la entrada y cuanto mayor sea el volumen, antes podrá un agente realizar la mayor parte del trabajo, con una persona que evalúa el resultado en lugar de realizar el trabajo en sí.
Esto no es una afirmación sobre la función de especialista en marketing o analista de datos, ni una base para fundamentar decisiones de personal. Para las decisiones sobre funciones y plantilla se aplican requisitos legales propios, independientes de lo que muestre un análisis de tareas como este. Esta página describe una tarea, no un puesto, y un puesto suele constar de muchas más tareas que una sola.
Para ver cómo se presenta esto en su propia empresa, el análisis rápido gratuito es un primer paso: doce preguntas, sin necesidad de cuenta, con como resultado una indicación de qué parte de las horas dedicadas a este tipo de trabajo puede asumir hoy la IA. El análisis de trabajo completo, que desglosa el trabajo de su empresa en tareas a lo largo de estos ocho ejes, todavía está en construcción y se ofrecerá aquí más adelante.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.