Skip to content
The Chat Archive
o1-preview-2024-09-12· OpenAI WildChat-4.8M (AI2)

Prompt del sistema Eres un analista experto en generar informes detallados basados en…

  1. User

    Prompt del sistema

    Eres un analista experto en generar informes detallados basados en transcripciones de reuniones. Posees una habilidad excepcional para identificar y organizar información clave, analizar patrones de interacción entre los participantes y proporcionar insights adicionales que mejoran la toma de decisiones. Al generar los informes, debes seguir estrictamente la estructura proporcionada, asegurándote de ser preciso, coherente y objetivo en tu análisis. Presenta la información de manera clara y concisa, facilitando su comprensión y utilidad.

    Prompt del usuario :

    Por favor, genera un informe detallado basado en la transcripción de la reunión proporcionada. Destaca los puntos clave, los temas discutidos y las acciones pendientes, siguiendo estrictamente la estructura indicada a continuación y agregando insights adicionales según se especifica:


    1. Resumen General de la Reunión:

    • Proporciona un párrafo conciso que describa los temas centrales de la reunión, resaltando los aspectos más importantes discutidos y cualquier decisión relevante tomada.

    2. Participantes:

    • Enumera los nombres de los participantes y, si está disponible, sus roles o puestos actuales de trabajo. Indica quiénes lideraron las discusiones clave o tomaron decisiones significativas.

    3. Lista de Tópicos de la Reunión:

    • Ofrece una descripción detallada pero breve de cada uno de los temas tratados, limitándote a un máximo de dos oraciones por tema. Asegúrate de cubrir los temas más relevantes y sus implicaciones.

    4. Planes de Acción o Acciones:

    • Crea una lista de los planes de acción necesarios para resolver o avanzar en cada uno de los puntos discutidos. Especifica los responsables de cada acción si la información está disponible y añade fechas límite cuando sea relevante.

    5. Conclusiones Finales:

    • Resume las conclusiones clave y cualquier acuerdo o decisión final alcanzada durante la reunión.

    Insights Adicionales:

    1. Análisis de Sentimiento:

      • Evalúa el sentimiento general de la reunión (positivo, negativo o neutro), destacando momentos emocionales clave y cómo estos impactaron en la toma de decisiones.
    2. Frecuencia de Participación:

      • Analiza qué participantes tuvieron más intervenciones y si la participación estuvo equilibrada o si algunos dominaron la discusión.
    3. Temas Recurrentes y Palabras Clave:

      • Identifica las palabras y temas más repetidos. Incluye una nube de palabras o una lista destacando los temas más mencionados.
    4. Asignación Automática de Tareas:

      • Detecta y enumera las tareas que requieren seguimiento, especificando los responsables asignados y las fechas límite mencionadas.
    5. Decisiones Tomadas:

      • Lista todas las decisiones importantes tomadas, indicando si fueron consensuadas o impuestas, y describe el impacto esperado de cada una.
    6. Progreso en Temas Anteriores:

      • Si se discutieron temas de reuniones anteriores, analiza el progreso realizado hasta la fecha y señala cualquier asunto pendiente.
    7. Preguntas Críticas:

      • Extrae y destaca las preguntas clave formuladas para su revisión posterior.
    8. Indicadores de Productividad:

      • Proporciona un análisis de la contribución de cada participante, señalando quiénes aportaron soluciones significativas.
    9. Análisis Comparativo con Reuniones Anteriores:

      • Compara esta reunión con reuniones previas si es relevante, destacando cambios en la dinámica del equipo o en las decisiones tomadas.

    Transcripción de la reunión: SPEAKER_01: Así se ve mejor.

    SPEAKER_09: Ahí está. Ahí estamos viendo.

    SPEAKER_01: Ahí está, ahí está. Bueno, no nos vemos todos.

    SPEAKER_07: Estamos por ahí, ¿viste? Empezamos a ver ahora.

    SPEAKER_09: No, no, en serio. Están en una pared de unos cuatro metros por... Así que a ustedes los vemos, Bárbara. Dado que... María, perdón.

    SPEAKER_01: Sí, yo soy María.

    SPEAKER_09: Nos presentamos de nuevo porque no, ni Pablo ni María estuvieron en la reunión. Nosotros tampoco aclaramos si Bruno y Fabio, que son nuestros poseos. Presentémonos rápidamente si quieren empezar ustedes y así podemos charlar un poco.

    SPEAKER_01: Bien. ¿Quieren empezar ustedes? Ah, bueno. Yo soy María Esclosa. Soy la responsable de marketing de Agrometal. Hace un año y mes o dos meses que estoy en la empresa. Soy relativamente nueva. Tengo a cargo lo que ustedes saben, marketing. Y dentro de marketing... Tengo un trabajo bastante amplio en el área porque hago una parte de marketing y otra parte de comunicación de marketing. Así que, bueno, eso. Tengo mucha experiencia en marketing y mucha experiencia en agro, sobre todo. Trabajé muchos años para otras empresas del agro.

    SPEAKER_02: Bien. Estoy dando cuenta que Franco Berardo, nuestro socio del lado marketing, ya venía. Sí.

    SPEAKER_02: Perdón.

    SPEAKER_08: Sí. Bueno, yo soy Pablo Crovara. Especialista en marketing. Bueno, estoy hace un año con María. Y prácticamente nací acá porque...

    SPEAKER_01: La madre lo parió acá. Sí, sabemos.

    SPEAKER_08: Mi mamá es la presidente, así que... Eso lo sabemos. No tuve mucha opción para elegir dónde trabajar. Me residí, bueno, en la primera administración. Después hice la titulación en marketing. Y estoy trabajando acá en la empresa activamente desde 2019. Así que, bueno. Primero estuve en la administración, después. Hace dos mil veintidós que estoy en marketing. Pero con ella hace el año pasado. De noviembre.

    SPEAKER_09: Bueno, yo soy Dan Hirsch. Dan. Dan.

    SPEAKER_01: Hirsch.

    SPEAKER_09: Hirsch es el apellido. Dan. Nombre.

    SPEAKER_01: Nacido en Argentina. Perdón. Yo soy re preguntona.

    SPEAKER_09: Soy nacido en Argentina. Origen alemán. Aunque mi madre también era rumana. Así que una mezcla. Argentina. Mezcla del mundo, digamos. Pero sí. Dan es un nombre judío muy bíblico, pero no tan común acá. Y, bueno. Doctora en ciencia de la computación. Y, bueno. Es un experto en tecnología. Más de treinta y cinco años de experiencia. Y hace dieciocho que vivo en Córdoba. Fui uno de los que fundó el Centro de Desarrollo de Intel en Córdoba. Me trajeron de afuera. Y, bueno.

    SPEAKER_01: ¿Por qué no hablas con acento cordobés?

    SPEAKER_09: Soy de Buenos Aires, originalmente.

    SPEAKER_01: Ah. Bien.

    SPEAKER_09: Aunque ya hace dieciocho. Hace veintidós años que salí de Buenos Aires.

    SPEAKER_08: Ya sos cordobés. Sí. Yo estoy en Córdoba. Soy teórico. Técnicamente cordobés. Pero tampoco tengo acento. Acá Montemay. Hay acento. Pero yo tengo.

    SPEAKER_02: Yo, yo, yo. Yo también.

    SPEAKER_08: Yo lo retengo de Buenos Aires. Yo lo tengo de vez que yo digo yo. Es verdad. Y somos cordobeses nosotros.

    SPEAKER_09: Sí, sí. Es verdad. Es verdad que.

    SPEAKER_08: Sí, no. Yo no. Ahora va. Para Pascana ya hablan en Córdoba. Bien. Montemay todavía es más rosarín.

    SPEAKER_09: Y soy uno de los socios, como lo ves todo acá, de SKRB.

    SPEAKER_05: Bien. Bueno.

    SPEAKER_00: Yo soy Franco Escapín. Soy director de inteligencia artificial en SKRB. Soy ingeniero en sistema. También tengo más de diez años de experiencia trabajando siempre con datos. Y, bueno. Todo mi área de expertise estuvo relacionado a lo que es aplicar estrategias, mecanismos de manipulación avanzada de datos para sacarle valor y presentar toda esa información y que las empresas puedan aprovecharla y tomar decisiones inteligentes.

    SPEAKER_01: A mí me, me, me perturba que todavía Aerometal no tiene eso, como yo trabajo en marketing. Lo primero que dije es necesito, necesito datos, necesito manejar los datos.

    SPEAKER_00: Sí, eso es claro.

    SPEAKER_01: Sin, sin, sin datos. No puedo tomar decisiones. No. No puedo tomar decisiones correctas. No puedo tomar decisiones basadas en percepciones. No, no, no. Para un marketing moderno eso

    SPEAKER_00: Yo vengo acostumbrada a trabajar con datos. Totalmente. Sí. Nosotros lo que vemos en todas las empresas que trabajamos, que no solo para marketing. Cualquier área de la empresa es esencial tomar decisiones basadas en datos. Aparte generás un montón de beneficio económico en la empresa también. O sea, muchas ventajas.

    SPEAKER_09: Y el aprovechamiento de la inteligencia artificial requiere.

    SPEAKER_00: Claro. Y ahora con eso sí. Claro. Fabio, Bruno. Lo suyo.

    SPEAKER_07: Vamos. Ahí está. ¿Qué tal? Buenas tardes. Sí. Un gusto. ¿Cómo están? Me presento Bruno Mañano. Soy COSEO en SKRB. Tengo también un background de tecnología, ingeniería en sistemas, especializado en data. Y bueno, ahora con un mágistra en organización de empresas. Y bueno, la verdad que estoy al tanto de un poco de las necesidades que nos fueron transmitiendo en la reunión anterior. Y bueno, me gustaría acá poder aportar desde el lado de la estrategia como acompañantes.

    SPEAKER_06: Un gusto. Mi nombre es Fabio Farchetto. Consulto. Yo soy el último en presentarme. Ya no queda nadie. ¿Estás allá? Sí.

    SPEAKER_05: Sí.

    SPEAKER_06: Somos el último. Yo también tenía entendido que iba a haber gente de I+.D. que creo que estuvo en la primera reunión. ¿Puede ser? ¿O no?

    SPEAKER_02: Sí, pero al parecer al final no pudieron participar.

    SPEAKER_06: Ah, ok. Bueno. Era ese el check. Bueno. Mi nombre es Fabio Farchetto. Tengo una pregunta. Creo que la única que no estuvo en la primera reunión fuiste vos, María. Yo soy… No, Pablo tampoco. Ah, vos Pablo tampoco. No, no estoy seguro. No.

    SPEAKER_05: No?

    SPEAKER_06: Ah, ok. Bueno. Yo soy Coseo, junto con Bruno, en SKRB. Y bueno, yo vengo de, digamos, de formaciones clásicas y de la industria clásica. Contador público. Digamos, mis primeros 20 años relacionados. Sobre todo mi familia. Al consumo masivo. A la producción. A la distribución. El desarrollo del punto de venta. Y hace más o menos 10 años entendí que todos los negocios y todos los sectores iban a estar atravesados por la tecnología. Como soy un poco bipolar, me parece, en algunos casos dejé todo lo que estaba haciendo de esa forma. Hice una maestría en transformación digital en Barcelona. Y ahí haciendo alusión a lo que dice un poco María. Ya era muy común. Hace 10 años a todas que todas las compañías tuviesen incorporado en sus directorios un máster en transformación digital o un gerente en transformación digital. Bueno, ahora es común que instalen células, ¿no? Que los directorios se amplíen con células, con directores de tecnología, transformación digital, inteligencia artificial. Todo con la idea esta que comentás de que las empresas en el camino de transformación digital tengan sus departamentos de data y sus estructuras básicas. Basadas o tomas de decisiones basadas en datos. Bueno, ese ha sido mi camino. Hoy estoy como... Formé una startup después de ese momento también. La financié, la vendí. Y ahí es como que tomé lo mejor de los dos mundos, ¿no? Las empresas, yo digo, de carne y hueso. Las que producen cosas como las de ustedes. Y las de tecnología. Y me parece que ahí en la unión de esos dos mundos está la transformación digital. Y... Y por eso hacemos posible la transformación digital en SKRB de una manera en particular. Bueno, muy entusiasmado de estar en esta reunión. Disponible para que vayamos avanzando.

    SPEAKER_01: Muchas gracias. Te veo mucha cara conocida. Estoy casi segura que te debo haber conocido de algún lado. No me doy cuenta de dónde. Tengo la idea de que... Es más, hasta que conversamos.

    SPEAKER_06: Yo no te estoy viendo. No te estoy viendo. No te estoy viendo.

    SPEAKER_01: ¿Ustedes le hicieron algo a John Deere?

    SPEAKER_06: ¿A John Deere? Sí.

