Cómo integrar IA a mi ERP o CRM sin perder datos

Integrar un agente de inteligencia artificial a tu ERP o CRM suena a pregunta de TI, pero en realidad es una decisión de tres áreas a la vez: comercial, legal y operaciones.

Quien decide mal en esta conversación suele pagar dos veces: una en la integración, y otra cuando el área de compliance detiene el proyecto a medio camino.

Qué datos toca tu agente (y por qué eso importa)

Antes de escribir una sola línea de API, necesitas un mapa explícito de los datos que el agente va a leer y escribir.

En un CRM típico son: cuentas, contactos, oportunidades, actividades, historiales de conversación y campos personalizados.

En un ERP son: órdenes de compra, facturas, inventario, cuentas por cobrar, maestros de clientes y proveedores, y en muchos casos también nóminas.

Si el agente puede escribir sobre cualquiera de estos registros sin una política explícita, el riesgo operativo es inmediato: facturas duplicadas, oportunidades cerradas por error, balances alterados.

Cómo mantenerlo dentro del jardín cercado

La práctica recomendada hoy es Retrieval-Augmented Generation (RAG) sobre el esquema y los datos del sistema, no acceso directo y abierto al modelo.

Eso significa tres controles concretos: el agente solo puede invocar funciones específicas que tú defines, cada acción sensible pasa por una aprobación humana antes de ejecutarse, y los registros sensibles nunca salen del perímetro del ERP/CRM.

Los principales proveedores ya publicaron guías para esto. Microsoft documenta su Copilot Trust Center para Dynamics 365, y Salesforce publicó su Einstein Trust Layer como arquitectura de referencia para evitar que los datos lleguen al modelo subyacente sin controles.

Qué métricas miden si la integración sirvió

Tres indicadores importan más que cualquier demo: cobertura de casos de uso (qué porcentaje del flujo objetivo el agente resuelve sin intervención humana), tasa de corrección (de las acciones que propone, cuántas el humano aprobó o rechazó), y tiempo medio por tarea comparado con el proceso manual.

Si después de 90 días la cobertura no supera un porcentaje razonable en tareas bien definidas, el problema suele ser de datos o de diseño del flujo, no del modelo.

Lo que casi nadie te dice sobre el cumplimiento regulatorio

La Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) y su regulación secundaria aplican cuando un agente procesa datos de clientes mexicanos en infraestructura fuera del país.

Si tu proveedor de modelo procesa prompts en data centers fuera de México, debes evaluar dónde se almacena la información temporalmente, quién tiene acceso y bajo qué contrato.

No basta con que el proveedor ofrezca una zona regional: hay que leer el contrato de tratamiento de datos y los anexos técnicos del modelo.

Un marco que sí puedes usar desde el día uno

ISO/IEC 42001:2023, el primer estándar internacional de gestión de inteligencia artificial, define un sistema de gestión que cubre gobierno, riesgo y cumplimiento de sistemas de IA a lo largo de su ciclo de vida.

El NIST AI Risk Management Framework (AI RMF 1.0) publicó en 2023 una versión con enfoque en riesgos operativos: confiabilidad, seguridad, explicabilidad y gestión de sesgos.

Ninguno de los dos te dice qué agente elegir, pero ambos te dan el lenguaje para pedirle a tu proveedor las garantías correctas.