MAPSA S.A. es la única empresa de capitales nacionales en Argentina que fabrica arneses de cable para terminales automotrices de primera línea. Compite en un mercado altamente exigente y globalizado, donde gran parte de los insumos son importados y sus principales competidores son compañías multinacionales con mayores escalas, estructuras internacionales y ventajas operativas. En ese contexto, la eficiencia interna se vuelve un factor decisivo para sostener competitividad. La diferencia de costo estructural puede alcanzar entre un 30% y 40%, lo que convierte a la eficiencia interna en el único terreno donde realmente se puede competir.
El cuello de botella más crítico estaba en el proceso de cotización de nuevos proyectos. Cotizar un arnés implica analizar planos eléctricos y dimensionales de alta complejidad, identificar cada componente, cuantificar operaciones a partir de 89 estándares internos y cruzar esa información con costos del ERP. Un proyecto típico de 30 a 40 arneses demandaba cerca de 300 horas de trabajo de ingeniería.
El problema de fondo era que cotizar es, en buena medida, ya producir: el 70% del desarrollo técnico queda resuelto antes de saber si el proyecto se gana. Cada cotización fallida llevaba consigo cientos de horas de trabajo sin retorno, y responder en tiempo razonable exigía asignar múltiples personas al mismo análisis simultáneamente.
Antes de llegar a la solución actual, MAPSA invirtió ocho meses en desarrollar un sistema propio en Python con un ingeniero en sistemas dedicado. Ese desarrollo alcanzó nivel técnico sólido en detección de imágenes y extracción de datos de planos, y llegó a producir resultados de calidad en casos específicos.
El problema no fue la tecnología sino la escalabilidad: el sistema necesitaba ser alimentado manualmente con cada tipo nuevo de plano o cliente. No aprendía solo, no crecía con el negocio y generaba una dependencia estructural. Esa experiencia fue la base conceptual y técnica sobre la que se construyó la solución escalable que vino después.
El sistema recibe planos eléctricos y dimensionales en formatos estándar (PDF, JPG) y los analiza mediante visión por computadora y modelos de lenguaje. Identifica componentes (conectores, terminales, cables, segmentos de cinta), infiere las operaciones de producción que corresponden a cada elemento según los 89 estándares internos, y genera automáticamente tanto la estructura de bill of materials como la cuantificación de tiempos de armado.
El diferencial está en los prompts: el equipo construyó una capa de instrucciones que codifica el 'lenguaje MAPSA', es decir, la lógica productiva y de cotización propia de la empresa. El sistema no solo detecta qué hay en un plano: sabe qué significa cada elemento para MAPSA, cuánto tiempo lleva procesarlo y cómo se cruza con los costos del ERP. La revisión humana sigue siendo parte del flujo.
La evolución tecnológica fue gradual: de Python custom a plataformas integradas como Claude, Gemini y Codex. Hoy, personal sin formación en programación puede generar código funcional a través de instrucciones en lenguaje natural.
El impacto más visible está en los tiempos: un proyecto que antes demandaba unas 300 horas de ingeniería hoy se resuelve en 52. La reducción supera el 80% y, con ella, desaparece uno de los principales costos de oportunidad del área comercial: el de invertir recursos masivos en proyectos que no siempre se ganan.
La precisión también mejoró en forma significativa. El desvío máximo en los proyectos analizados se ubica en torno al 5%, una cifra que sigue bajando a medida que el sistema incorpora más casos. Para una empresa cuyas normas de calidad exigen cero fallas, eso representa un cambio estructural.
Más allá de ingeniería, la IA se extendió a back office, comunicación interna, gestión del conocimiento y formación de nuevos talentos. La dirección lo formaliza en una meta concreta: pasar de una distribución 70% operativo / 30% estratégico a una de 20% operativo / 80% creación de valor.