    SPEAKER_01: ¿Qué le hicieron?

    SPEAKER_00: Así la vean. En realidad...

    SPEAKER_06: John Deere... John Deere... Estamos haciendo un desarrollo que tiene que ver con su red de concesionarias, digamos. De distribuidores. Y estamos trabajando en profundidad cuatro o cinco proyectos que tienen que ver. A ver, primero que esa red de concesionarias, sabes que las miden con ese famoso dealer capabilities expectations. Y nosotros estamos desarrollando como todo un módulo interno de los distribuidores para que puedan cumplir con ese objetivo de transformación digital que les pidió John Deere. Después le estamos ayudando... Es decir, viene alguien que quiere comprarnos una... De que está interesado. Y finalmente le hacen el setup de la maquinaria. Entonces estamos como mapeando todo el journey de ese comprador para que pueda ser pertinente la agencia a la hora de darle el servicio, hacerle la entrega de los productos. Y también estamos trabajando mucho... Como han sufrido mucha presión en el proceso de transformación digital, han ido dando de altas sistemas, ¿no? Sistemas, sistemas, sistemas. Entonces vos te das que tenés, no sé, más de 40 sistemas donde poder recolectar información. Y se está volviendo un poco caótico completamente. Sí, sí. De hecho, es de ciberseguridad y demás. Entonces estamos haciendo homogéneo todo eso, haciendo un tendido de cañería, por decirlo de alguna forma, hacia los data lake para que la información esté disponible. Y con portales internos de uso, las concesionarias pueden tomar decisiones más fundamentadas en datos y más ordenadas.

    SPEAKER_01: No, no, te preguntaba porque como te veía cara conocida, pensé que a lo mejor podrían haber sido proveedores. Yo trabajé 23 años de John Deere. Me fui en 2020. Fui como gerente de comunicación de marketing también. Por eso pensé, digo, a lo mejor...

    SPEAKER_05: Ah, ok. No, no, no.

    SPEAKER_01: Esta parte es ahora y entiendo que lo debe estar manejando Dealer Development.

    SPEAKER_09: Es que en realidad lo estamos haciendo a través de los representantes, en este caso, por ejemplo, de Consi.

    SPEAKER_01: Claro, de los concesionarios, no en forma directa. Yo trabajaba para John Deere en forma directa.

    SPEAKER_09: Ok, perfecto.

    SPEAKER_01: Ah, que difícil. ¿Cómo han cambiado? ¿Cómo ha cambiado el mundo que les dejen al concesionario hacer eso en forma directa en tan poco tiempo?

    SPEAKER_06: Sí, igual te digo que el plan lo vamos avalando permanentemente con John Deere. Solo que, digamos... A ver, estamos construyendo un producto que John Deere lo podría eventualmente en el futuro escalar a su red. Exacto. En uno de los proyectos en particular. Y lo que vamos haciendo, digamos, no me acuerdo cuál es el responsable, el cargo del responsable. Le va haciendo el check y la auditoría del lado John Deere. Pero no, todavía no es...

    SPEAKER_09: Muchos de los requerimientos son de John Deere. No le queda mucha alternativa al concesionario. Porque son los alineamientos y requisitos de transformación digital y tecnológicos.

    SPEAKER_01: Con Marcelo deben estar hablando, con Marcelo Garnero y con los chicos Consi, con los hijos.

    SPEAKER_06: Con Emi, con Emiliano y con Emi. Emi es el director, digamos. O sea, Juan Carlos ha sido el fundador. Y Emi es como el que concentra dentro de Eric y la hermana. Dice...

    SPEAKER_06: Yo les he tomado mucho cariño a ellos en particular porque lideré dentro de Consi un proceso de alineamiento del directorio. Que se llama VTO. Que lo hago muy pocas veces en muy poquitas compañías. Y trabajé junto con ese directorio. Creo que tuvimos casi 25 horas. Alineando y proyectando toda la compañía 10 años. Es un proceso que hace 10, 3, 1 año. Y una división por cuártas. Así que bueno, la verdad que los conozco bien. Y son una familia... Una pyme familiar ejemplo, ¿no? O sea, van... Van todos para adelante sufriendo los dolores de tener que transformarse. Pero...

    SPEAKER_06: Van para adelante. Igual te digo, por el tema de si me viste en algún lugar... Yo soy más perfil bajo. Lo que sí que hay tanto auge con la Inteligencia Artificial que con Bruno. En este mes estamos en cuatro eventos. Estamos en el Summit de Transformación Digital en Córdoba que se hace ahora en dos días. Estamos ahora en Corrientes con uno que se hace mañana. Tenemos otro en Catamarca el día 27. Y todos esos lugares que están promocionando y mostrándonos.

    SPEAKER_01: Ah, lo mejor es eso. A mí la verdad que me interesa un montón. O sea que el marketing está funcionando. Está funcionando. Me reinteresa la Inteligencia Artificial. No conozco mucho de Inteligencia Artificial. Pero por ahí se ve que como me interesa, investigo y busco. Capaz que a lo mejor me llegó alguna publicidad.

    SPEAKER_09: Está funcionando.

    SPEAKER_01: Pero bueno, perdón. No, no, no.

    SPEAKER_09: Está alineado un poco ahí. Está alineado.

    SPEAKER_01: Nosotros tenemos muchas necesidades de trabajo con datos. Y sobre todo con datos en toda la empresa. Ahora, yo sé que José les comentó que nosotros estamos instalando... De hecho, José no está en este momento porque está trabajando con la gente de TOTUS. Estamos instalando un sistema y todavía no tenemos un ERP que... A ver, si vos me decís cómo buscar datos, no los tengo.

    SPEAKER_09: Lo que pasa es que hay muchísimas otras fuentes, hay muchos otros lugares donde extraer información que puede ser para la toma de decisiones. Sabemos que... Y fue un pedido y sabemos que hay que ser conscientes de no... Cualquier cosa que hagamos por ahora no involucra... No ser disruptores de ese proceso del ERP que es complejo y que siempre es doloroso.

    SPEAKER_06: Ahí hay un punto, María, muy interesante lo que vos planteás. Cuando se habla... Y digo por este interés de inteligencia artificial que es de todas las empresas, ¿no? Generalmente cuando se habla de inteligencia artificial... Y yo te cuento la anécdota de que hace 48 horas vengo de la segunda mesa que hizo la provincia de Córdoba... Para charlar sobre el tema y la problemática de la inteligencia artificial aplicada a los negocios, ¿no? Había representantes de todos los sectores, estaban las pymes, estaban los industriales... ¿Y sabes cuál es el tema que contaban? El 50% de lo que hablan no lo entendemos. Y lo que necesitamos... Y esa es la tesis que yo presento en cada uno de los congresos donde voy... Es saber por dónde empiezo y cómo hago el proceso de transformación digital... Que implica involucrar a inteligencia artificial en mi empresa. Y esa es nuestra obsesión y en ese lugar común nos queremos parar. Y excede una tool, una herramienta. Va a exceder al ERP, va a exceder a cualquier herramienta. Nosotros siempre decimos que esto empieza por el directorio, por la alta gerencia, por la alta dirección... Que son ustedes los que, digamos, están en contacto con el negocio. Que hay necesidad primero de ampliar esos directorios. Para traer más miradas específicas de inteligencia artificial, de tecnología... Que te hagan un overview mucho más amplio. Porque hoy la necesidad para formar ese famoso departamento de datos... Hay que tener una mirada amplia sobre la compañía. Nosotros siempre recomendamos que esté bien alineada. Muchas veces ya viene alineada. Muchas veces hay que hacer algún ejercicio para que el directorio esté todo... Yendo en la misma dirección y con las ruedas apuntando para el mismo lugar. Y que a partir de ahí... La mejor metodología o las dos puertas de acceso son... O empezás un proceso de escaneo formal. De decir, a ver, escaneemos mi compañía... Y miremos cuáles son las cosas que emergen donde yo puedo lanzar. O ya tenés dolores identificados que decís... Mirá, me interesa este, este y este piloto. Ahí el cuidado que hay que tener es que ese piloto tenga la suficiente relevancia... Como para que te active. Una línea presupuestaria que le dé sustento. Y para que lo que se haga en algún momento tenga impacto en tu negocio. En tu EBITDA, en tu ROI. O sea que vos puedas ver recuperada esa inversión. El otro punto importante... Te estoy haciendo como un roadmap, ¿no? Que no te hablo de tecnología. El punto cuatro, si querés, importante es el tema de los recursos. En el último año se duplicó la necesidad de recursos relacionados a data. Machine Learning, científico de datos, qué sé yo. Entonces hay que trabajar con compañías que te puedan proveer recursos. El famoso Staff Augmentation. Es decir, vos durante un tiempo vas a necesitar algunos científicos de datos. Algunos analistas de data. Algunos especialistas en Machine Learning. Y esos son recursos que compañías te los pueden dar, te los pueden proveer. Para que después eventualmente se queden en tu empresa. Y ahí... Empezaste a trabajar con un equipo ampliado. Con un directorio ampliado. Con un buen mapa. Porque digo, a las empresas le hablan de inteligencia artificial. Pero le están obligando a construir algo sin... Es como hacer una casa sin plano y sin arquitecto. ¿Cómo lo hacés? No necesitas un plano de lo que necesitas hacer. Necesitas la mano de obra especializada. El arquitecto y después la mano de obra especializada para construir. Esto es lo mismo. Y asegurar qué es lo que querés y qué es lo que necesitas. Que sería el plano. Y entonces al final ahí te vas a encontrar con las operaciones, con la tecnología y con la data en un solo lugar. Porque hay que vivir en el medio del proceso. Y en eso es donde nosotros queremos acompañarlos a ustedes y darles nuestros recursos. Es decir, bueno, tenemos gente para sumar y eventualmente auditar desde el directorio. Tenemos posibilidad de ayudarlos en ejercicios organizacionales. Podemos pensar juntos pilotos. O escaneos dentro de la empresa. Para ver por dónde arrancar. Y tenemos la capacidad de ejecutarlos. Ese es el roadmap que, digamos, el resumen de lo que hemos presentado en la primera reunión. No quiero acá sacar filminas ni PPT ni demás para no aburrir. Y también hemos presentado algunos casos de éxito porque... ¿Qué nos preguntan los directores como ustedes? Fabio, contame qué hicieron. Por eso yo te conté algunas cosas. Relacionadas a John Deere recién. Serían replicables si querés a, no sé, elijamos las 5 mejores concesionarias de agro. Y tratemos de lanzar un modelo para que ellos empiecen a reportarnos y darnos la data como necesitamos. Por ejemplo, o trabajemos con el SAC, el Servicio de Atención al Cliente. Tratando de trabajar más la prevención. Bueno, digo, cosas que pueden ahí... Ir surgiendo. Entonces, bueno. Era esto el roadmap que te quería dibujar. Antes de empezar a hablar de tecnología. Para que, de acuerdo a la situación en la que ustedes se encuentran. Sepan que tienen nuestra ayuda, nuestra cooperación.

    SPEAKER_07: No, no, no. Era simplemente complementar lo que vos decís. Creo que ahí María tenía en claro algunas necesidades. O sea, es uno de los caminos que decíamos. Nosotros tenemos en claro que queremos estas cosas. Bueno. Ahí podemos ir explorando por ese lado. Y ver qué es lo que le podemos ir convirtiendo.

    SPEAKER_07: No sé si tenía.

    SPEAKER_01: Es eso nada más. Nosotros no participamos de esa reunión.

    SPEAKER_09: De la primera reunión, Fabio lo mencionaba. Se entendió de que había un par de prioridades para ustedes. Mucho para trabajar. Pero uno era, por ejemplo, el SAC. El Servicio de Atención al Cliente. Exactamente. La automatización de esos procesos. Evolución tecnológica. Tal vez usando inteligencia artificial para asistir y mejorar la performance de ese AI. También, tal vez, algún tipo de iniciativa asociada a las sucursales. Por una cuestión también de ustedes de planes de expansión. Entonces para que, justamente, tenemos bastante experiencia con lo que estamos haciendo. Por el lado de John Deere y de Consi. Y otros ejemplos similares en donde ya estamos haciendo ese tipo de cosas. Así que esta reunión era más para escucharlos a ustedes en un siguiente nivel de detalle. Entiendo. Y para que ellos puedan tener más desafíos y tal vez proponer alternativas e ideas. Claro.

    SPEAKER_01: Está bien. De nuevo, pido disculpas de no haber estado en esa reunión. Me dijeron, mira, es súper interesante. Reunite con ellos y fíjate que pueden necesitar ustedes del área de marketing. Del área de marketing a mí se me ocurren un millón de cosas.

    SPEAKER_05: Si quiere, contanos.

