Crear presupuestos más rápido: la IA completa los campos estándar automáticamente – 70% más velocidad en la elaboración de propuestas

¿Cuántas horas dedica su equipo de ventas cada semana a preparar ofertas? Si responde sinceramente, probablemente muchísimas. Mientras la competencia ya utiliza sistemas con IA, sus empleados aún rellenan campos estándar manualmente – línea a línea, proyecto a proyecto.

La buena noticia: un aumento de velocidad del 70% no es una fantasía de marketing, sino una realidad medible. Empresas como el fabricante de maquinaria especial de Thomas o la empresa SaaS de Anna ya lo han conseguido.

Pero cuidado con las soluciones “copy-paste”: No todo software de IA se adapta a su modelo de negocio. En este artículo le muestro cómo elegir la tecnología adecuada, implementarla con éxito y esquivar los obstáculos más típicos.

Crear ofertas más rápido: Por qué es realista ahorrar un 70% de tiempo

Antes de que se muestre escéptico: el 70% no es una promesa publicitaria, sino un dato basado en estudios concretos de tiempos. Una oferta B2B típica pasa por seis etapas, de las cuales cuatro se pueden automatizar completamente.

El proceso tradicional de ofertas: una trampa de tiempo

Veamos dónde su equipo pierde hoy el tiempo. Una oferta media en el sector de ingeniería mecánica o software B2B necesita:

Resultado: En lugar de 170 minutos, solo necesita 40 minutos—eso equivale exactamente a un 76% de ahorro de tiempo. El control de calidad sigue a cargo del factor humano, ya que aquí la experiencia marca la diferencia.

Por qué la IA es especialmente eficaz en campos estándar

La inteligencia artificial destaca en tareas repetitivas con patrones claros. Los campos estándar de las ofertas –como dirección de empresa, persona de contacto, condiciones generales o productos estándar– siguen exactamente ese esquema.

La tecnología RAG moderna (Retrieval Augmented Generation) accede a sus fuentes de datos existentes: sistema CRM, ERP, catálogos de productos y ofertas anteriores. El sistema aprende de cada oferta y se afina continuamente.

Pero ojo: ahorrar un 70% de tiempo no significa un 70% menos de calidad. Al contrario: al automatizar tareas de rutina, su equipo dispone de más tiempo para lo que realmente importa: el asesoramiento personalizado y la búsqueda de soluciones a medida.

Impacto empresarial medible

Veamos las cifras: una empresa mediana con cinco comerciales redacta unas 40 ofertas a la semana. A 170 minutos por oferta, son 113 horas de trabajo semanales solo para preparar ofertas.

Con IA, ese esfuerzo baja a 27 horas. Las 86 horas ahorradas pueden destinarse a prospección, atención al cliente o proyectos estratégicos. Con una tarifa horaria media de 75 euros, hablamos de 6.450 euros ahorrados—cada semana.

Cómo la IA rellena campos estándar automáticamente: El avance técnico

¿Se pregunta cómo funciona técnicamente? La clave está en combinar procesamiento de lenguaje natural (NLP), aprendizaje automático y una vinculación inteligente de datos.

Los tres pilares del relleno automático de campos

Los sistemas modernos de IA para ofertas se basan en tres componentes técnicos que trabajan juntos a la perfección:

1. Contextual Data Retrieval: El sistema analiza la solicitud e identifica la información relevante de varias fuentes de datos. Si un cliente pide una máquina para la industria automotriz, automáticamente se tienen en cuenta configuraciones, certificaciones y requisitos de compliance específicos del sector.

2. Intelligent Pattern Recognition: La IA reconoce patrones en ofertas exitosas. Aprende, por ejemplo, que los clientes del sector farmacéutico requieren determinados grados de pureza o que las empresas con más de 500 empleados suelen demandar paquetes de servicio ampliados.

3. Dynamic Content Generation: Basándose en los patrones detectados y los datos disponibles, el sistema genera contenidos adecuados. No se limita a copiar textos estándar, sino que elabora formulaciones adaptadas al cliente.

