Casos reales de automatización en empresas de Torrelavega y Besaya

César · Publicado el 23 mayo 2026 · 13 min de lectura

Los casos que siguen son representativos de tipologías reales del corredor del Besaya. Por confidencialidad no se identifican empresas concretas, pero las cifras y stacks son los que efectivamente uso en proyectos comparables.

El tejido empresarial del Besaya

El corredor del Besaya — con Torrelavega como eje central y Reinosa en el extremo sur — concentra una parte importante del tejido industrial y de servicios de Cantabria. No es un perfil homogéneo: conviven la industria auxiliar (alimentación, química, metal), la distribución regional, los servicios técnicos especializados y el comercio de proximidad con implantación en toda la comarca.

Lo que sí es común a casi todos estos negocios es que operan con equipos pequeños que hacen mucho: entre 8 y 40 personas gestionando volúmenes que en muchos casos serían propios de empresas con el doble de plantilla. Esa tensión entre volumen y capacidad humana es exactamente donde la automatización tiene más margen.

En los últimos meses he trabajado con empresas de tres perfiles distintos en esta zona. Los comparto aquí porque los patrones se repiten: si tu empresa encaja en alguno de estos tres tipos, es probable que los cuellos de botella sean muy similares.

Caso 1: industria auxiliar — automatización del flujo de pedidos B2B

Punto de partida

Empresa de entre 20 y 35 empleados, proveedor industrial con clientes B2B repartidos entre Cantabria, Asturias y el País Vasco. El equipo administrativo recibía a diario entre 40 y 80 pedidos de clientes, llegando en formatos completamente distintos: PDF escaneado adjunto a un email, archivo XML generado por el ERP del cliente, Excel con columnas propias de cada uno o texto libre en el cuerpo del mensaje.

El proceso estándar era que una persona del administración abría cada email, leía el pedido, lo interpretaba y lo introducía manualmente en Holded o Sage. Se estimaba que esto consumía entre 24 y 28 horas semanales de esa persona, además de generar un porcentaje de errores de transcripción que se detectaban tarde, ya en la fase de preparación o incluso en la entrega.

Workflow implementado

El sistema que construimos tiene tres fases bien diferenciadas:

1. Recepción y extracción: n8n monitoriza la bandeja de correo compartida del departamento de pedidos. Cuando llega un email con adjunto (PDF, XML o Excel) o con texto estructurado en el cuerpo, lo captura y lo prepara para el siguiente paso.
2. Parseo inteligente con IA: el contenido del pedido pasa a Claude Opus 4.7 con un prompt específico que extrae los campos necesarios — referencia de producto, cantidad, unidad de medida, fecha de entrega solicitada, dirección de envío, condiciones especiales — independientemente del formato de origen. Claude devuelve un JSON estructurado.
3. Validación y alta en ERP: n8n valida el JSON contra el catálogo de productos y la ficha del cliente en el ERP. Si todo cuadra, crea el pedido automáticamente y envía una confirmación al cliente. Si hay algún campo ambiguo o un producto sin coincidencia exacta, envía una alerta al responsable con el contexto necesario para resolver en segundos, no en minutos.

Stack

• n8n self-hosted (VPS Hetzner, Helsinki) como motor de flujo.
• Claude Opus 4.7 vía API de Anthropic para el parseo de documentos.
• Holded / Sage como ERP destino, conectado vía API REST.
• Email IMAP para la recepción y SMTP para las confirmaciones automáticas.

Cifras post-implementación

• Reducción de tiempo en gestión de pedidos: 22 horas/semana.
• Tasa de errores de transcripción: bajó un 35% en el primer mes.
• Tiempo medio desde recepción del pedido hasta confirmación al cliente: de 4 horas a menos de 8 minutos en los casos que no requieren revisión humana.

Plazo e inversión

El proyecto se completó en 5 semanas, incluyendo la fase de ajuste del prompt para los formatos de los principales clientes. Inversión total: 7.500 €. A las horas ahorradas ya en el primer mes, el ROI se cerró en torno a los 4 meses.

Caso 2: distribución y comercio — triaje de pedidos online y reposición

Punto de partida

Empresa distribuidora con presencia en Torrelavega y Reinosa, con una tienda en Shopify para pedidos online y un volumen significativo de pedidos que llegaban directamente por WhatsApp de clientes habituales — autónomos, hostelería, pequeño comercio de la zona. Estos dos canales no estaban unificados: Shopify generaba sus órdenes, WhatsApp generaba conversaciones de las que alguien debía extraer el pedido manualmente.

La reposición de stock se hacía "a ojo", consultando en el ERP los niveles de inventario sin ningún tipo de alerta automática ni previsión de demanda. El equipo estimaba que invertía unas 20 horas semanales en la combinación de gestión de pedidos WhatsApp y decisiones de reposición.