    SPEAKER_01: Pero me gustaría que… Voy a empezar al revés. Ok. ¿Hicieron algo para alguna compañía en el área de marketing?

    SPEAKER_09: ¿Para algún problema en especial? No.

    SPEAKER_01: Contame, ¿qué hicieron? ¿Qué se puede hacer con inteligencia artificial para el lado de marketing? Muchísimo. Ahí tenés… También la pregunta.

    SPEAKER_06: Si querés podés, Bruno, presentar. Ahí tenemos el caso de Naranja. Si querés traerlo en la demo. Ahí te cuento… Bueno, conocés el caso de… Conocés la empresa, seguramente. Tarjeta Naranja. Sí. Si querés, lo traemos. Lo traemos.

    SPEAKER_07: ¿Puedo tener permiso ahí para poder… me podés dar permiso para compartir?

    SPEAKER_00: Puedo explicar el caso del Sistema de Recomendaciones Naranja en el caso de NOL, Naranja Online.

    SPEAKER_06: Dame un segundito ahí que lo presentamos. Dame un segundito ahí que lo presentamos. Sí. Ferran Ángel. Ahí te lo…

    SPEAKER_06: Yo te doy el paso.

    SPEAKER_01: Así te lo damos.

    SPEAKER_00: Hay muchos casos de marketing que nos estuvimos trabajando. ¿Tenés algún caso? Un caso… un ejemplo claro es el de… bueno, para el Tarjeta Naranja desarrollamos muchas soluciones, ¿no? Pero algo que yo creo que encasilla más en lo que es marketing sería, por ejemplo, el Sistema de Recomendaciones, ¿no? Naranja tenía un problema que tiene… en ese momento tenía 4 millones de clientes, tenía miles de comercios que aceptaban Tarjeta Naranja. Entonces, un desafío. Un desafío que tenían ellos era recomendar inteligentemente promociones para que las personas consuman utilizando Naranja. ¿Qué tenía de…? ¿Cuál era el desafío? Bueno, considerar cuestiones regionales porque no le podés recomendar a una persona de Córdoba una promoción de Buenos Aires. Había que analizar lo que es la región, analizar, por ejemplo, características de ese grupo de personas. Por ejemplo, si… No sé, la edad. Sos hombre. Sos mujer. ¿De qué zona específica sos? ¿Tus últimos consumos? ¿Qué rubros sueles consumir? Y en base a todas esas características propias que identifica una persona, encontrar qué promoción hace más fit, ¿no? Entonces, con eso hicimos un algoritmo que, si quieren, puedo entrar en detalle cómo funciona el algoritmo, pero básicamente lo… El algoritmo encontraba patrones que permitían, con un grado de asertividad bastante alto, recomendar este producto. El producto es ideal para vos. Y así esto se integró en Naranja Online, que es la plataforma por la cual te lo habías acá, vos entrabas y te salían directamente las promociones y decías, miren qué interesante. Y así Naranja pudo aumentar mucho su facturación y el uso de las tarjetas. Ese es un ejemplo simple de un caso que puede considerarse para marketing. Después, no sé si Bruno tiene alguno más en mente, porque en Fiat Chrysler también hicimos varias cosas para apalancar lo que es marketing, como el análisis de la… De social media, por ejemplo. Claro. Tenían las redes sociales, no sé, Facebook. En ese momento estoy hablando, ¿no? Facebook, Instagram, lo que sea. Y a través de algoritmos podríamos analizar lo que la gente está opinando y detectar cuestiones. Un caso muy interesante que detectamos del lado de marketing, que en ese momento no se dio tanto bolillo, pero hubiese sido muy bueno, detectamos anticipadamente una falla con la Fiat Toro, por ejemplo, donde se salió que tenían un problema en el… ¿Cómo era? Era un componente del motor que genera una falla del motor. Y eso estaba totalmente claro en las conversaciones y comunicaciones de Facebook y a través de unos gráficos, unos dashboards, que el equipo de marketing podía ver. Aparecía la palabra Toro en gigante y salía el filtro de partículas así enorme, FPD. Entonces dijimos, mira, aquí hay una falla en esto. No se dio boli en ese momento porque las personas por ahí quizás no tomaron decisiones basadas en datos. Y eso escaló a tal nivel que un mes o dos meses después había miles de toros en la puerta de Fiat, cientos de toros, haciendo lío, haciendo un recall y era la camioneta más vendida de ese segmento porque fue la primera que inauguró.

    SPEAKER_05: ¿Y en ese momento lo detectaron?

    SPEAKER_00: Datos. ¿Con algoritmos? Con algoritmos, sí.

    SPEAKER_01: ¿Lo meten dentro de las redes? Sí.

    SPEAKER_00: O sea, o ingresas, por ejemplo, en este caso fue el Facebook, la cuenta de Facebook de Fiat, ¿no?

    SPEAKER_08: Sí, sí. ¿Era de lo que lo etiquetaban a ellos o de que gente hablaba en cosas privadas? Se puede todo. Es una mezcla de todo.

    SPEAKER_01: Podés hacer todo. Todo.

    SPEAKER_07: Sí, es para complementar a lo que dice Frank. O sea, nosotros cuando estábamos trabajando en ese proyecto, digamos, estábamos en realidad innovando y empezamos a revisar las redes, levantamos toda la información y con un modelo de análisis de sentimiento, por un lado encontrábamos este enojo. Sí. Generalizado. Y por otro lado, encontramos en una nube de palabras que lo que generaba eso era la Toro y el problema que estaban teniendo. Y no nos quedamos ahí, aprovechamos los datos que ellos estaban colectando en FSA de los autos autónomos, de los autos conectados, perdón. Era un dataset que todavía no lo estaban aprovechando y que iba registrando todo el track del vehículo. Y con eso podemos encontrar la anomalía, dónde estaba. Claro. Entonces, fueron dos modelos que nos permitieron anticipar esto antes de que ocurriera.

    SPEAKER_09: O sea, por un lado, la información pública de los usuarios, donde los datos no sólo sirven, porque los datos pueden servir para entender los datos y la información que tenés, pero también para hacer predicción. Entonces, hicieron un reconocimiento, es lo que se llama Social Listening y Sentiment Analysis. Entonces, hicieron eso. Entonces, empezaron a detectar esto, que había algo ahí en el aire, dicho de manera sencilla. Y eso lo cruzaron con la información de los datos de la fábrica y ese sentimiento empezaron a investigar, a buscar sobre ese problema y ahí es donde detectaron el problema. Entonces, es un claro ejemplo de que no es sólo marketing, es el marketing asociado también al impacto del negocio temprano para un problema. Entonces, detectaron eso. Entonces, cruzaron y pudieron...

    SPEAKER_08: Y también se podría hacer, por ejemplo, para detectar tendencias del mercado.

    SPEAKER_09: Sí, absolutamente. Nosotros lo hacemos. Nosotros tenemos una reunión con Agrometal y entonces largamos una serie de, en este caso es una tecnología que se llama de agentes. Piensen en los minions. El otro día yo estaba pensando en eso. Una buena... Mandamos a minions... Es que le dicen minions ahora. Justamente le... Mandamos a los minions, que cada minion es distinto. Bueno, cada minion tiene su tarea. Mandamos una serie de minions. A buscar en las redes, ¿eh? Y decimos, ok, ¿qué es lo que hoy está pasando hoy como Agrometal, etcétera? ¿Qué está diciendo la gente? Y un poco aprendemos de ustedes. Y nos preparamos bien para eso.

    SPEAKER_08: ¿Es instantáneo o en cuánto tiempo se tiene el resultado?

    SPEAKER_09: Es bastante rápido. Depende un poco de lo que haga, pero es bastante rápido. Seguro que no tienen un café...

    SPEAKER_00: Dos minutos más o menos el análisis. Bueno, puede ser.

    SPEAKER_08: En dos minutos ya tenés datos.

    SPEAKER_00: Es investigación, por ejemplo, para Agrometal. Sí, dos minutos. O sea, básicamente te puedo contar el proceso así lo entendés bien. Sí. Existe un agente. Un agente vendría a ser como una solución de software que adopta un rol, por ejemplo, de investigador. Automáticamente este investigador entra, busca, por ejemplo, Agrometal en Google solo. Empieza a acceder a cada uno de los links. Son como demos, ¿no?

    SPEAKER_05: Claro.

    SPEAKER_00: Entra a cada página donde aparece Agrometal. Usa otros servicios que utiliza información indexada. Entra a Facebook, a Instagram, a todos lados. Trae un montón de información. Eso que es un montón. Otro agente entra y dice, aquí hay cosas basura. Limpia, resume todo. Y luego entran otros agentes expertos. Porque yo no quiero un resumen hecho así nomás. Quiero que, por ejemplo, lo interprete un agente experto en marketing, un agente experto en tecnología.

    SPEAKER_08: Pero ese input solo tiene que ver con humanos.

    SPEAKER_00: Yo el input que le doy es qué empresa quiero investigar. Agrometal, nada más. El único input que di, porque le quiero dar un foco a esto.

    SPEAKER_09: Puede no haber humanos en el medio del proceso. Puede ser que…

    SPEAKER_01: Lo miraron por un minuto por un tema súper banal. ¿Café cortado?

    SPEAKER_00: Sí, puede ser. ¿Cortado? Sí, cortado. ¿Dos cortados? Sí. Puede ser que… Yo lo tengo cortado también.

    SPEAKER_01: ¿Whisky? ¿Quién quiere whisky? ¿A vos?

    SPEAKER_05: Sí.

    SPEAKER_01: Yo tengo una cosa que me perturba desde que empecé a trabajar acá.

    SPEAKER_08: Una de las cosas.

    SPEAKER_01: Una de esas. Tantas me perturban, pero estas me perturban mucho.

    SPEAKER_09: O sea, puede involucrarse humanos como parte del proceso. Human in the loop. Human in the loop. En donde va a decir, ahora tenés que ir y preguntarle a Pablo. Para pasar a la siguiente etapa. Para la siguiente etapa. Eso lo decís vos en parte del proceso que define. E incluso decisiones que pueden tomar los mismos agentes. El mismo Minion puede decir, bueno, es ahora. Ahora, en base, dado que pasó esto, voy a frenar y voy a ir a preguntar.

    SPEAKER_00: Y fíjate que ese caso de uso en ningún momento necesitó información de tu sistema. Este es un caso de uso que trabaja con información que tiene internet.

    SPEAKER_01: Con información que está.

    SPEAKER_00: Este es un caso de uso que por ahí, vos me comentás, todavía estamos trabajando en esto. OK. Pero existen un montón de iniciativas que a pesar de que usted todavía no tenga desarrollado su sistema, podemos obtener información de otros lados. Y hay soluciones que. Sí, secundarias. Exactamente. Que ya les pueden dar beneficios.

    SPEAKER_01: A ver.

    SPEAKER_06: A mí. Sin abandonar el punto anterior. Sí. Que, digamos, se vincula con los agents, digamos. Y en lo que vos mencionabas, María, de construir data también. Nosotros veíamos muy pertinente, por ejemplo, para todo lo que le pasa al servicio de atención al cliente de ustedes, que es lo que le dicen el SAC.

    SPEAKER_05: Exacto.

    SPEAKER_06: Es decir, tratar de empezar a generar la mayor cantidad posible de puntos de data, de las maquinarias, emulando esto que Fiat pudo hacer gracias a que ya tenía un set de datos. Entonces, digamos, empezar con un plan de decir, bueno, ¿en qué punto está esto? ¿Cómo lo podemos ir reforzando y trabajando en el tiempo? ¿Cómo vamos construyendo una infraestructura que, junto a esos datos más otros datos, nos permita empezar a tomar mejores decisiones? Primero de prevención de servicio técnico y después de optimización. Yo, por ejemplo, son en esas cosas donde veo muy fácil que armemos proyectos que estén vinculados a, vamos a invertir esto y vamos a ahorrar esto en términos de prevención, en términos de viaje, en términos de viáticos, en términos de tantas cosas, ¿no? Eso me parece… Sí.

    SPEAKER_07: Y las casuísticas, no sé si ustedes ya tienen bien analizado en qué puntos, en qué puntos, se tendrían que empezar a mejorar esta atención o dónde los clientes están encontrando mayor cantidad de problemas. Y si no lo tienen, también podemos generar data de eso, ¿no? Ya sea a través de llamadas telefónicas, de todo tipo de contactaciones que tengan hoy. Tenemos soluciones que se dedican a eso, a poder procesar, ya sea que sea audio, ya sea que sea un mensaje de texto, lo demás, eso lo estructuramos y podemos de esa manera tener un mejor relevamiento de las casuísticas. Y después de ahí empezar a ver cómo las resolvemos. Un caso puede ser con la data de las máquinas que nos permitan poder prevenir, anticipar esos problemas. Pero quizás haya otras cuestiones que sean meramente de negocio y se pueden mejorar otros procesos o comunicacionales.