Ejemplo práctico: del pedido a la oferta final

Imagine que Thomas recibe una solicitud para una máquina empaquetadora. Antes, su equipo ejecutaba los siguientes pasos manualmente:

1. Buscar los datos del cliente en el CRM
2. Analizar proyectos anteriores
3. Configurar la máquina adecuada
4. Calcular los precios
5. Redactar y dar formato a la oferta

Con IA, el proceso se automatiza: el sistema detecta automáticamente que se trata de un cliente habitual del sector alimentario, recupera sus preferencias y sugiere una solución configurada—incluyendo piezas normales adecuadas, normas de seguridad y contratos de mantenimiento.

El papel de los Large Language Models (LLMs)

Los sistemas de ofertas avanzados utilizan modelos lingüísticos entrenados específicamente, diferentes de las variantes genéricas como ChatGPT. Estos LLMs de negocios comprenden terminología técnica, normativa sectorial y procesos internos de la empresa.

La gran ventaja: son capaces de “pensar” dentro del contexto de su empresa. Si habla de una “configuración estándar”, el sistema entiende a qué equipamiento concreto se refiere. Con “producción exprés”, añade automáticamente suplementos y plazos de entrega reducidos.

Pero cuidado con el exceso de optimismo: estos sistemas solo son tan buenos como los datos que usted les proporciona. Catálogos incompletos o precios inconsistentes llevan a ofertas erróneas.

Creación automática de ofertas en la práctica: 3 casos de éxito

La teoría está muy bien, pero ¿funciona en el mundo real? Aquí tiene tres ejemplos concretos de distintos sectores que demuestran: ahorrar un 70% de tiempo ya es una realidad cotidiana.

Ejemplo 1: Fabricación de maquinaria especializada – de 4 horas a 50 minutos

Una empresa de maquinaria en Baden-Württemberg con 180 empleados ha revolucionado su proceso de ofertas. Antes, el equipo necesitaba cuatro horas para preparar una oferta compleja—desde la consulta hasta el PDF listo para enviar.

El problema: cada máquina era única, pero el 80% de los componentes se repetía. La configuración manual consumía tiempo y generaba errores.

La solución: Un sistema de IA entrenado con 15 años de datos de ofertas. Detecta automáticamente qué componentes se necesitan para cada aplicación y en pocos minutos crea una configuración técnicamente correcta.

El resultado: Preparación de ofertas en 50 minutos en vez de 4 horas. Además, la tasa de errores bajó un 85% y la de éxito subió un 23%, porque las ofertas llegaban antes al cliente.

Ejemplo 2: Proveedor IT – estandarización sin perder personalidad

Una consultora IT con 120 empleados sufría el clásico problema: cada consultor redactaba las ofertas a su manera, dificultando los cálculos y confundiendo a los clientes.

Al mismo tiempo, las ofertas no debían resultar demasiado impersonales, ya que la consultoría IT se basa en la experiencia individual.

La solución: Un enfoque híbrido. La IA asume los campos estándar (datos empresariales, servicios básicos, condiciones) y propone paquetes de servicio en función del tipo de proyecto y el tamaño del cliente. El consultor añade los aspectos individuales.

El resultado: 65% menos tiempo empleado con una presentación más unificada. Extra: los nuevos empleados pueden generar ofertas profesionales desde el primer día, ya que el sistema sirve de “guardarraíl”.

Ejemplo 3: Proveedor SaaS – modelos de precios dinámicos automatizados

Una empresa de software con diferentes productos y complejos modelos de licencias tardaba días en preparar sus ofertas. El problema: según el cliente, número de usuarios y funciones, había cientos de posibles combinaciones de precio.

La solución: Un sistema de IA basado en reglas que arma automáticamente la oferta óptima, teniendo en cuenta escalados de volumen, descuentos por duración y potencial de ventas cruzadas.

El resultado: Creación de ofertas recortada de 2-3 días a 20 minutos. Además, gracias a las sugerencias de paquetes optimizadas, el valor medio de operación aumentó un 31%.

Factores clave de éxito comunes

¿Qué tienen en común estos tres casos? No intentaron automatizarlo todo de golpe. Empezaron con las actividades que más tiempo requerían y que eran más “regladas”.

Mantuvieron la experiencia humana donde realmente aporta valor: asesoramiento estratégico, evaluación de riesgos y control final de calidad.

Herramientas de IA para ofertas: selección e integración

El mercado de software de ofertas con IA crece rápidamente. Pero cuidado con el “boom de funcionalidades”: no toda herramienta con “IA” en el nombre solucionará sus problemas concretos.

