Elegir un proveedor tecnológico rara vez falla por falta de información. Muchas veces falla porque la información llega desordenada, los criterios no se explicitan, las propuestas se comparan tarde y la decisión final queda sostenida por memoria, intuición o planillas que nadie puede reconstruir bien después.
El Asistente IA para RFP nace para intervenir justo ahí: en ese tramo incómodo donde una necesidad de negocio tiene que transformarse en preguntas correctas, criterios comparables, evidencia revisable y una recomendación que soporte conversación.
El problema que ataca
En muchos procesos de procurement tecnológico, cada evaluación se arma casi desde cero. Aparecen documentos sueltos, respuestas incompletas, criterios implícitos, ponderaciones que cambian en el camino y comparativas que dependen demasiado de quien las preparó.
La fricción no es solamente operativa. También es política. Cuando los criterios no están visibles, la decisión queda expuesta a sospechas, preferencias personales, urgencias mal explicadas y discusiones que llegan tarde.
Cómo funciona
La herramienta se piensa como una aplicación web guiada, no como un chatbot genérico. Acompaña el proceso completo en fases: relevamiento, generación del RFP, definición de criterios, carga de propuestas, análisis asistido y recomendación final.
¿Dónde entra la IA?
La IA actúa como asistente analítico. Ayuda a estructurar información, detectar inconsistencias, resumir propuestas, comparar respuestas y redactar una recomendación argumentada. Pero cada salida necesita contexto, revisión y responsabilidad humana.
La diferencia importante es que el sistema mantiene estado del proceso. No conversa en abstracto: trabaja sobre una evaluación concreta, con criterios definidos, documentos cargados, pesos asignados y decisiones acumuladas.
¿Qué se quiere validar?
El MVP apunta a demostrar algo más simple que una promesa de automatización: que un proceso guiado puede dejar mejores rastros que una evaluación manual dispersa. Un RFP claro, una matriz comparativa, gaps detectados y un informe final que no dependa de recordar qué se quiso decir.
- Menos tiempo perdido consolidando información repetida.
- Más consistencia entre criterios, preguntas y evaluación final.
- Mejor capacidad para explicar una recomendación frente a negocio, tecnología o auditoría.
¿Por qué importa?
Cuando la tecnología que se compra impacta procesos, datos, seguridad o experiencia de usuarios, la decisión no puede quedar apoyada solo en impresiones. Hace falta una forma de conversar mejor entre áreas, comparar con más criterio y dejar evidencia del razonamiento.
Ese es el interés del proyecto: usar IA para hacer más visible el criterio, no para esconderlo detrás de una respuesta automática.
El proyecto está en desarrollo y busca validarse con casos reales de selección tecnológica. Lo que intenta poner a prueba es concreto: si una organización puede decidir mejor cuando sus criterios dejan de estar repartidos entre mails, planillas y memoria.