Los agentes de IA en eCommerce B2B industrial no son chatbots con respuestas predefinidas. Son programas autónomos que conectan con los sistemas de la empresa (ERP, eCommerce, WMS, CRM) y ejecutan tareas operativas sin intervención humana: detectan stock bajo y generan alertas o pedidos de reposición, clasifican pedidos entrantes por prioridad y ruta logística, responden consultas técnicas de clientes con datos reales del catálogo y el ERP. Lo que antes requería un operador dedicado, un agente IA lo hace en segundos, 24 horas al día.
La diferencia entre un agente IA y una automatización tradicional (regla if-then) es que el agente interpreta contexto. Una regla dice "si stock < 10, enviar alerta". Un agente analiza el patrón de ventas de ese producto, la estacionalidad, el tiempo de reposición del proveedor y decide si la alerta es urgente, si debe generar un pedido al proveedor o si el stock bajo es normal para esa época. Integrafy incorpora agentes IA que operan sobre los datos del Data Fabric: acceden a información de todos los sistemas conectados para tomar decisiones informadas.
Qué hacen realmente los agentes IA en B2B industrial hoy
1. Gestión inteligente de stock y reposición
El caso de uso más maduro. El agente monitoriza los niveles de stock en tiempo real (datos del WMS vía Data Fabric), analiza la velocidad de venta por producto (datos del eCommerce), consulta tiempos de entrega del proveedor (datos del ERP) y calcula el punto de reposición óptimo. Cuando el stock cae por debajo de ese punto, genera automáticamente un pedido de compra en borrador en el ERP o envía una alerta al responsable de compras con la recomendación.
Esto no es un simple MIN-MAX. El agente aprende de los patrones: si un producto tiene picos de demanda en septiembre (vuelta al cole industrial), ajusta el punto de reposición en agosto. Si un proveedor ha retrasado las últimas 3 entregas, aumenta el margen de seguridad. Son decisiones que un comprador experimentado toma intuitivamente, pero que el agente toma de forma consistente y sin olvidos.
2. Clasificación y priorización de pedidos
En una empresa B2B industrial que recibe 200 pedidos diarios, no todos tienen la misma urgencia. El agente clasifica automáticamente: pedidos de clientes VIP (alto facturación anual), pedidos con fecha de entrega urgente, pedidos de productos con stock crítico, pedidos que requieren validación de crédito. Cada pedido recibe una prioridad y una ruta de procesamiento. Los urgentes se procesan primero, los que requieren aprobación se derivan al responsable con toda la información necesaria para decidir.
3. Respuestas a consultas técnicas de clientes
Un cliente B2B envía un email preguntando si el artículo X es compatible con la máquina Y, cuál es el tiempo de entrega actual y si puede tener un descuento por volumen. Un agente IA conectado al catálogo (fichas técnicas), al ERP (stock y tiempos de entrega) y al CRM (condiciones del cliente) puede generar una respuesta completa y precisa en segundos. El comercial revisa y envía, o el agente responde directamente si la consulta es rutinaria.
4. Detección de anomalías en pedidos
El agente detecta pedidos atípicos: un cliente que normalmente pide 50 unidades pide 5.000. Un producto que normalmente se vende a 10 €/unidad aparece en un pedido a 1 €/unidad. Una dirección de entrega diferente a la habitual. Estas anomalías pueden ser errores (el cliente se equivocó de cantidad), fraude o simplemente una excepción legítima. El agente las marca para revisión humana antes de procesar.
MCP Server: cómo los agentes acceden a los datos
El MCP (Model Context Protocol) es un estándar que permite a los agentes IA conectarse a fuentes de datos externas de forma segura y estructurada. En lugar de dar al agente acceso directo a la base de datos del ERP (arriesgado y difícil de controlar), el MCP Server expone herramientas que el agente puede usar: "consultar stock del producto X", "obtener condiciones del cliente Y", "crear borrador de pedido". El agente decide qué herramientas usar según la tarea.
Integrafy incluye un MCP Server que expone las funciones del Data Fabric como herramientas para agentes IA. El agente puede consultar cualquier dato de cualquier sistema conectado (ERP, eCommerce, WMS) a través del MCP, sin necesidad de conectores específicos para cada modelo de IA. Esto significa que puedes usar Claude, GPT o cualquier LLM compatible con MCP como motor del agente, y cambiarlo cuando quieras sin rehacer las integraciones.
Lo que funciona y lo que todavía no
Funciona bien: tareas operativas con reglas claras (clasificación, alertas, respuestas basadas en datos estructurados), análisis de patrones en datos históricos (previsión de demanda, detección de anomalías), generación de borradores que un humano revisa y aprueba.
Todavía no funciona fiablemente: negociación autónoma de precios con clientes (requiere contexto comercial que el agente no tiene), decisiones de compra complejas (el agente puede recomendar, pero no debería comprar autónomamente), atención al cliente en situaciones emocionalmente sensibles (reclamaciones graves, errores críticos).
La regla práctica es: si el error del agente cuesta menos de 100 €, deja que actúe autónomo. Si el error puede costar más de 1.000 €, que el agente proponga y un humano apruebe. Los agentes IA son herramientas de productividad, no reemplazos de decisiones de negocio críticas. En B2B industrial, la confianza del cliente se gana en años y se pierde en un error.
La implementación práctica empieza por un caso de uso concreto (alertas de stock es el más común), se mide el impacto durante 2-3 meses y se expande a otros flujos. No es un proyecto de "implementar IA": es automatizar una tarea operativa específica usando IA como motor de decisión.