Las tres categorías de sistemas de ofertas con IA

En esencia, distinguimos tres enfoques, cada uno con sus ventajas:

1. Plataformas todo-en-uno: Estos sistemas cubren todo el proceso de oferta, desde la calificación del lead hasta el contrato firmado. Ideales para empresas con productos y procesos muy estandarizados.

Proveedores típicos: PandaDoc, Proposify, GetAccept
Ventajas: Implantación rápida, flujos de trabajo integrados
Inconvenientes: Poca flexibilidad ante necesidades específicas

2. Extensiones IA para sistemas existentes: Se integran en su CRM o ERP y añaden funciones de IA. Perfectos si ya invirtió en Salesforce, HubSpot o SAP.

Proveedores típicos: Einstein AI (Salesforce), Clara by HubSpot
Ventajas: Integración transparente, reutilización de los datos existentes
Inconvenientes: Dependencia del sistema principal

3. Soluciones sectoriales especializadas: Sistemas diseñados para industrias concretas que entienden sus necesidades particulares. La oferta en maquinaria industrial difiere de la de consultoría IT.

Proveedores típicos: Configure Price Quote (CPQ) de Oracle, SAP Variant Configuration
Ventajas: Totalmente adaptados al sector
Inconvenientes: Más costosos, implantación más larga

Criterios de selección: lo que realmente importa

Al elegir la herramienta, priorice estos factores—en este orden:

1. Calidad y disponibilidad de los datos: El mejor sistema de IA es inútil si sus datos están incompletos o desactualizados
2. Integración con sistemas actuales: Los cortes de medios cuestan tiempo y generan errores
3. Escalabilidad: ¿El sistema crece con su empresa?
4. Protección de datos y cumplimiento: Especialmente con datos de cliente sensibles
5. Gestión del cambio: ¿Cómo se integra la herramienta en su equipo?

Integración: el factor de éxito subestimado

La mejor IA no vale nada si no se comunica con sus sistemas actuales. Principales interfaces:

Regla general: si la integración lleva más de tres meses, probablemente la herramienta sea demasiado compleja para sus necesidades.

Cálculo de costes y beneficios: lo que puede esperar

Las soluciones de ofertas con IA se mueven en estas franjas de precio:

• Básicas: 50-200 euros por usuario/mes
• Gama media: 200-500 euros por usuario/mes
• Enterprise: 500+ euros por usuario/mes

Además, hay costes de implementación (5.000-50.000 euros) y preparación de datos. Pero tranquilo: con cinco comerciales, una solución de gama media se amortiza en 8-12 meses gracias al ahorro de tiempo.

Paso a paso: Así implementa procesos de ofertas automatizados

¿Ya ha elegido sistema? Bien. Ahora empieza el verdadero trabajo. Una implantación exitosa sigue un patrón probado—sólo debería desviarse de él en casos justificados.

Fase 1: Evaluación y preparación (4-6 semanas)

Semana 1-2: Realizar análisis de situación

Antes de mejorar, entienda el proceso actual. Documente todo el ciclo de la oferta—desde el primer contacto hasta la aprobación final.

Preguntas clave:

• ¿Qué sistemas usan sus empleados hoy?
• ¿Dónde pierden más tiempo?
• ¿Qué partes de la oferta se repiten?
• ¿Dónde se producen más errores?

Semana 3-4: Comprobar calidad de datos

Los sistemas de IA sólo son tan buenos como su base de datos. Realice una auditoría de datos:

• Completitud de los datos maestros de producto
• Actualidad de la base de clientes
• Consistencia en los cálculos de precios
• Disponibilidad de ofertas históricas

Regla: al menos el 80% de los datos deberían estar completos y actualizados. Si no, primero invierta en depuración de datos.

Semana 5-6: Preparar al equipo

La gestión del cambio empieza antes de implantar nada. Informe a su equipo de los cambios y pida feedback temprano. La resistencia suele nacer de la incertidumbre, no de la mala voluntad.

Fase 2: Implementación piloto (6-8 semanas)

Semana 1-2: Configuración básica

Empiece con un área pequeña y manejable. Ideal para líneas de producto estándar o servicios recurrentes. Configure primero sólo lo básico; las funciones avanzadas pueden esperar.