Workflow implementado

La solución tiene dos partes independientes que se retroalimentan:

1. Unificación de canal de pedidos: n8n escucha el webhook de Shopify y también el webhook de WhatsApp Business API. Para los mensajes de WhatsApp, ChatGPT 5.4 clasifica si es un pedido, una consulta de disponibilidad, una queja u otro tipo de mensaje. Si es un pedido, extrae las líneas de producto, cantidades y cualquier indicación especial, y las introduce en el mismo sistema que los pedidos de Shopify. El equipo tiene desde entonces una sola bandeja de entrada de pedidos, independientemente del canal.
2. Dashboard de reposición: n8n alimenta diariamente una base de datos PostgreSQL con los niveles de stock y la velocidad de salida de cada referencia. Metabase genera un dashboard que muestra qué productos necesitan reposición en los próximos 7-14 días, basándose en la rotación real de las últimas semanas.

Stack

• n8n self-hosted como integrador central.
• ChatGPT 5.4 vía API de OpenAI para clasificación y extracción de pedidos WhatsApp.
• WhatsApp Business API + Shopify como canales de entrada.
• PostgreSQL + Metabase para el dashboard de reposición.
• ERP propio de la empresa como fuente de inventario.

Cifras post-implementación

• Tiempo dedicado a gestión de pedidos y reposición: 18 horas/semana menos.
• Rotación de las referencias prioritarias: mejora del 15% en los primeros dos meses, principalmente por reducir los desabastecimientos en referencias de alta rotación.
• Errores de pedido por malentendidos en WhatsApp: prácticamente eliminados en el canal automatizado.

Plazo e inversión

Proyecto en 4 semanas. La parte más laboriosa fue la configuración de la WhatsApp Business API y la primera parametrización del dashboard de reposición con los umbrales de stock correctos. Inversión total: 6.200 €.

Caso 3: servicios técnicos — partes de trabajo y facturación

Punto de partida

Empresa de servicios técnicos (mantenimiento, instalaciones) con operarios trabajando en campo a lo largo de todo el corredor del Besaya. El proceso estándar era el siguiente: el operario rellenaba un parte de trabajo en papel al final de la jornada o de cada intervención; ese parte llegaba a la oficina por mensajería interna o en mano al día siguiente; alguien en administración lo transcribía al ERP; y desde ahí se generaba la factura, si todo había quedado bien registrado.

El ciclo completo desde la intervención hasta la factura tardaba una media de 12-18 días. En algunos casos, partes con letra ilegible o campos incompletos se quedaban en el limbo durante días más. El tiempo dedicado en administración a la transcripción y seguimiento de partes rondaba las 28-30 horas semanales.

Workflow implementado

En lugar de una app compleja, optamos por la solución más simple que resolviera el problema: un formulario mobile-friendly accesible desde el navegador del móvil de cada operario. Sin instalar nada, sin formación técnica. El flujo:

1. Captura en campo: el operario rellena el formulario al terminar cada intervención — cliente, tipo de trabajo, materiales usados, tiempo invertido, incidencias, firma del cliente. Puede adjuntar fotos si procede.
2. Extracción y validación con IA: n8n recibe el envío del formulario. Si hay campos de texto libre (descripción de la intervención, materiales con nombres no normalizados), Claude Opus 4.7 los procesa para extraer la información estructurada y mapearla contra el catálogo de servicios y materiales del ERP.
3. Alta automática en ERP y generación de factura: con los datos validados, n8n crea el albarán en Holded, lo vincula al contrato o cliente correspondiente y, si la configuración del cliente lo permite, genera y envía la factura directamente. Los casos que requieren revisión van a una cola específica con toda la información ya estructurada.

Stack

• Formulario web responsive (simple, sin frameworks pesados) como punto de captura.
• n8n self-hosted como motor de integración y lógica de flujo.
• Claude Opus 4.7 para el procesado de campos de texto libre y la normalización de materiales.
• Holded como ERP y sistema de facturación, vía API.
• PostgreSQL para el histórico de intervenciones y reporting interno.

Cifras post-implementación

• Tiempo de administración dedicado a partes de trabajo: reducción de 26 horas/semana.
• Plazo medio desde intervención hasta factura emitida: pasó de 12-18 días a menos de 2 días en el 85% de los casos.
• Cobro efectivo de los clientes: se aceleró una media de 12 días al acortar el ciclo de facturación, con impacto directo en el flujo de caja.

Plazo e inversión

El proyecto duró 6 semanas, con una semana adicional de piloto con tres operarios antes del despliegue completo. La formación fue mínima: el formulario es tan sencillo que no necesitó más de una sesión de 20 minutos con el equipo de campo. Inversión total: 8.900 €.