    SPEAKER_06: Bueno, esto que dice Bruno de audio, perdón, esto que dice Bruno de audio es típicamente de marketing, ¿no? Y a veces se nos escapa incluso a nosotros. Sí. A veces se nos escapa a nosotros en las conversaciones, pero ya tenemos software de rápida implementación que les permitiría a ustedes saber cada agente o cada contactación que hace un cliente si está siendo respondida de la forma que ustedes quieren que sea respondida, ¿no? El protocolo, que se respete, todo tipo de auditorías sobre las contactaciones. Entonces digo, por ahí las empresas, lo que nos está pasando es que tenemos más puntos de contacto de data de los que nos imaginamos. Pero no la estamos aprovechando. Sí. Y ese es el famoso, viste, el nuevo petróleo, son los datos. Porque, claro, no sé, a lo mejor ustedes lo llaman, qué sé yo, 200, 500 personas al mes. Entonces concesionarios e interesados en determinadas cosas. Pero no estamos auditando eso, no lo estamos midiendo. Y la verdad que pasando un software se pueden auditar el 100% de las llamadas y ver cuán pertinente estamos siendo en ciertos procesos. Visto. Digo como para. Sí.

    SPEAKER_09: Perdón, iba a decir que una cosa importante, los ERP en una empresa como la de ustedes es fundamental. Pero a veces lo que tiene que pasar es que se piensa que el ERP es la fuente de la verdad de datos. Y cuando en general está lo que se llama la gobernanza de datos, que es pensar la arquitectura y la estrategia de datos a nivel organizacional. Y es que la información que a este punto viene de un montón de lados, como ven acá. Desde las redes, escuchar las redes sociales, escuchar a las máquinas, escuchar a lo que dicen sus vendedores, escuchar lo que dice el ERP. Y todo eso integrado, de manera que en estos famosos Data Lake, de manera que sobre toda esa integración uno empieza a cruzar información y empieza a generar muchísimo valor y empieza a hacer modelos, por ejemplo, predictivos que te anticipan las cosas, que te pueden hasta guiar la decisión de las campañas que ustedes van a tomar. No la campaña que van a ejecutar en el próximo, dentro de seis meses. Es la campaña que pueden decidir ejecutar durante una semana, la próxima semana, y después la siguiente semana deciden así. La velocidad de ejecución es, ahora me enfoco en otra campaña porque llega el período en donde vi que hay un pico de interés porque justo está el momento de la, de, de, de, de... La siembra. La siembra, perdón. Se me cruzan las cosas. De la siembra, ese tipo de, ese poder que da los datos, de decisión rápida pero informada, es lo que te da esta gobernanza que va más allá del ERP. Y acá vieron un ejemplo con Fiat de ese poder.

    SPEAKER_00: Quería aclarar otra situación que hoy antes era muy difícil solucionar y costoso y llevaba tiempo. Era el trabajo de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de, de...

    SPEAKER_09: El volumen que nos da a vender. Exacto. Bueno. Las dificultades de adopción por el tipo de persona, alguien que está en el campo. Hemos hablado con gente de este mismo espacio similar, en donde la idea es que a través de preguntarle al teléfono, directamente con vos, sobre una determinada máquina, vaya y en vez de tener que estar buscando en los manuales, directamente vos le preguntás sobre un repuesto, sobre un problema que tenés, y ni siquiera va a mirar inteligencia artificial en cualquier lado en el espacio cloud, no. No, va y busca en la documentación que ustedes tienen y le da la información. Le muestra tal vez, le devuelve incluso información en audio, o le preguntás en audio, y le muestra tal vez el ejemplo del repuesto o de cómo funciona esto, o cuál es el problema con este aparato, cosas así. Bueno, ese tipo de cosas. Hasta ahí se puede. Disculpen. Sí.

    SPEAKER_07: Quería aprovechar ahora que hemos dado un pantallazo de las tecnologías, ¿no? Como para tener algo que se pueda instalar. Sí, cómo no.

    SPEAKER_01: Mira, tengo preguntas. Yo soy re-preguntona, perdón.

    SPEAKER_09: No, no, por favor, necesitamos para escucharnos.

    SPEAKER_07: Eso, eso, queríamos ver. Para que no sea monólogo nuestro, eso, eso.

    SPEAKER_00: Sí, porque empezamos a hablar y no paramos más porque tenemos muchas cosas.

    SPEAKER_01: Yo soy re-preguntona y a lo mejor quiero cosas que no se pueden o que no existen o que son inviables.

    SPEAKER_09: No hay preguntas tontas.

    SPEAKER_01: Pero, como les dije, desde que llegué a Agrometal, Agrometal tiene poco manejo de datos. Por un tema. Por un tema de Agrometal, pero también por un tema de rubro. Rubro, sembradoras, es complicadísimo conseguir datos y conseguir datos de mercado. Entonces, ¿a qué me tengo que atener? Me tengo que atener a hacer encuestas carísimas que tardan un montón y cuando me dan datos no me sirven. Y por otro lado, hay el mercado de las sembradoras en Argentina que está bastante explotado. La mayor parte son fabricantes argentinos que no comparten los datos y como no se patenta, no tengo datos de mercado. Nada. Cero. Cero. Tengo datos de la cantidad de sembradoras que se venden en la Argentina que es de INDEC, que encima lo manda INDEC, pero de acuerdo a lo que manda INDEC dice este trimestre se vendieron X cantidad de sembradoras. Nosotros sabemos la que vendimos nosotros. Nosotros decimos, bueno, tenemos un market share de tantos. Pero la verdad que es nada. Entiendo que con inteligencia artificial hacer esto no es válido tampoco, pero sí pienso, porque yo en realidad pienso en cómo podría cruzar un montón de datos para llegar a los datos que me interesan. Hay forma de empezar a trabajar con mercado o entendiendo en qué zonas se vendió, si uno busca datos de acá, datos de allá, cruzar datos y empezar a tirar reportes, aunque sea que nos guíen un poco.

    SPEAKER_00: Quizás algo que nos serviría mucho para mí para poder tomar decisión, un escaneo. ¿Por qué? Para poder entender qué fuentes de datos ustedes suelen, del rubro más de ustedes. Porque, por ejemplo, en el caso financiero que yo trabajé mucho y ahí lo conozco muy bien, hay información que quizás tarjeta naranja no la tiene, pero existen bureaus que manejan muchísima información. Entonces, con ellos, trabajando con varios bureaus, yo puedo armar un perfil de una persona y información que ni siquiera tiene la entidad, pero a través de los bureaus yo la obtengo. O de un cierto conocimiento podemos, no sé, en Google Maps hay un montón de información. Por ejemplo, si vos sabés que en Google Maps puedes traer información de, hay mucha información ahí, quizás algo se pueda llegar a extraer, no sé, me gustaría entender un poquito más su negocio para poder imaginarme qué fuentes de datos, aunque sean públicas, están accesibles. O sea, la respuesta es sí.

    SPEAKER_09: Se puede hacer, sólo que requeriría un poco de análisis.

    SPEAKER_07: Por ahí, digamos, como estoy trabajando también en este caso, con el cliente que les mencionamos, John Deere, y en caso con, sí. Por ahí digo, algo que estamos usando como fuente de datos que nos resulta útil son todo el ecosistema de ArcGIS. No sé si eso ustedes ya lo están aprovechando. Bueno, ArcGIS tiene todo un mapeo realizado para poder justamente medir las zonas de cobertura. Entiendo, lo que vos necesitas, María, es decir, yo necesito definir mi estrategia de expansión, necesito hacer una investigación de mercado, y para eso necesito la data. Y hoy me estoy clavada porque no estoy encontrando eso. Bien. Hay muchísimas tools, como dijo Franco. Una de estas es ArcGIS, que es bastante de nicho, pero también con el mismo espíritu que nosotros le contamos recién, tenemos un researcher que busca toda la info pública que hay. Esa es otra fuente que podamos nutrirnos. Y después, como dijo Franco, es Capin, Google Maps. O sea, fuentes hay. Es una cuestión nomás de hacer las preguntas, hacer las preguntas correctas. Claro. Sí. Y consolidar todo en un solo lugar. Para eso se crea lo que es un repositorio de datos centralizado. Entonces, vos empezás a nutrirte porque esto lo vas a necesitar no solamente una vez, sino la primera vez para definir quizás un objetivo, una estrategia, pero después vos vas a querer monitorearlo. Entonces, ya tenés que pensar ahí en construir un repositorio centralizado que se nutra de todas estas fuentes, sumado a la información que ustedes tienen de su ERP. Claro.

    SPEAKER_09: Que no requiere esperar el ERP. Llegó el momento, el ERP se conecta. Se conecta. Pero se puede empezar haciendo un poco en un análisis sobre esto. Tratar de hacer algún tipo de piloto asociado a esto sin tocar el ERP y buscando estas diferentes fuentes, que pueden ser fuentes internas de ustedes como fuentes también externas. Perdón, no sé si Franco, nuestro socio de la parte de marketing y comunicación, se sumó. Puede ser que esté esperando en la sala. Estoy acá. Ah, perdón. ¿Qué tal? Perdón. Hola, Franco. Buenas tardes. ¿Querés aprovechar, Franco, y presentarte?

    SPEAKER_04: Sí, sí, sí, perfecto. Perdón, la llega tarde. Teníamos una actividad todas las agencias de publicidad de Córdoba con gente de afuera.

    SPEAKER_05: Qué bueno.

    SPEAKER_04: Bueno, estaba escuchando la conversación. Recién me sumó hace unos minutitos. Yo soy Franco Herrero, soy socio de SKRB. Y al mismo tiempo soy director de Hello Brand, que es una agencia de comunicación, que es uno de los pilares socios de SKRB. Así que escuché que estaban hablando más bien de investigación de mercado y entendimiento o recolección de información. Como decían los chicos recién, hay muchas fuentes hoy disponibles que pueden aplicarse a través de la tecnología, pero obviamente también están las fuentes tradicionales de hacer research de mercado con alguna herramienta tipo impuesto o entrevista en profundidad, que a veces dan una información muy rica también, complementaria con la experiencia del usuario, ¿no?

    SPEAKER_07: Yo he hablado más bien a los que están haciendo encuestas también telefónicas. Creo que por lo menos no le podías sacar todavía el beneficio, costo-beneficio. Claro, como que estaban siendo muy costosas.

    SPEAKER_06: Entonces el punto en el que estábamos es viendo que hay muchas fuentes de información, quizás como alternativas, que no son las primeras que tenés en cuenta. Bruno mencionaba ARGES. Y podríamos utilizar para crear un repositorio y combinado con lo otro que se está haciendo, cumplir con esos objetivos. Tenías varias preguntas que no te quiero escucharlas.

    SPEAKER_01: Más que nada está relacionado con lo que acabás de decir. Nosotros hacemos encuestas, nos manejamos con información de forma tradicional. Usamos las típicas encuestas tradicionales. Por ejemplo, terminamos de hacer una encuesta, se la encargamos, una encuesta de percepción de marca y demás. Tardaron en hacerla. Carísima.

    SPEAKER_08: Mal diagramada.

    SPEAKER_01: No sé, no estoy feliz con el resultado. ¿Cómo fue ejecutada esa llamada telefónica? Fue llamada telefónica y en algún caso presencial.

    SPEAKER_03: ¿Y esa llamada, por ejemplo, fueron grabadas?

    SPEAKER_01: 400 personas.

    SPEAKER_03: ¿Fueron grabadas? 400 casos.

    SPEAKER_01: ¿400 casos? 400 casos.

    SPEAKER_03: Es grande la base.

    SPEAKER_01: Es grande.

    SPEAKER_03: Es muy grande la base.

    SPEAKER_01: Es grande. Muy grande. Es grande. Pero bueno, cuando te terminan de dar el...

    SPEAKER_09: Fueron grabadas esas...

    SPEAKER_01: Entiendo que la mayor parte sí que deberían estar grabadas y deberíamos tener el acceso.

    SPEAKER_04: Bueno, una... Y acceso a esa información sería buenísimo poder procesarla o reprocesarla con algo de ahí, ¿no? Sí.

    SPEAKER_09: Eso es el tema. El tema de la inteligencia artificial y los datos, es que procesos que tal vez son costosos y que llevan tiempo y que al final el valor que obtienen ustedes de un tratamiento clásico estándar es poco en base a la inversión. Al menos si se hace la inversión, dice, bueno, quiero el acceso a las 400 llamadas, se pueden procesar todas con inteligencia artificial, buscar palabras claves, poner parámetros de chequeo de intereses, que son ustedes, y eso es donde empezás a cruzar esa información, hacer resúmenes, hacer información y cruzarla con otras fuentes, ¿ok?