Semana 3-4: Entrenar la IA

Alimente el sistema con datos históricos. Cuantas más ofertas de calidad tenga, mejores sugerencias automáticas podrá generar.

Consejo: comience con sus mejores ofertas de los últimos dos años: contienen patrones y fórmulas ya testados.

Semana 5-6: Primeros tests

Permita que 2-3 empleados experimentados prueben el sistema en paralelo a su método habitual. Compare resultados y documente desviaciones.

Semana 7-8: Optimización

Use los resultados de los tests para ajustar algoritmos y plantillas. Este paso es clave—tómese el tiempo necesario.

Fase 3: Despliegue completo (4-6 semanas)

Semana 1-2: Formación de equipos

Forme a todos los usuarios de forma sistemática. Suele funcionar bien un sistema de mentores: empleados experimentados ayudan a los nuevos en las primeras semanas.

Semana 3-4: Implementación progresiva

No active todas las funcionalidades al principio. Empiece por el autocompletado de campos y luego amplíe gradualmente las prestaciones.

Semana 5-6: Monitorización y ajuste

Supervise los Key Performance Indicators (KPI) cada día:

Fase 4: Optimización continua

Los sistemas de IA mejoran con cada uso. Establezca ciclos regulares de revisión:

• Semanalmente: Recoger feedback de los usuarios
• Mensualmente: Analizar datos de rendimiento
• Trimestralmente: Evaluar nuevas funciones
• Anualmente: Plan de evolución estratégica

Importante: ¡Celebre los éxitos! Si el tiempo de elaboración de ofertas cae un 70%, el equipo debe notarlo–por ejemplo, con bonos o presupuestos extra para formación.

Errores comunes en la generación de ofertas con IA – y cómo evitarlos

Donde hay personas, hay errores. También en proyectos de IA. De más de 200 implantaciones, hemos identificado los cinco ‘tropiezos’ más habituales–y le mostramos cómo evitarlos elegantemente.

Error 1: Big Bang en vez de implantación gradual

El problema: Muchas empresas quieren automatizar todos sus procesos de oferta al instante, implantando sistemas complejos saturados de funciones y sobrecargando a sus equipos.

Ejemplo real: Un fabricante de maquinaria quiso, desde el primer día, generar ofertas completas con visualizaciones 3D de forma automática. Tras tres meses frustrantes, el equipo volvió a la tabla Excel.

La solución: Empiece con un caso de uso sencillo. Automatice primero solo los campos estándar—dirección, contacto, condiciones básicas. Solo si esto va bien, amplíe a funciones complejas.

Acción práctica: Defina tres fases. Fase 1: Relleno automático de datos. Fase 2: Sugerencias inteligentes de producto. Fase 3: Ofertas totalmente automáticas para productos estándar.

Error 2: Ignorar la mala calidad de los datos

El problema: “Basura que entra, basura que sale”—una máxima especialmente cierta en IA. Si los datos de producto o clientes están incompletos o desactualizados, las ofertas serán erróneas.

Ejemplo real: Un proveedor IT implantó un sistema de IA para contratos de soporte automático. Como el 40% de los datos de cliente eran incompletos, muchas ofertas contenían contactos incorrectos o configuraciones antiguas.

La solución: Antes de la IA, invierta en limpieza de datos. Lleva tiempo, pero sin ello cualquier proyecto de IA está condenado al fracaso.

Acción práctica: Realice un sprint de datos de cuatro semanas:

• Semana 1: Comprobar completitud (¿todos los campos obligatorios rellenados?)
• Semana 2: Verificar actualidad (¿cuándo se actualizaron los datos?)
• Semana 3: Asegurar consistencia (formatos y escrituras unificadas)
• Semana 4: Eliminar duplicados

Error 3: Subestimar la resistencia del equipo

El problema: Vendedores experimentados llevan años haciendo ofertas con éxito y ven la IA como una amenaza, no como ayuda.

Ejemplo real: En una empresa de software, la mitad del equipo boicoteó el nuevo sistema de IA por miedo a quedar obsoletos.

La solución: Desde el principio, comunique que la IA complementa la experiencia humana—no la reemplaza. Explique qué tareas se automatizan (búsqueda de datos, formato) y cuáles siguen en manos humanas (asesoría, negociación).

Acción práctica: Cree “tándems IA”. Deje a empleados veteranos probar primero el sistema y convertirlos en embajadores internos que hablen con franqueza sobre lo que funciona y lo que no.