Aprendizajes comunes en los 3 proyectos

Los tres proyectos son muy distintos en sector y workflow, pero comparten varios patrones que conviene tener claros antes de arrancar cualquier proyecto de automatización:

1. Empieza por el cuello de botella, no por lo "sexy". En los tres casos, la primera conversación con el cliente giraba en torno a ideas más ambiciosas — chatbots de atención al cliente, IA generativa para el marketing, automatización de la gestión de RRHH. Lo que realmente movió la aguja fue atacar el proceso que más tiempo consumía y que tenía un coste medible directo: pedidos, partes, reposición. El resto puede venir después, cuando el equipo ya confía en que el sistema funciona.
2. Mide antes de empezar. En los tres proyectos, el primer ejercicio fue cronometrar las tareas reales durante una semana. No estimarlas, cronometrarlas. En todos los casos, la cifra real fue un 30-40% mayor de lo que el equipo calculaba de cabeza. Esa medición es lo que permite construir un caso de ROI sólido y priorizar correctamente.
3. El equipo tiene que estar en el proyecto desde la semana 1. Las personas que van a usar el sistema a diario tienen que participar en el diseño del workflow, no solo recibirlo al final. En los tres proyectos, las iteraciones más importantes vinieron de conversaciones con los operarios o administrativos que usaban el proceso manual, no de análisis externos.
4. Documenta cada flujo. n8n tiene la tentación de ser una caja negra: funciona bien y nadie mira dentro. Hasta que hay que tocar algo. En los tres proyectos entrego documentación clara de cada workflow — qué hace, por qué, qué pasa si falla un paso — para que la empresa pueda mantener o adaptar el sistema sin depender de mí para cada cambio menor.
5. Preve el mantenimiento desde el principio. Los workflows cambian. El ERP actualiza su API, un proveedor cambia el formato de sus facturas, la empresa lanza una nueva línea de producto. Ninguno de estos proyectos es "instala y olvida". Los tres clientes tienen un plan de mantenimiento que incluye revisiones periódicas y tiempo de reacción garantizado ante cambios.

Stack típico que repito

Después de varios proyectos en el corredor del Besaya y en Cantabria en general, el stack base que más repito es:

• n8n self-hosted en Hetzner (datacenter de Helsinki o Falkenstein). Hetzner ofrece una relación precio/rendimiento difícil de igualar para este tipo de proyectos, y al ser infraestructura europea facilita el cumplimiento del RGPD. Un VPS de 4 vCPU / 8 GB RAM es más que suficiente para los volúmenes que manejan estas empresas, con un coste de unos 20-30 €/mes.
• Claude Opus 4.7 de Anthropic o ChatGPT 5.4 de OpenAI, dependiendo del tipo de tarea. Claude Opus 4.7 rinde especialmente bien en el parseo de documentos con formatos heterogéneos (el caso 1 y el caso 3). ChatGPT 5.4 es mi primera opción para clasificación y extracción en conversaciones de texto (el caso 2). En todos los casos, el uso de la API con Data Processing Agreements firmados es el enfoque correcto para datos empresariales.
• ERP: Holded o Sage en la mayoría de los proyectos de Cantabria. Holded por su API bien documentada y su adopción creciente entre PYMEs; Sage cuando la empresa ya tiene una implantación consolidada que no tiene sentido mover. En casos específicos también trabajo con A3 y con ERPs sectoriales.
• PostgreSQL + Metabase para reporting. PostgreSQL como base de datos intermedia donde n8n vuelca los datos operativos; Metabase como capa de visualización para el equipo de dirección y operaciones. Metabase tiene la ventaja de ser autohospedable y accesible para personas sin perfil técnico, que pueden construir sus propias consultas con tiempo.

Si quieres entender mejor por qué elijo n8n sobre alternativas como Make o Zapier en proyectos para PYMEs cántabras, lo explico en detalle en la comparativa de herramientas de automatización.

Cómo empezar en tu empresa

Los tres proyectos que he descrito empezaron de la misma forma: una conversación de 30-45 minutos para entender cómo funciona la operativa real de la empresa, dónde están los mayores cuellos de botella y qué margen hay para automatizar.

Ese diagnóstico no tiene ningún coste. Al final de la conversación tienes claro:

• Qué procesos concretos tiene sentido automatizar en tu caso, y en qué orden.
• Cuántas horas semanales podrías recuperar, basándose en tu volumen real.
• Qué inversión requeriría la implementación y en cuánto tiempo se recuperaría.
• Qué complejidad técnica implica y si tu stack actual es compatible o necesita algún ajuste previo.

Si después de ese diagnóstico el ROI no te cuadra, no hay proyecto. Sin presión, sin compromisos. Prefiero ese escenario a arrancar un proyecto que no va a rendir lo suficiente.