Cada tienda, leída cada día. Cada señal tiene un responsable.
Los detectores puntúan cada tienda frente a su propio normal tras cada sincronización y en un escaneo diario. Cada señal va al agente de IA que responde de ella y solo te llega como decisión, con las pruebas dentro.
Tus vigilantes
reglas deterministas e historial de activaciones
Write-offs above 3% of sales
write_offs / revenue > 3% · daily · Ana
Store margin under 25%
store_revenue / store_cost < 1.33 · daily · Ana
Agentes Marql — la capa de sensores integrada, ajustada por nosotros
Overstock — frozen cash
days of cover ≥ 1.5× target DIO, latest snapshot
Projected stockout
days of cover ≤ lead time + safety
Below-cost sales
revenue < cost per SKU, 14d window
Demand shift
unit velocity sustained 2+ weeks, de-seasonalised, promo/calendar excluded
Promo shortlist
in-stock SKUs scored on margin headroom × elasticity × cover, weekly
Event ahead
holiday inside its planning lead time, with last year's category moves
POS↔books revenue check
POS vs revenue accounts gap > 2%, last closed month
Purchase-cost creep
unit cost ≥ +8% vs 3-month median
Duplicate supplier invoices
same supplier+amount, ≥2 invoices, 45d
23 detectores integrados · cada uno activado para tu organización
Una señal es una prueba, no un aviso.
Va a quien responde de ese tipo de problema y solo llega a una persona cuando merece una decisión.
Leer
Los conectores traen datos cada cinco minutos; un ERP más antiguo como 1C lo lee un agente local o se lee de noche. Las previsiones y los grupos de tiendas se rehacen cada noche en tu zona horaria.
Puntuar
Cada tienda se puntúa frente a su propio normal para ese día de la semana, robusto a un día raro, con un mínimo en euros para que un movimiento trivial nunca se eleve. Cada señal lleva una confianza: Alta, Media o Baja.
Asignar
Cada tipo de señal tiene un solo responsable entre tus agentes de IA. Algunas se traspasan: una venta bajo coste durante una promoción va al agente de marketing y no a operaciones.
Decidir
Una persona solo ve señales dentro de una decisión en Hoy: agrupadas, filtradas (al menos 50 € a la semana, menos de 14 días, sin repetidas) y ordenadas por beneficio. Cuando la condición desaparece, la señal se cierra sola.
65 tipos de señal · un solo responsable cada unoUn rol que no has contratado pasa sus señales al propietario o al COO.
Agente de IA de aprovisionamiento9
Rotura prevista · sobrestock · coste de compra al alza · entrega con retraso
Agente de IA de operaciones de tienda17
Ritmo de ventas · venta bajo coste · mermas · efectivo sin depositar · salud de los datos
Agente de IA de finanzas19
Contabilidad frente a la caja · gastos al alza · mix de margen · margen a la baja por referencia
Agente de IA de marketing3
Selección de promociones · evento próximo · promoción medida
Agente de IA de categorías3
Cambio de demanda · caída de clase ABC · cambio de categoría
Propietario o COO14
Patrones de la red · tienda por debajo de sus pares · tus propias reglas
Dentro de cada decisión, las pruebas.
Revisar precios y proveedores de los lácteos con poco margen
Esta decisión agrupa 3 señales. Esta ficha trata solo de Chamberí.
Sliding SKU marginHigh
6 dairy SKUs · −4.2 pp · 28d vs prior 28d
Purchase-cost creepHigh
one dairy supplier · unit cost +9% vs 3-month median
Margin dropMedium
dairy · 3 weeks below the store's own normal
Cómo se calcula
- Método
- Margen frente a la normalidad de la tienda en 8 semanas, robusto a un día raro
- Periodo
- 21 días
- Fuentes
- TPV · costes de compra del ERP
- Falta
- Nada
Confianza: AltaMedible
Escrito por marql a partir del TPV y el ERP, hace 6 min
Detectores integrados y reglas propias.
Cada uno es un análisis concreto que, si no, sería una persona con una hoja de cálculo. Ninguno es un chatbot con horario.
Cada tienda frente a su propio normal
Las ventas y el margen se puntúan frente al patrón estacional de la propia tienda tras cada sincronización. Una regla plana o se pierde un deslizamiento lento en una tienda estable o da falsas alarmas en una volátil; esto no hace ninguna de las dos cosas.
Una caída real se detecta, y un martes corriente se deja en paz.
LunMarMiéJueVieSábDom
Martes, un día corriente
Aquí los martes van un 5 % por debajo de la media de la semana, y este está en mitad de su propio normal. La regla fija apretada salta igual, y también el miércoles y el jueves.
Sábado, un 16 % por debajo de su normal
Aquí los sábados van un 16 % por encima de la media, así que una caída del mismo tamaño acaba a la altura de un martes corriente. Una regla fija del −20 % nunca llega ahí, y apretarla hasta que llegue cuesta tres falsas alarmas por semana.
Una señal de ingresos salta a 3σ del normal propio del local y al menos un 15 % por debajo. El sábado es un 16 % y unas 12σ. Cifras ilustrativas.