    SPEAKER_06: Esto es donde te digo, María, que tenés... Empezás a apalancarte... María, Pablo, se pueden empezar a apalancar en toda esta nueva estructura basada en datos, ¿no? Es decir, bueno, lo mismo que estás haciendo, ahora apalancado con el uso de inteligencia artificial y con otra mirada, seguramente te va a empezar a dar otros resultados. Ya pagaron por eso.

    SPEAKER_07: Claro. Esa está muy valiosa. Ahora le saquemos más provecho. Exacto. No solamente...

    SPEAKER_01: Y agilidad, porque siento como que cada vez que necesito buscar algo de eso, me encuentro la agilidad necesaria. Bueno, un ejemplo de eso también, procesar esa información, esas llamadas,

    SPEAKER_09: te puede dar una base de datos donde incluso, una de las cosas que nosotros hacemos es algo que se llama DataSpeak, en donde vos podés hablar con tus datos. Entonces vos, además de tener conclusiones, predecir cosas, cruzarla con otros datos, vos empezás a preguntarle. Imagínense, han usado ChatGPT o alguno parecido. Me encanta. Pero así, interactuar con sus datos. Entonces, ustedes le preguntan cosas que de repente, en cualquier momento, más allá de un reporte que le puede dar la consultora esa, pero es la capacidad de estar preguntándole vos. Ustedes leyeron el reporte, vieron alguna información basada en esos resultados, dices, bueno, pero a ver, yo quisiera saber, ¿cuáles fueron las personas que pasaron por este problema? Y le preguntás. Interactuás con tu información y le sacás todo el jugo, mucho más de lo que es un simple reporte.

    SPEAKER_06: Ahí es donde nos enfocamos en el punto de decir, no es el ERP. Ahí es donde decimos, esto de empezar a identificar donde ustedes tienen el petróleo, donde ustedes tienen los datos, poder empezar a volcar esos datos en el Data Lake, en la estructura correcta, con la seguridad correcta, darle la gobernanza, les va a permitir tomar más decisiones. Les va a permitir tomar mejores decisiones.

    SPEAKER_04: Pero hay un punto de partida que me parece importante, entiendo que la investigación, no sé quién se la hizo y cómo lo hizo, qué método utilizó, más allá de eso, si la encuesta está bien realizada, desde el punto de vista instrumental, como decía uno recién, tenemos un capital, tienen disponible un capital enorme que se puede reprocesar n veces, porque a través de la tecnología, esa es otra ventaja, le podemos ir preguntando, combinando y detectando factores comunes, encima sin algunos sesgos que por ahí tiene el encuestador, el entrevistador en el momento de hacer el proceso, hacer las conclusiones. Entonces digo, tienen un capital que no muchos tienen ya, y aunque les haya salido costoso, sería muy bueno poder reprocesarlo y tener la opción, como decía uno recién, para sacarle el jugo lo más posible, sumado a otra fuente de información, como decían los chicos recién. Porque es clave entender qué pasa ahí para tomar decisiones mucho más efectivas.

    SPEAKER_01: Nosotros desde el área de marketing, datos y demás, en un proceso de muchos años,

    SPEAKER_01: el posicionamiento de marca excepción que tenemos es que está decayendo. Entonces, en el año 2019, 2021 y 2023 se hicieron estas encuestas, donde además de preguntar por tema de posicionamiento de marca, percepción de marca y demás, y preguntar siempre lo mismo,

    SPEAKER_01: se hicieron estas encuestas y cuando me la presentan yo le veo mucho sesgo, a cuando nos presentan las cosas, y son resultados muy, lo que nos dicen es como muy superficial.

    SPEAKER_01: Es como lo que pasó con la Toro, cuando vos decías, yo creo que hay problemas grandes que a lo mejor no lo estamos terminando de ver. Quizás si se pudiese analizar, y es un trabajón enorme, porque tenemos todos los tabló, entiendo que debemos tener todos los verbatim, yo no estaba, soy nueva. Yo no lo vi nunca, porque estuve metido en el interior.

    SPEAKER_00: Hoy tenemos la capacidad esa de procesar.

    SPEAKER_01: Entonces vos decís 2019, 2021, 2023, y además hasta podés proyectar, porque ya tenés para proyectar.

    SPEAKER_09: Como dice Fabio, ahí tienen petróleo crudo, que se podría procesar para aprovechar, porque está bien, ya gastaron ese dinero. Ya lo gastamos. Hagan un retorno de inversión valioso.

    SPEAKER_01: Ya lo gastamos en posición como de la empresa, y con la experiencia que traigo es, che, ¿para qué hiciste tres veces esta encuesta que te está dando el mismo resultado? Y lo que pasa es que las recomendaciones, las recomendaciones son, a mi manera de ver y de leer una encuesta, de revisarla, son light.

    SPEAKER_07: No hay ninguna hipótesis clara, leí María, que hayan podido concluir de ahí, de por dónde vienen los colores, algo que también podamos en simultáneo seguir profundizando, que se puedan ya ir tomando acciones,

    SPEAKER_09: creo de la cara de María, no crea la confianza necesaria a los resultados de esas encuestas para tomar decisiones.

    SPEAKER_01: No creo que no me crean los resultados necesarios. Me dice como que estoy bien y...

    SPEAKER_09: No es lo que siente, no es lo que usted percibe.

    SPEAKER_01: Creo que pasa el problema de la toro, que el problema de la toro está ahí y en cualquier momento

    SPEAKER_09: nos vamos, no es así.

    SPEAKER_01: Nos vamos a encontrar con las toros emocionadas, como dijiste vos. El sentiment analysis. Están así, pero soy muy mala.

    SPEAKER_09: El sentiment analysis.

    SPEAKER_06: Como la pesadilla que tenés a la noche, me parece.

    SPEAKER_09: Ahora voy a pedir a Franco Berardo que haga un comentario, pero estás usando datos, los datos no te están resultando del todo relevante, al mismo tiempo, como expertos ustedes, ustedes vienen de adentro, entonces están en el sentiment analysis de los expertos diciendo hay algo que no está... Y eso está viniendo de algún otro lado.

    SPEAKER_01: Se puede cruzar eso junto con un análisis profundo de redes sociales, de sitios web, de competencia. Escucha social. Escucha social, no solamente hacia nosotros, sino también hacia la competencia y decir, che, porque quiero meterme en temas que por ahí todavía no estamos tratando, después lo podremos ver, pero si la encuesta dice esto, ¿estás seguro que esto no es otra cosa más importante que esto?

    SPEAKER_09: Tal vez Franco vos querés hacer un comentario en relación al tema de posicionamiento y branding, tal vez que también hay algo para decir ahí.

    SPEAKER_04: Sí, ahí me parece que es clave, cualquier decisión tiene que estar basada en información, qué bueno que exista una continuidad de investigaciones de varios años, que bueno, digo insisto, entiendo que al menos si el instrumento estuvo bien implementado, más allá de cuál es el sesgo o no que puede haber tenido quien lo interpreta, tener una fuente de información muy genuina, que es clave cruzarla con otras fuentes de qué está conversando la gente sobre nosotros y qué está conversando sobre la competencia para poder definir un espacio de posicionamiento. Nosotros tenemos muy claro que es una marca referente, una marca con una muy fuerte identidad en el vertical de la industria, pero también entendemos que las marcas tienen como un rol social, o sea, tienen como un derrame hacia la opinión pública en general y bueno, eso habría que analizarlo un poco y ver qué indicadores hay que tener en cuenta, porque qué nos pasa en el mundo del marketing, vos lo debes saber como nosotros, que a veces queremos medir todo y de todo y a veces hay indicadores que son relevantes para la toma de decisiones de posicionamiento, de elección de los medios, de elección de los mensajes, de definición del esfuerzo que uno va a hacer y otros no. Entonces lo importante sería despejar, armar esa base de datos, armar esa fuente de información, despejar las incógnitas más importantes y abordar eso, entendiendo qué es lo que del otro lado quiere escuchar de alguna manera el cuerpo, el usuario final del producto o el que lo compre, porque encima tenés como diferentes públicos acá, tenés el público usuario que posiblemente no es el mismo que compre, posiblemente no es el mismo que recomiende y tenés como determinados...

    SPEAKER_01: Eso es lo que acabas de decir, es fundamental, sobre todo en el área de siembra, insisto, yo vengo del área del agro y en el agro tiene mucha verde, siembra hay que tener mucha verde dentro del agro, pero en temas sembradoras es un mercado muy especial, no es lo mismo que el del tractor, no es lo mismo que el de cosechadora, no es lo mismo que el de forraje obviamente, el de siembra es especial porque muchas veces la sembradora para entrar a trabajar en determinado lugar necesita la recomendación de el que prescribe, hace la prescripción que es el ingeniero agrónomo. Entonces recomienda que entre esta, esta y esta, porque si yo soy médico es como si vos sos médico, que te voy a recomendar, te voy a dar el mejor, el que está bueno, o te voy a dar un genérico o te voy a dar el que estoy seguro de que te va a hacer bien porque además me genera... ese que te estoy recomendando me invitó a Estados Unidos al Farm, ¿entienden el tema?

    SPEAKER_05: Sí, sí, sí. Con cosechadora...

    SPEAKER_01: No es tan fácil y también en cosecha es distinto porque es otro tema. En sembradoras tenés el que te recomienda, el que recomienda la prescripción de siembra. Le erraste cuando sembraste, por más que tenga la cosechadora un avión, le erraste.

    SPEAKER_04: Esto es el inicio del proceso. Es el inicio del proceso.

    SPEAKER_01: Y Argentina tiene su propio mercado, que por eso no entraron casi nunca las sembradoras extranjeras. Yo trabajé 23 años, vamos, hoy me saca sangre y me sale un poquito verde. Es mentira. Por John Deere, les fue muy bien, muy contenta, muy amable, pero tuvieron que comprar Pla porque la sembradora John Deere acá no la podían traer porque no están adaptadas para el requerimiento y es muy difícil armarla. Porque es un producto complejo. Se lo pueden decir los chicos de Consi, eso.

    SPEAKER_01: Pero es complejo. Entonces, si nosotros podemos leer y podemos... ¿Qué nos pasa? Cuando vos tenés un montón de datos, juntar todos esos datos, a veces llevan mucho tiempo y son muy complejos. Por eso yo digo, la inteligencia artificial debería ayudarme a mí a unir todos esos datos tan complejos. De este mercado, en el que no hay datos, además, no es como cosechadora. Yo prendo un botón y sé cuántas cosechadoras vendió John Deere. Está bien, algunas las vendió directo al concesionario, otras las vendió directo. No importa, las patentó y sabemos cuántas vendió.

    SPEAKER_05: Está en la calle.

    SPEAKER_01: En esta zona, cuántas son verdes, cuántas son rojas, cuántas son amarillas y azules. Acá no, no lo tengo esa información. Entonces, es un mercado que estamos bastante a ciegas. Hay poco dato, lo tengo que hacer, lo tengo que generar y encima tengo que tratar de cruzarlo con otras cosas. Además de que no lo tiene Agrometal. Entonces, yo creo que esto nos puede ayudar.

    SPEAKER_09: Acá no hay magia. No, pero te puede ayudar. El primer esfuerzo. No, no, no. En el sentido de que hay que hacer un esfuerzo. Si no hay nada, está la materia prima ahí. Sí. Es claro que ustedes la tienen. Es altamente valiosa. Pero hay que hacer un primer esfuerzo para acomodarlo, juntarlo, tenerlo y prepararlo. A partir de ese momento ya están listos. A partir de ese momento es donde se empieza a recoger la siembra. Estoy mezclando un montón de analogías. Pero ya de manera recurrente ya está listo todo para hacerlo. Claro. Pero sí, o sea, la respuesta es sí porque se puede hacer y creo que...

    SPEAKER_01: Y no es necesario tener nuestro ARP. Podríamos empezar a trabajar. No.

    SPEAKER_09: Y creo que es algo que tienen que aprovechar. Como dice Franco, es altamente valioso toda la información y la recurrencia que han tenido en el tiempo. Más allá de los posibles bias.

    SPEAKER_09: Es información que es fundamental aprovecharla. Es un desperdicio no aprovecharla.

    SPEAKER_01: Bien. Ahora esto es como el chat de GPT. Tenés que saber qué preguntarle, cómo preguntarle y después analizar lo que te dice. No tenés que ser tan idiota para poder ver.