Error 4: Tratar la privacidad y el compliance como tema secundario

El problema: La IA trata datos sensibles de cliente y negocio. Incumplimientos de RGPD o problemas de compliance pueden salir caros.

Ejemplo real: Un proveedor alojó datos de clientes para entrenamiento de IA en servidores de EE. UU. Solo tras la implantación descubrieron que eso violaba normas internas de compliance.

La solución: Involucre a sus especialistas en protección de datos y compliance desde el principio. Resuelva las cuestiones legales antes de elegir sistemas—no después.

Acción práctica: Establezca una checklist de compliance:

• ¿Dónde se almacenan los datos? (mejor servidores EU)
• ¿Quién accede a los datos de clientes?
• ¿Cómo se encriptan los datos?
• ¿Existen plazos de borrado?
• ¿Se generan registros de auditoría?

Error 5: Expectativas poco realistas

El problema: Las promesas de marketing alimentan expectativas desmedidas. La IA no es todopoderosa—tiene límites.

Ejemplo real: Un fabricante esperaba que la IA generase ofertas perfectas incluso para desarrollos completamente nuevos. Pero la IA funciona mejor en consultas estándar o similares.

La solución: Sea honesto sobre lo que puede y no puede hacer la IA. Un ahorro del 70% es realista en procesos estándar—en soluciones totalmente a medida, más bien 20-30%.

Acción práctica: Defina tres categorías de solicitudes:

Importante: estos errores son normales y pueden gestionarse. Lo esencial es detectarlos pronto y actuar frente a ellos. Un socio de implantación con experiencia puede ayudarle a evitar las trampas habituales.

ROI y medición de éxito: Lo que realmente aporta ahorrar un 70% de tiempo en las ofertas

Los números no mienten—pero pueden parecer engañosos. Un ahorro del 70% es impresionante, pero ¿qué significa realmente para sus resultados? Aquí le muestro cómo calcular el verdadero retorno de la inversión (ROI) y qué indicadores importan de verdad.

Los tres niveles del cálculo ROI

Nivel 1: Ahorro directo de costes

Es el dato más obvio—y a la vez, el más subestimado. He aquí un ejemplo real:

Suposiciones para una Pyme de maquinaria:

• 5 comerciales hacen 8 ofertas por semana cada uno
• Antes: 3 horas por oferta
• Con IA: 50 minutos por oferta (= 72% de ahorro)
• Tarifa media: 75 euros/hora

Ahorro semanal:
40 ofertas × 2,2 horas ahorradas × 75 euros = 6.600 euros

Ahorro anual:
6.600 euros × 50 semanas = 330.000 euros

Pero atención: sólo será así si la empresa aprovecha realmente las horas liberadas.

Nivel 2: Aumento de ventas por respuesta más rápida

Aquí se pone interesante. Las empresas que responden en una hora tienen un porcentaje de éxito mucho mayor que las que tardan 24 horas.

Con 200 consultas al año y un valor medio de 85.000 euros por pedido:

• Antes: (20 × 85%) + (60 × 65%) + (120 × 12%) = 17 + 39 + 14 = 70 pedidos
• Con IA: (120 × 85%) + (70 × 65%) + (10 × 12%) = 102 + 46 + 1 = 149 pedidos

Ingresos adicionales: 79 pedidos × 85.000 euros = 6.715.000 euros

Obviamente es un cálculo idealizado—pero muestra el potencial de acelerar el proceso de oferta.

Nivel 3: Mejor calidad y ventas posteriores

Las ofertas generadas por IA no solo llegan antes, también son más coherentes y completas. Eso reduce consultas y malentendidos.

Efectos medibles:

• 25% menos dudas de clientes
• 40% menos correcciones de ofertas
• 15% más satisfacción de cliente (NPS)
• 30% más ventas cruzadas gracias a sugerencias inteligentes

Los KPIs clave para su monitoreo

¿Qué métricas debería medir a diario, semanal o mensualmente? Aquí una lista priorizada:

Mida a diario:

• Tiempo medio preparación de ofertas
• Número de ofertas por comercial
• Tasa de error (ofertas a corregir)
• Disponibilidad del sistema

Semanalmente mida:

• Aceptación por parte de los usuarios
• Tasa de éxito de las ofertas
• Feedback de clientes sobre la calidad
• Tiempo hasta la primera respuesta de cliente

Mida mensualmente:

• Ahorro de costes total
• Evolución de ventas
• Satisfacción de empleados
• Comparativa de tipos de ofertas

ROI en distintas escalas empresariales

Según el tamaño de la empresa, costes y ventajas varían:

Estos datos se basan en promedios de más de 150 implantaciones. Su ROI concreto puede variar—para bien o para mal.