La contabilidad, contrastada con la caja
Nueve controles sobre tu contabilidad, activados por organización: facturas de proveedor duplicadas, huecos en la numeración de facturas, tipos de IVA fuera de los permitidos, cobros vencidos, pagos a contrapartes inactivas, y tres conciliaciones de la contabilidad con las ventas del TPV, el efectivo y el stock.
La fuga que un informe de ventas no enseña: una factura pagada dos veces o una contabilidad que no cuadra con la caja.
Reconciliations · last closed month
POS ↔ books revenuegap 0.8% · limit 2%
Till cash ↔ booksgap 9.6% · limit 8%
Inventory ↔ booksgap 4.1% · limit 12%
Signal → AI finance manager: till cash 9.6% below what the books received.
Duplicate supplier invoicessame supplier + amount, 45dOn
Invoice numbering gaps≥3 missing numbers in a series, 92dOn
VAT rate anomaliesrate outside the allowed setOn
Overdue receivables> 30d and ≥ €500 per entityOff
Payments to dormant counterparties≥ €250 after 180d silenceOff
Negative cash registerrunning balance < 0, 45dOff
Reglas que describes tú
Escribe en una frase qué vigilar. Se compila en una regla determinista y se reproduce sobre los últimos 90 días de tus datos, para que veas cuántas veces habría saltado antes de interrumpir a nadie.
Fijas el umbral sobre tu propio historial, no sobre una suposición.
un agente que describes tú mismo
piloto · por organizaciónlo que dices
“Avísame cuando las mermas pasen del 3 % de los ingresos de un local”
en qué se compila
- métrica
- spoilage
- alcance
- por local
- prueba
- > 3 % de los ingresos
- ventana
- diario
construido solo a partir del catálogo de métricas · nunca código libre
reproducido sobre tus últimos 90 días
se habría disparado 7 veces
más o menos una vez cada dos semanas, en dos locales
ConservarloDescartar
El modelo compila la frase y explica qué se ha encontrado. Nunca es él quien detecta, y nunca se inventa una cantidad.
Lo que queremos decir, y lo que no, con detección.
Las palabras se usan a la ligera en todas partes. Esta es la versión a la que puedes atenernos, y por qué la preferimos así.
No es un enjambre de IA autónomas.
La detección es código determinista y reglas. El modelo de lenguaje compila tu frase en una regla y explica lo encontrado; nunca detecta ni inventa importes.
Los 23 detectores integrados se activan por organización.
Toda red tiene desde el primer día los controles básicos de ventas, margen, roturas y salud de los datos.
Los detectores proponen y decide una persona.
No se escribe nada en tu TPV. Lo que cada agente de IA puede hacer por su cuenta lo fija el propietario o el COO, por tipo de acción.
Las reglas que escribes tú son un piloto, activado por organización, hasta 20 por red.
Las alertas simples de umbral sobre una métrica están al alcance de todos.
Donde faltan datos, la decisión espera: el hueco aparece como una sola línea de salud de los datos en Hoy, no como una cifra construida sobre nada.
Lo que la gente pregunta cuando deja de oír la palabra «IA».
No. Tus agentes de IA son los roles que actúan sobre las señales. Los detectores de debajo son análisis determinista programado más un motor de reglas. Un modelo de lenguaje hace solo dos cosas: convertir tu frase en regla y explicar un hallazgo en palabras sencillas. Pregunta por qué un número es el que es y obtendrás la misma respuesta dos veces.
Los datos entran cada cinco minutos y los controles en tiempo real corren tras cada sincronización. El escaneo completo corre una vez al día, las previsiones y los grupos de tiendas se rehacen de noche en tu zona horaria, los patrones cada semana, y tus agentes de IA leen los resultados desde las 06:00, hora local. Publicamos los intervalos en vez de llamarlo tiempo real.
Los controles básicos de ventas, margen, roturas y salud de los datos corren para todos. Los 23 detectores integrados — sobrestock, roturas previstas, ventas bajo coste, cambios de demanda, selecciones de promoción, los controles contables y otros — se activan para tu organización, y cada uno muestra cuándo saltó por última vez y cuántas veces en 30 días.
Sí. La figura de arriba es todo el camino: tu frase, la regla en la que se compila y la reproducción sobre tus últimos 90 días que muestra cuántas veces habría saltado. Es un piloto que activamos por organización, hasta 20 reglas por red. Una alerta de umbral sobre una métrica está al alcance de todos sin el piloto.
Cada pantalla muestra cuándo llegaron los datos por última vez y cuántas tiendas reportaron. Las decisiones que dependen de datos que faltan se retienen y se cuentan en una sola línea, «Datos que faltan», en vez de mostrarse sobre una suposición. Un periodo sin datos se salta, no se cuenta como cero.
La vigilancia funciona igual: cada local se puntúa frente a su propio historial, que es en lo que se basa casi toda la detección. Lo que se debilita es la comparación. Con muy pocos locales comparables no hay grupo de control, así que la prueba recurre a la volatilidad propia del local, y el registro lo dice.
¿Listo para ver
los euros que ha encontrado?
La demo se construye sobre el TPV y la contabilidad que ya usas. Déjanos tus datos y elige una hora.