    SPEAKER_09: Lo que hay que hacer es ahí definir y eso lo podemos hacer juntos. Ustedes son los que tienen el conocimiento. Es definir indicadores, preguntas generales y a partir de las preguntas generales vas refinando y les puedo asegurar en el momento que empiezan a ver las respuestas a esas preguntas y que en teoría no deberían tener ningún sesgo, sino que simplemente se basan en los datos, ustedes van a empezar, ustedes mismos van a empezar a hacerse las siguientes preguntas. Entonces, en un approach top down, poniéndose a esos objetivos primero y después definiendo algunas preguntas, van a empezar a poder definir los indicadores que quieren analizar, como dijo Franco, sacando, entendiendo cuáles son los indicadores principales, escuchando un poco lo que dicen las redes sociales, ese social listening y las preguntas van a surgir solas, porque los indicadores que van a elegir les van a mostrar esos resultados en los datos y les van a... Interesante.

    SPEAKER_06: Y eso, desde el punto de vista del marketing, es que también ustedes van a ir mostrando, si están estos famosos prescriptores, digo, por ejemplo, para el caso de las sembradoras, mostrando un liderazgo en la intención de la recolección de data, en la evidencia y generando también como todo un cuerpo de información y de soporte para que cada vez tengamos más prescriptores dentro de Agrometal. Y lleven la recomendación de nuestro producto, ¿no? O sea, como una especie de el visitador médico para... Ahora le estoy quedando el visitador médico para el prescriptor, ¿no? Digo, aquí es donde nosotros vemos ese esfuerzo conjunto que podemos hacer, la data, Franco, vinculada al marketing para reforzar la acción de un prescriptor que termina recomendando a nuestras sembradoras. ¿Por qué? Y porque damos data, porque le invitamos a eventos, porque le mostramos evidencia científica, porque, digamos... Claro.

    SPEAKER_04: Perdón, perdón, Fabio, ahí está bueno lo que decís, porque un poco la otra parte de la conversación es tengo la data, tengo el análisis, el análisis va a ser muy orgánico, muy rico, como decía Dan recién, porque puedo ir encontrando y al ir conversando con los datos me van a empezar a aparecer oportunidades, pero esa debe ser una fuente para construir la salida de todo esto, que sería el mensaje correcto, el público correcto, el momento correcto. Claro, claro. Y sobre todo esta idea, esta intención de decir, che, bueno, ¿qué representa la gente? ¿Cuál es nuestra propuesta de valor como marca, como empresa, como compañía, como servicio, como todo lo que tenga que ver con eso? Y utilizar los cadenas correctos. Uno va a decir, este tipo de evento va a conectar con este mensaje, con esta acción, a este público, esta comunicación en redes sociales. Nos suele pasar muchísimo, y seguramente les ha pasado a quienes están vinculándose a la de marketing, que las redes sociales terminan mojándole a cualquiera de cualquier cosa y también siendo algo más de por lo menos estar. Entonces, es dejar de estar para empezar a conectar un poco eso. O sea, conectar definitivamente y la información, bueno, utilicen sí el contenido, porque las palabras claves van a salir de ese mismo diagnóstico. Los mensajes claves salen de ese mismo análisis. Entonces, ahí es mucho más rico y entender dónde está la diferenciación de nuestra marca frente a la competencia.

    SPEAKER_09: Y hay una cosa interesante de esos prescriptores, que son ingenios agrónomos, pero que se convierten en parte de la decisión. Son los influencers.

    SPEAKER_05: Son los influencers.

    SPEAKER_09: Con la inteligencia artificial lo que nos permitiría tal vez es incluso recopilar información de quiénes son, con nombre, apellido, dónde están, describir cómo es el comportamiento de un prescriptor, cuál es su trabajo, etcétera, y hasta poder empezar a generar simulaciones de cuál sería el mensaje que ustedes podrían darle a ese prescriptor. En base a toda esta información, además empezar a simular cuál es la mejor manera de hacerle la approach a estos prescriptores. Y ustedes van a empezar a pensar, y ustedes pueden plantear estrategias. ¿Sería bueno usar este tipo de estrategia con el prescriptor? Y teniendo al prescriptor simulado, se podría también, de vuelta, con toda esa base de conocimiento que se junta, empezar a hacer pruebas de, bueno, vamos a probar con este mensaje, y prueban con un par de prescriptores.

    SPEAKER_08: Y medirlo, medir una acción rápida.

    SPEAKER_09: Y eso se lo incorporás, medís contra el experimento que haces, ves los resultados, y eso lo medís contra tu base de conocimiento. Y entonces empezás a hacer la nueva pregunta. Y bueno, ¿cómo midió esto con respecto a todo lo anterior? ¿Por qué le fue mal? ¿Por qué le fue bien? Exactamente. Y empezar a tomar decisiones. Entonces, ese conocimiento que se incorpora. Vos decidís, si además hace esa campaña, bueno, ese conocimiento lo incorporás a ese tema, lo que se llama esta base de conocimiento.

    SPEAKER_08: Y cuando vos incorporás conocimiento, es como cuando regresás a una ley, va aprendiendo,

    SPEAKER_09: pero además revisa, y ya lo que te va a decir lo siguiente es influenciado por el nuevo conocimiento. Entonces, empezás a entender más cosas, a cambiar de decisiones, tal vez, incluso en algunos aspectos. Básicamente, ese es el poder de esos datos que se convierten en conocimiento. Y ese conocimiento te da información.

    SPEAKER_01: Yo les digo otra problemática que tengo. No sé si se puede solucionar con inteligencia artificial. Yo pregunto. Yo pido. Siempre, generalmente, pido.

    SPEAKER_09: Sí. Alguna es. Aclaremos. Es inteligencia artificial, tecnología.

    SPEAKER_01: Tecnología, inteligencia artificial. Yo les estoy contando los dolores. Estoy delante del médico y del especialista y le estoy diciendo. Me duele la rodilla. ¿Qué puedo hacer?

    SPEAKER_09: A eso venimos. A eso venimos, María.

    SPEAKER_01: Tengo un dolor muy grande. Es que hoy, nosotros trabajamos con concesionarios. Y yo tengo un dolor muy grande. Y lo digo porque ustedes están trabajando con un concesionario. El concesionario Grometal es un concesionario multimarca. Y es un concesionario bastante heterogéneo. Tenemos concesionarios que son concesionarios de la competencia, de marcas multinacionales. Por ejemplo, que venden New Holland. Y entonces, son los más entrenados. No tenemos John Deere porque John Deere, al haber comprado Pla, dejó de ser concesionario de marcas de Grometal. Pero durante muchos años, Grometal y John Deere estaban bastante emparentados. Bueno, ahora estamos más emparentados con New Holland, por ejemplo, o con cualquier otro. Cuando el concesionario es multinacional, medio como que tiene su propio SRM. Sale a buscar clientes. Sabe cómo es su territorio.

    SPEAKER_08: Tiene gente de marketing.

    SPEAKER_01: Tiene gente de marketing. Mira. El concesionario que es más multimarca y demás, no tiene idea. Entonces, nosotros tenemos zonas donde tengo un concesionario. Y no sé cómo está compuesto ese territorio. No lo sé. O sea, tengo un concesionario que vende todo esto. Que además de estar este concesionario acá. Me está saltando algo de calendario. Yo me voy a apurar. Además de estar este concesionario acá, seguramente tengo la competencia. Y este concesionario no sale a cazar fuera de su territorio. No sale a pescar fuera de su pecera. Generalmente hace los eventos con los mismos clientes que le compran siempre. Porque además agrometal, el cliente que le compra una vez, le vuelve a comprar. Tiene buena retención. Ahora empieza a perder porque este otro concesionario de la competencia le empieza a venir a tratar de sacar clientes. Y este no conoce. No sabe. No expande. No tiene. Entonces, no sé. No cómo se podría por medio de la tecnología, por lo menos yo sentarme en determinado territorio y decirle, flaco, en este territorio vendiste dos máquinas. Y este territorio, porque tuvo buena lluvia, porque por social, por percepción, por cruzamiento de datos, por lo que sea, se vendieron tantas cosechadoras, sembradoras o tendría un potencial de venderse tantas y no las hiciste.

    SPEAKER_06: Yo creo que eso es fundamental para ustedes, ¿no? Claro. Eso es fundamental.

    SPEAKER_01: Pero hoy no lo puedo hacer porque no tengo el dato. Mi pregunta es...

    SPEAKER_06: Perdón, Dan, ¿no? Sí, perdón. Digo, ahí me parece que hay primero como un tema de share of mind, digo yo, que traigo un concepto de consumo masivo, ¿no? Cuando vos tenés una marca, ¿cuánto te importa y te impacta la marca en tu cabeza, como disponible? ¿Cuánto te importa? ¿Cuánto te importa el consumidor cuando a la vez tenés otras marcas a las que estás distribuyendo y las otras marcas te vienen con sus ideas, con sus mensajes y con sus necesidades? Entonces, ahí me parece que desde el punto de vista del marketing, en un momento que el marketing está asociado a los datos, esto que yo comentaba al principio, yo veo que hay una oportunidad en Agrometal, sin haberme metido mucho en profundidad, por lo que levanto en las entrevistas y por lo que escucho ahora, de empezar a construir un modelo de mercado, un modelo a favor de concesionarias para aplicar, no sé, a las tres primeras, a las cinco primeras, para empezar a hacer una prueba piloto, donde los concesionarios empiecen a tener una especie de dealer capability, ¿no? Al estilo John Deere, entonces decir, bueno, vos venís teniendo este negocio con nosotros en esta zona, nosotros necesitamos defenderlo y expandirlo, con lo cual vamos a empezar a medir el llegar de la maquinaria, necesitamos empezar a tener cuota de venta. Necesitamos tener la garantía de que tengas visitas a campo, necesitamos tener la garantía de que tengas este mínimo de stock, necesitamos, bueno, todas cuestiones que están vinculadas a performance.

    SPEAKER_04: Ahí, Fabio, lo importante es no solamente plantear, como tú, estos objetivos, todas estas demandas, por decirlo de alguna manera, hacia profesionalizar el canal, sino también darle herramientas. Y creo que en este mundo me parece que ahí lo clave es, primero darle herramientas y después demandar. Y si vengo con todo esto, pero necesito esta performance. Es como si me metiera en calidad, calificación, empezar a medir todo, digamos, y eso que te dé el track.

    SPEAKER_01: Sí, yo te entiendo y está buenísimo eso, pero necesito ir a un paso intermedio yo hoy. Necesito primero medirlo y verlo para después poder hacer esto.

    SPEAKER_09: Justamente, a eso apuntan los comentarios, en donde hay que medir y eso es algo, se tiene que convertir en parte de la línea que bajan ustedes a sus concesionarios. Bueno, pero hay que darle las herramientas.

    SPEAKER_01: Le tengo que dar las herramientas.

    SPEAKER_09: Porque si vos le decís, mandame un reporte escrito donde diga esto, no te lo van a mandar.

    SPEAKER_01: No, aparte, le pedí, haces un evento, necesito que me pases el listado de las personas que invitaste con un 20% mínimo de la competencia. Y no me quieren pasar los datos de los clientes. Y yo, ¿qué hago yo con los datos de tus clientes?

    SPEAKER_09: Vos ya sabés, habiendo estado en John Deere, cómo ellos le bajan línea fuerte a sus...

    SPEAKER_01: No me hubiese contestado uno, te aseguro. Saben que te quedás o te vas. Es así.

    SPEAKER_09: Bueno, ahí ya es una cuestión de metodología de incentivo, supongo. No sé cómo lo manejan.

    SPEAKER_07: Como decía Fabio, es clave. Es parte del modelo de negocio y tiene que ser pensado de esa manera la reestructuración. Como ahora me trae como empresa tecnológica, yo vengo con todas estas herramientas, necesito que ustedes las empiecen a utilizar, voy a medir, después voy a poner objetivos y vamos a trabajar juntos. O sea, el beneficio de ustedes va a ser el beneficio nuestro. Y si algún día no colabora, habrá que reestructurar la zona. Sí, claro.

    SPEAKER_09: Hay un poco también de fuerza del otro lado, de ser dueños de la zona. Pero lo que hay que hacer es, en esas mismas herramientas, en ese mismo proyecto, aprovechamiento de los datos, hay que mostrarle los beneficios. Hay que mostrarle el hecho que estemos haciendo esto no es para venir a molestarlos ni hincharlos. Es decir, mirá, vos haces esto y vas a tener este beneficio. Vas a tener que duplicar tu ganancia en los próximos 24 meses. No sé, ese tipo de cosas.

    SPEAKER_06: Es un tema muy de marketing y muy antiguo, muy de canal. Yo la verdad que lo he vivido, lo he vivido en muchísimas compañías durante muchísimo tiempo.

    SPEAKER_01: hice un comentario. Abajo, de costado, perdón.