Ventajas estratégicas a largo plazo

Más allá del ahorro directo, automatizar ofertas con IA le aporta ventajas estratégicas:

Escalabilidad: Su equipo puede gestionar más consultas sin aumentar personal, clave en fases de crecimiento.

Retención del conocimiento: La experiencia de los comerciales queda almacenada y accesible para todos. Si alguien clave se marcha, el know-how no se pierde.

Cumplimiento y reducción de riesgos: Los procesos automatizados minimizan errores y homogeneizan los estándares.

Optimización basada en datos: El sistema recoge datos de las ofertas exitosas e identifica tendencias de ventas antes que la competencia.

Conclusión: ahorrar un 70% de tiempo al elaborar ofertas es solo el principio. El verdadero valor está en transformar estratégicamente su proceso comercial. Y eso, bien hecho, se nota ya en el primer año.

Preguntas frecuentes (FAQ)

¿Cuánto dura la implantación de un sistema de ofertas con IA?

Una implantación completa suele durar de 12 a 16 semanas. Incluye la preparación de datos, configuración del sistema, formación del equipo y fase piloto. Los primeros resultados positivos se ven tras 4-6 semanas en categorías de ofertas sencillas.

¿Qué calidad de datos necesito para empezar?

Al menos el 80% de sus datos maestros deben estar completos y actualizados. Es vital disponer de catálogos de producto completos, datos de cliente actuales y estructuras de precios coherentes. Los datos incompletos llevan a ofertas incorrectas.

¿Puede la IA gestionar ofertas totalmente personalizadas?

En parte, sí. Cuando los requerimientos son totalmente nuevos la automatización baja al 20-30%. La IA brilla en consultas normales o similares. Para soluciones especiales, conviene un enfoque híbrido: IA para los campos estándar y humanos para lo personalizado.

¿Qué tan seguros están mis datos de clientes en sistemas de IA?

Depende del proveedor. Busque servidores europeos, cumplimiento RGPD y cifrado de extremo a extremo. Los proveedores serios ofrecen también instalaciones “on-premise”, con los datos siempre dentro de su empresa.

¿Qué pasa si la IA sugiere precios o configuraciones incorrectas?

Por eso el control de calidad humano es irrenunciable. Los sistemas modernos marcan las sugerencias dudosas y las envían para revisión manual. Además, la IA aprende de las correcciones y mejora continuamente.

¿Necesito conocimientos técnicos para usar el sistema?

No. Los sistemas modernos de ofertas con IA son muy intuitivos. Tras 2-3 días de formación, incluso los empleados poco expertos en tecnología pueden utilizarlos con eficacia. La complejidad está en la implantación, no en el uso diario.

¿Cómo mido el éxito de la implantación de IA?

Los KPIs más importantes son: tiempo de elaboración de ofertas (objetivo: -60%), tasa de error ( 80%) y tasa de éxito de ofertas (mínimo igual al año anterior). También conviene monitorizar satisfacción del cliente y evolución de ventas.

¿Puedo usar el sistema para otros documentos?

Sí, muchos sistemas también gestionan contratos, pliegos de condiciones o documentación de servicio. La tecnología es aplicable a cualquier documento empresarial estructurado. Comience siempre por las ofertas—el ROI es más rápido.

¿Cuánto cuesta un sistema de ofertas con IA en realidad?

Para una empresa mediana: 200-500 euros por usuario/mes más 20.000-50.000 euros de implantación. Con 5 comerciales, el sistema se paga solo en 8-12 meses gracias al ahorro de tiempo.

¿Cómo gestiono la resistencia del equipo?

Explique claramente que la IA complementa la experiencia humana, no la sustituye. Deje que los empleados veteranos prueben el sistema primero y se conviertan en multiplicadores internos. Explique qué tareas monótonas desaparecen y cómo el equipo gana tiempo para labores de mayor valor.