    SPEAKER_06: No, digo, es un problema histórico la performance del distribuidor. Yo hablo del share of mind porque, digamos, a todos nos pasa, a todos nos ha pasado que vos tenés un producto en un distribuidor multimarca y estás bregando porque tu producto ocupe un espacio en la cabeza de esa persona. Digo, acá hay un concepto central, primero estratégico, que para mí, Agrometal, tiene que empezar a ser una compañía centrada en software. O sea, si vos querés ser una compañía centrada en el cliente, vos tenés que poder ser una compañía centrada en software. Ese para mí es el primer punto. Y una bajada al canal de distribución con valor agregado. Ahora Agrometal como una compañía centrada en software empieza a bajar valor agregado a su red de distribución. Le vamos a ayudar a medir, le vamos a ayudar a desarrollar el negocio centrada en software, centrada en datos. Vamos a optimizar. Y va a haber incentivos. Ahora, lo que te estoy diciendo es que también te voy a sacar rentabilidad e incentivos si vos no me pasas los datos de los clientes. Entonces, es un programa de incentivos, pero si vos no me traes los datos del cliente, si vos no me cargas en mi CRM o en lo que hicimos con el evento, y ya no te comunico más a vos en tu zona en el evento, ya un pedacito de tu zona se la doy al de al lado, y nos iremos moviendo y nos iremos corriendo y iremos trabajando con los que tienen mejor performance.

    SPEAKER_09: Y la tecnología sirve en eso. De hecho, una compañía por el lado de seguros, y Franco puede hacer un comentario de eso, pero un problema análogo es el tema de los productores de seguros, en donde estamos trabajando, es ongoing en una propuesta, en un relanzamiento de programa de incentivos donde un poco se ve ese problema, la gente incluso tiene incentivos, tiene un programa de incentivos ya establecido, pero se ve que no logra expandir y hacer crecer las ventas y ya no genera el nivel de competitividad entre ellos para hacerlo atractivo. Entonces, lo que estamos evaluando es cómo hacer con la tecnología para hacerlo viable económicamente y que una de las cosas es la visibilidad, cuando a estos representantes pues empezás a compartirles información de lo que les está pasando, lo que están logrando otros, eso también hay un mindset. Y otra cosa es que lo que se podría hacer, una prueba de concepto, tal vez coincide con Fabio, con uno, con dos de ellos, es hacerlos parte del proceso. O sea que juntos, con Agrometal, es, ok, veamos cómo hacemos para empezar a defender, porque defender significa que también te pueden sacar y vas a seguir perdiendo voz. Y además expandir, no solo defender, sino expandir. Trabajemos juntos, hacerlos partícipes, alguno que sea tal vez más cercano a ustedes y hacer algún tipo de piloto asociado a cómo hacemos para, juntos, desarrollar una solución que nos permita expandir y defender nuestro espacio y que ellos se sientan dueños de esa solución. Eso también es una técnica que incluso nosotros, en el desarrollo de software moderno, haciendo soluciones que se llaman iterativas e incrementales, ya no es, vos me decís lo que querés, me doy vuelta, vengo en seis meses y te entrego y no sé ni siquiera si terminé haciendo... No, sos parte del proceso. Entonces, al hacer parte del proceso a todos los que participan, es muy poderoso. Y el mismo proceso ayuda a la adopción de eso.

    SPEAKER_06: Yo recuerdo hace muchos años atrás, en el consumo masivo, me tocó participar un tiempo del desarrollo, del desembarco de nuevas marcas cerveceras en Argentina. Segundo gobierno de Menem, una cosa así. Posterior al gobierno de Menem. Y me acuerdo que una de las marcas que había llegado en ese momento era Grama. Y en Argentina lo único que se tomaba era Quilmes. Y Grama pasó de tener, no sé, un year de mercado de nada, en una cerveza brasileña, a un year de mercado de 2%. A lograr un year del 25 al 30%. Y lo logró en base a un programa, un tremendo programa sobre distribuidores. Que el viejo Quilmes, de Otto Wember, terminó vendiendo su compañía al grupo Grama. Hoy pertenece a ese grupo inicial que vino. Porque desarrollaron un tal programa de fidelización sobre los distribuidores, que después bajaban sobre los puntos de venta. Tenía un manual de 500 páginas, en ese momento, porque no había. La transformación digital no estaba a este nivel. Lo digo, pasa por ahí. Y hoy cuando yo veo los dealer capabilities de John Deere, y sigue siendo el manual de Grama de hace 20, 30 años atrás, puesto en presión, en presión, de cara al distribuidor, que tiene que saber qué year de mercado tiene, cómo lo evoluciona. Veo que se están cruzando...

    SPEAKER_01: No, me río, me río de los manuales de esos, porque yo lo empecé en el año 2000. En 2004 ese manual. Fui yo la que empecé en el manual.

    SPEAKER_06: Fue vos la que leíste el kickoff. Ahí está, mirá. Digo, por eso, vos venís de ahí, te sale sangre verde. Bueno, los pusiste en marcha vos. Bueno, los distribuidores están apegados a eso. Y hoy, de nuevo, nos están pidiendo nosotros sistemas para poder reportar el manual que vos creaste hace tantos años atrás.

    SPEAKER_01: Empezó distinto. Me acuerdo que cuando hicimos la impresión, después venía en un CD, después empezó a ser...

    SPEAKER_04: Después va a ser web. Ahí, Bruno, consolidando un poco ese concepto que planteabas recién, hemos trabajado para muchas marcas de consumo masivo, también de ese segmento, porque hemos trabajado para marcas también vinculadas al campo. En algún momento trabajamos con Villanueva para todo lo que era la parte de Olflex, que es el sistema de señalización vacuno en la Argentina, que estaba todo el montón en veterinaria, digamos, ¿no? La venta dependía del veterinario, la prospección dependía de eso. Y siempre entendemos que cuando uno tiene un producto y el producto es un producto importante, digo, a nivel de costo, siempre conviene trabajar mucho más por el ámbito primario que los mecanismos de distribución. O sea, esto lo tenés claro. En el marketing decís, ¿cómo hago para consolidar ese formato? El caso que decía Dan de seguros, también es eso. ¿Qué nos empezó a pasar? ¿Qué detectamos? Y se vuelve parte del status quo tener programas de beneficio, porque lo tengo que tener, no lo puedo no tener, y bueno, y siempre ganan los mismos. Entonces, digo, un atributo que nos empezó a permitir la tecnología es personalizar ese viaje. O sea, es que el beneficio ya sea, esté más cercano a los intereses de la persona en cuanto a su negocio también. O sea, no me premies con un viaje, dame algo que me sirva el negocio. Y por otro lado, también esta idea de ir midiendo el resto. ¿En qué lugar estoy yo? Porque a veces la competencia no es por el premio, sino por el ego. Y esto es verdad, esto nos sucede todo el tiempo. Y esto lo hemos trabajado con NaranjaX, en la época que era Tarjeta Naranja, cuya estrategia de desarrollo nacional era apalancarse los comercios, que ellos se llamaban comercios amigos, entendiendo que, che, yo antes que el consumidor tengo que convencer al comercio. El comercio tiene que ser mi prospectador. Si el comercio me recomienda, escalo. Si el comercio no me recomienda, digamos, aleatoriamente el consumo. Y en algún momento trabajamos para Volkswagen, para toda la red Volkswagen, en todo el interior, y nos dieron el lanzamiento de Amarok, para realizar en todas las concesionarias del interior del país. Y no saben lo que fue difícil alinear todos esos proyectos, porque las empresas, cada concesionaria estaba sola, ciega, sin información. Entonces lo que pudimos hacer es salirnos de ahí y trabajar sobre el proyecto experto Amarok, trabajando no con las concesionarias, sino con los especialistas de Amarok de cada concesionaria para poder tener algo de visibilidad, como decían los chicos recién. Entonces digo, es importante el canal, y hoy teniendo las herramientas tecnológicas, para poder entender a qué reacciona, cómo funciona, qué información necesita y demás, es muy fuerte el poder que cobra el canal como herramienta con la tecnología bien manejada de este lado, digamos, con la herramienta de datos.

    SPEAKER_01: Bien. Bueno, buenísimo. De mi parte les súper agradezco. Y lo que necesito saber, yo soy muy práctica, perdón, habrán visto que me saltaron dos veces, entro en una reunión ahora y necesito ir. Pero, ¿cómo seguimos esto? Porque, a ver, yo ya pensé, y mientras hablo con ustedes, mi cabecita está pensando alguna cosa. ¿Podemos probar con alguna cosa? ¿Podemos detallar algo que necesitemos

    SPEAKER_09: y empezamos a trabajar? Identificamos dos áreas problemáticas para vos, dos pain points bastante claros. Uno, el tema de, y que incluso han invertido mucho dinero en estas encuestas y en este entendimiento de visión del mercado. Creo que está bastante claro para poder hacerles una propuesta de algún piloto asociado a eso para tratar de aprovechar, piloto y no tan piloto, porque al final del día creo que, perdón que lo diga de esta manera, no les queda otra, que empezar a juntar toda esta información que están desperdiciando y empezar a darle valor, porque creo que es responsabilidad a nivel de empresa, empezar a aprovechar todo esto, porque si no...

    SPEAKER_01: Sacarle el jugo. Sacarle el jugo.

    SPEAKER_09: Está bien.

    SPEAKER_01: Interpretarla y proyectarla. Me interesa mucho proyectarla.

    SPEAKER_09: Entonces, para eso hay que construir una pequeña...

    SPEAKER_09: Primero hay que construir una pequeña infraestructura para contener toda esa información y segundo, sobre eso, hacer estos experimentos, estos pilotos que hablábamos de cómo aprovechar esta información, que puede incluir buscar agregarle fuentes de información externas, social listening, entender el rol tal vez del recomendador del que hablábamos, del ingeniero este, por un lado. Y después está esto en relación con las sucursales que tal vez un poco en base a la experiencia que tenemos podemos sentarnos y hacerles alguna propuesta de algún tipo de prueba o piloto para ser asociado a eso.

    SPEAKER_06: Creo que estamos en el mejor de los mundos porque con tu experiencia, habiendo creado el programa Capability... Totalmente.

    SPEAKER_01: No, no, no. Yo empecé trabajando, porque cuando yo entré, ahora tiene una estructura muy grande, pero cuando yo entré, éramos dos personas y esas dos personas hacíamos un poco de todo. Medio como acá. Acá hacemos todo. Está bien. Entonces, empezamos a ver que necesitábamos tener Dealer Development en el desarrollo de concesionarios. Empezamos a generar un manual de desarrollo de concesionarios. Lo que iba en el manual, lo que no iba, lo empezó creo que era Antonio Carrere, que hoy es el que está como Senior Vice President de toda la región. Antonio estaba en Dealer Development en esa época y me dijo, ay María, me da una mano y empezamos a trabajar en eso.

    SPEAKER_09: Así que bueno, si querés podemos...

    SPEAKER_06: Ah, te digo, lo tienen en el ADN. Digo, sabés el valor que tiene. Nosotros hoy tenemos, lo estamos viviendo de cerca, tenemos el conocimiento y tenemos la tecnología. Entonces, podríamos rápidamente trabajar en un desarrollo a favor de empezar a medir la gestión de las concesionarias y que ustedes puedan empezar a mapear los mejores concesionarios y a partir de ahí inicie un programa más de fidelización y de incremento del Share of Mind de todas las concesionarias.

    SPEAKER_01: Sí, para mí, para mí eso, para mí ese es uno de los puntos que Aerometal va a tener que trabajar. La verdad es que Aerometal está en un punto, si ustedes me dicen súper importante dentro de sus 75 años de historia, está haciendo todo y está haciendo todo junto. Está cambiando el sistema, está cambiando procesos, está cambiando mentalidad. Entonces, yo no sé qué punto puede hacer todo junto.

    SPEAKER_00: ¿Sabés que me hace acordar esto a mí? Un poco a lo que vimos en Fiat, Bruno. Porque estuvimos en un momento de transición muy parecido, concesioné de autos, pero era básicamente lo mismo. Nosotros necesitábamos claridad, necesitábamos ver en un dashboard el comportamiento de cada concesionario. Había concesionarios que sí estaban bien conectados, otros que no. Y había toda una, se tuvo que hacer una estrategia ya a nivel de dirección completa, donde empezamos a integrar, bueno, un sistema en un CRM para todos. Era un trabajo grande, pero que dio su fruto, ¿no? Fabio, vos querías decir algo.

    SPEAKER_06: Sí, no. Ahí lo que tengo para aportarte, todo cambio para que resulte ordenado y sea lo más seguro posible empieza en el directorio. Yo lo primero que te ofrezco, vos, la puerta que podés abrir, al principio te conté el roadmap y volvemos al directorio. Al final, al mismo punto. La primera puerta que vos podés abrir es decir, che, quiero empezar con este piloto por esta situación de que quiero traer toda la información acá o por esto que quiero aumentar la capacidad de los distribuidores para yo controlarlo y venderlo, o porque quiero empezar a tener un mejor sistema de reportería para los servicios técnicos. Puedo arrancar por cualquiera de los tres lugares. Yo lo que te ofrezco, adicionalmente, es esto del directorio ampliado, que ustedes puedan llevar a la mesa de dirección un líder en tecnología, un líder en inteligencia artificial, un líder en tecnología, un líder en estrategia, un líder en estrategia, que hagan un realineamiento, lo pueden hacer o no, en función de lo que José ya esté construyendo y que a partir de ahí, bien ordenado, bien diagnosticado, bien asesorado, vayas avanzando en los pilotos. O sea, te ofrezco las dos cosas. Voy a empezar con el piloto o con esta ayuda adicional.

    SPEAKER_07: Agrego algo más. Lo viví aquí en esta reunión. O sea, sentí que solamente ayudarlos en una partecita, en la data, sería algo muy, muy expuesto en relación a lo que está ocurriendo a la Cinegex y lo hago acá. O sea, tenemos ganas de acompañarlos en todo el proceso. Acá estamos viendo, está claro que hay que hacer un relanzamiento de AgroMetal, que, como dicen ustedes, ya lo están haciendo por un montón de lugares. Entonces, empiezan a surgir un montón de inversiones que hay que ordenarlas bien. ¿Cuáles son a corto plazo, a mediano plazo? Que no se crucen entre sí para que realmente, si se va a invertir, se invierta inteligentemente. Claro, un chip de tecnología que te gobierne

    SPEAKER_06: todas las tecnologías que estás poniendo en marcha al mismo tiempo. Un chip de estrategia que te pueda ordenar esa visión de implementación de la inteligencia artificial dentro de 7, 8, 9, 10 proyectos al mismo tiempo que estás lanzando. Digo, hay mucho táctico

    SPEAKER_07: con esto, estratégico, ¿no? No quiere decir que no se pueda hacer. Ya tenemos en evidencia, acabamos de charlar, que hay que responder preguntas sobre cómo estamos parados en el mercado, ¿no? Entonces, eso mínimamente ya hay que empezar a trabajarlo con la solución

    SPEAKER_07: de esas preguntas pero que les va a ir permitiendo responder cada vez más cosas. Ese sí es un camino que sí o sí siempre lo recomendamos porque los datos es todo. Pero después de toda esta reconversión en general, cómo empezamos a sumar tecnología a las máquinas, cómo nos comunicamos mejor con avatares, con agentes, a nuestros, a todos los concesionarios, consumidores finales, ¿qué herramientas adicionales le vamos a dar a los concesionarios para ir con este plan agresivo? Este plan en el cual se van a posicionar desde otro lugar y que otro montón más estrategias se pueden ocurrir como alianzas y otro tipo de modelos como supo decir Fran Berardo, quizás que no solamente sean a través del concesionario. Bueno, todo eso surge del directorio como decía Fabio y hay una herramienta ahí que es muy, muy simple de aplicar

    SPEAKER_06: que es la BTO que es esta, digamos, sistema de ordenamiento, de visión y toda acción. De nuevo, sé que están trabajando con OKR con un montón de cosas, esto tendría que tener el directorio una predisposición para destinarlos. Si hay 20 horas reloj hacer un gran alineamiento de agrometal. Eso, digamos, lo ponemos arriba de la mesa, estamos acostumbrados a trabajarlo, lo hacemos por un lado. Y por otro lado es si te interesa que hagamos emerger más estos pilotos, estos dos pilotos, el paso que sigue es una reunión técnica. Entonces, una reunión técnica para entender lo de la recolección de información, una reunión técnica para entender lo de eventualmente concesionarias o una la del servicio técnico. Y a partir de ahí te hacemos una propuesta de los pilotos y te hacemos una propuesta de este management a favor del directorio para decir che, qué tal se unifican todos, se ponen todos en una misma línea y hay un entendimiento mejor del plan 10 años de agrometal. 100%

    SPEAKER_01: comprendido. Comprendido totalmente. Nos llevamos esa tarea para pensar a la noche.

    SPEAKER_06: El doble cuántico te baja la información sola a la noche. No, solo.

    SPEAKER_01: Ya lo sé. Muchísimas gracias. No, gracias. Muchísimas gracias. Disculpen que realmente estamos como con muchas cosas y realmente tengo que atender esta otra reunión. ¿Sí?

    SPEAKER_09: Después una pregunta. Gracias. Me surgió una que no sé que me la tenga salida. Gracias. No, no, si querés seguir andando. Cuando mencionaban lo de que hay

  2. Assistant

    Informe de Reunión


    1. Resumen General de la Reunión:

    En la reunión entre Agrometal y SKRB, se abordaron las oportunidades de colaboración para implementar soluciones de inteligencia artificial y análisis de datos en el área de marketing de Agrometal. Se discutieron las carencias actuales en el manejo de datos, la necesidad de mejorar la toma de decisiones basada en información y la optimización de la red de concesionarios. SKRB presentó casos de éxito y propuso la realización de proyectos piloto para atender las necesidades identificadas, acordando avanzar en propuestas concretas y detalladas.

    2. Participantes:

    • Agrometal:

      • María Esclosa (SPEAKER_01): Responsable de Marketing.
      • Pablo Crovara (SPEAKER_08): Especialista en Marketing.
    • SKRB:

      • Dan Hirsch (SPEAKER_09): Socio y experto en tecnología. Doctor en Ciencias de la Computación.
      • Franco Escapín (SPEAKER_00): Director de Inteligencia Artificial.
      • Bruno Mañano (SPEAKER_07): Co-CEO y especialista en estrategia y tecnología.
      • Fabio Farchetto (SPEAKER_06): Co-CEO y consultor en transformación digital.
      • Franco Berardo (SPEAKER_04): Socio de SKRB y Director de Hello Brand.

    Líderes de discusión:

    • María Esclosa lideró la presentación de las necesidades y desafíos de Agrometal.
    • Dan Hirsch, Fabio Farchetto y Franco Escapín encabezaron las propuestas y soluciones por parte de SKRB.

    3. Lista de Tópicos de la Reunión:

    1. Necesidades de datos en marketing:

      • María expresó la falta de datos para tomar decisiones informadas en Agrometal y la necesidad de herramientas avanzadas.
    2. Aplicación de inteligencia artificial en marketing:

      • SKRB presentó casos de éxito donde la inteligencia artificial mejoró estrategias de marketing y análisis de mercado.
    3. Análisis de encuestas existentes:

      • Se discutió la posibilidad de reprocesar encuestas anteriores para extraer insights más profundos usando técnicas avanzadas.
    4. Optimización de la red de concesionarios:

      • Se identificó la necesidad de mejorar el rendimiento de los concesionarios y fortalecer la relación con ellos mediante datos y tecnología.
    5. Propuestas de proyectos piloto:

      • SKRB propuso desarrollar pilotos enfocados en las áreas críticas identificadas, para demostrar el valor tangible de las soluciones.
    6. Involucramiento del directorio en transformación digital:

      • Se destacó la importancia de alinear al directorio de Agrometal en las iniciativas de transformación digital y tecnología.

    4. Planes de Acción o Acciones:

    1. Análisis de encuestas previas:

      • SKRB analizará las encuestas de 2019, 2021 y 2023 para extraer insights valiosos.
      • Responsables: Franco Escapín y equipo de SKRB.
      • Fecha estimada: A definir en próxima reunión.
    2. Desarrollo de propuesta para pilotos:

      • Elaborar propuestas detalladas para proyectos piloto en marketing y concesionarios.
      • Responsables: SKRB y equipo de marketing de Agrometal.
      • Fecha estimada: A definir en coordinación.
    3. Reunión técnica detallada:

      • Programar una reunión técnica para profundizar en los aspectos operativos y definir alcances.
      • Responsables: María Esclosa (Agrometal) y SKRB.
      • Fecha estimada: Próximas semanas.
    4. Presentación al directorio:

      • Plantear las iniciativas y la necesidad de alineamiento estratégico al directorio de Agrometal.
      • Responsables: María Esclosa y Pablo Crovara.
      • Fecha estimada: Según calendario del directorio.

    5. Conclusiones Finales:

    La reunión fue productiva, estableciendo una comprensión mutua de las necesidades y capacidades de ambas empresas. Se acordó avanzar en proyectos concretos para mejorar el manejo de datos y la efectividad del marketing en Agrometal. Ambas partes mostraron interés y compromiso para colaborar en la transformación digital de la empresa, reconociendo la importancia de integrar tecnología avanzada en sus procesos.


    Insights Adicionales:

    1. Análisis de Sentimiento:

    El sentimiento general de la reunión fue positivo y proactivo. María mostró entusiasmo y urgencia por encontrar soluciones a sus desafíos, mientras que el equipo de SKRB se mostró dispuesto y capacitado para ayudar. Momentos emocionales clave incluyen la expresión de María sobre su frustración por la falta de datos y su entusiasmo al conocer las potenciales soluciones ofrecidas por SKRB.

    2. Frecuencia de Participación:

    • Alta participación: María Esclosa, Dan Hirsch y Fabio Farchetto fueron los más participativos.
    • Participación moderada: Pablo Crovara, Bruno Mañano y Franco Escapín.
    • Participación baja: Franco Berardo se incorporó más tarde y participó menos.
    • Dominio de la discusión: La conversación fue liderada principalmente por María y los representantes de SKRB mencionados, manteniendo un equilibrio constructivo.

    3. Temas Recurrentes y Palabras Clave:

    • Palabras más repetidas: Datos, inteligencia artificial, marketing, concesionarios, encuestas, transformación digital.
    • Temas destacados:
      • Necesidad de datos para decisiones de marketing.
      • Uso de inteligencia artificial en análisis de mercado.
      • Mejora de la relación y rendimiento de concesionarios.
      • Implementación de proyectos piloto.

    4. Asignación Automática de Tareas:

    • Análisis de encuestas:
      • Responsable: Franco Escapín y equipo de SKRB.
    • Desarrollo de pilotos:
      • Responsables: Equipos de SKRB y Agrometal (María y Pablo).
    • Reunión técnica:
      • Responsables: María Esclosa coordinará con SKRB.
    • Presentación al directorio:
      • Responsables: María Esclosa y Pablo Crovara.

    5. Decisiones Tomadas:

    • Avanzar en análisis de encuestas existentes:
      • Consensuado.
      • Impacto esperado: Obtener insights profundos para mejorar estrategias de marketing.
    • Desarrollar propuestas de proyectos piloto:
      • Consensuado.
      • Impacto esperado: Implementar soluciones tecnológicas que mejoren procesos y resultados.
    • Involucrar al directorio en la transformación digital:
      • Consensuado.
      • Impacto esperado: Alineamiento estratégico y respaldo institucional para las iniciativas propuestas.

    6. Progreso en Temas Anteriores:

    • No se discutieron temas de reuniones anteriores, aunque se mencionó que María y Pablo no habían participado en la reunión previa, por lo que se les brindó contexto.

    7. Preguntas Críticas:

    • María: "¿Qué se puede hacer con inteligencia artificial para el lado de marketing?"
    • María: "¿Podemos probar con alguna cosa? ¿Podemos detallar algo que necesitemos y empezamos a trabajar?"
    • María: "¿Cómo podríamos cruzar un montón de datos para llegar a los datos que me interesan?"

    8. Indicadores de Productividad:

    • María Esclosa: Aportó claridad sobre las necesidades y desafíos de Agrometal, formulando preguntas clave y orientando la discusión.
    • Pablo Crovara: Complementó las inquietudes de María y aportó perspectivas desde su experiencia en marketing.
    • Dan Hirsch y Fabio Farchetto: Ofrecieron soluciones concretas y casos de éxito, demostrando expertise en tecnología y estrategia.
    • Franco Escapín: Propuso técnicas específicas de inteligencia artificial aplicables a las necesidades de Agrometal.
    • Bruno Mañano y Franco Berardo: Apoyaron en la propuesta de estrategias y resaltaron la importancia de una visión integral.

    9. Análisis Comparativo con Reuniones Anteriores:

    • Dada la ausencia de María y Pablo en la reunión anterior, se evidenció un mayor enfoque en las necesidades del área de marketing en esta ocasión.
    • Cambio en la dinámica: Se profundizó en aspectos prácticos y se identificaron acciones concretas, avanzando más allá de las presentaciones iniciales.
    • Decisiones más específicas y un compromiso más tangible para avanzar en proyectos piloto se destacaron en comparación con reuniones previas.

    Nota: Este informe ha sido elaborado con base en la transcripción proporcionada, siguiendo estrictamente la estructura solicitada y destacando los puntos clave y acciones acordadas durante la reunión.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.