Una matriz de cumplimiento convierte un documento difícil de seguir en una lista de preguntas concretas: qué piden, dónde lo piden y cómo demostramos que cumplimos. La clave no es pedir a una IA que «haga magia», sino darle un proceso claro, fuentes identificables y una salida que se pueda revisar. Cuando el workflow conserva contexto y evidencia, el resultado sirve para trabajar; cuando no lo hace, solo produce texto convincente que obliga a empezar de nuevo.
Qué problema resuelve realmente
La materia prima son requisitos extraídos del pliego y evidencias internas autorizadas: certificados, políticas, referencias de proyectos, fichas técnicas o respuestas preparadas. En vez de tratar cada elemento como una conversación aislada, conviene convertirlo en registros comparables. Un buen sistema debe poder explicar por qué ha tomado una decisión, qué dato falta y qué parte procede directamente de la fuente. Eso hace posible revisar cientos de elementos sin perder la capacidad de volver al origen cuando aparece una excepción.
Define la salida antes de automatizar
Cada fila debe enlazar un requisito con una evidencia concreta y evitar estados binarios cuando la información no es suficiente. «Pendiente» y «necesita revisión» son resultados válidos. Para que otra persona o un agente pueda continuar el trabajo, utiliza campos estables como ID, requisito, fuente, evidencia, estado y pendiente. Los campos desconocidos deben quedar vacíos o marcados como pendientes; rellenarlos con una suposición destruye la utilidad del conjunto. También conviene guardar un identificador de origen o una referencia suficiente para reconstruir la decisión más adelante.
Un ejemplo concreto
Si el pliego exige tres referencias de proyectos comparables, la matriz no debería marcarlo como cumplido hasta que existan tres evidencias identificables que satisfagan la definición del documento. La IA puede ayudar a ordenar y resumir, pero el valor aparece cuando esa salida se convierte en algo operativo: una cola priorizada, una tabla de requisitos, un archivo limpio, un registro de tareas o una lista de problemas. El formato final debe permitir filtrar, comparar y actuar, no limitarse a una explicación narrativa.
Flujo recomendado paso a paso
- Asigna un ID estable a cada requisito.
- Clasifica si es obligatorio, puntuable o informativo.
- Relaciona únicamente evidencias que realmente respondan al requisito.
- Registra huecos, responsables y preguntas abiertas.
- Revisa requisitos críticos antes de redactar la respuesta final.
Este orden evita uno de los errores más habituales: empezar a corregir o redactar antes de haber entendido el conjunto. Primero se observa y normaliza; después se aplican reglas; al final se prepara una salida. Si una regla cambia, debería ser posible repetir el proceso y obtener un resultado coherente sin tocar manualmente cada registro.
Errores que conviene evitar
- Usar una misma evidencia genérica para justificar requisitos distintos.
- Ocultar huecos con respuestas redactadas pero no respaldadas.
- Perder el vínculo con la cláusula original.
- Marcar cumplimiento automático en requisitos interpretativos.
Los errores más caros suelen aparecer cuando se confunde una inferencia con un hecho o se deja que la automatización ejecute una acción sensible sin una autorización separada. Por eso es útil distinguir entre análisis, propuesta y ejecución. Una herramienta puede ser muy autónoma en la primera parte y seguir pidiendo control explícito para la última.
Qué debe hacer un agente de IA
Un agente que use Tender Pilot debería consultar las capacidades estructuradas del plugin, comprobar que dispone de los inputs necesarios y devolver resultados con referencias y estados de confianza. Si falta una fuente, una regla o un permiso, debe comunicarlo. El plugin aporta un workflow especializado y utilidades deterministas; el agente anfitrión aporta acceso autorizado, razonamiento y contexto.
Límites y control
La matriz ayuda a gestionar evidencia y trabajo pendiente. La decisión final sobre cumplimiento, interpretación o firma pertenece a las personas responsables de la oferta. Una automatización profesional no oculta estas fronteras. Las convierte en parte del diseño para que el usuario sepa qué se ha comprobado, qué se ha inferido y qué acción todavía necesita autorización o revisión.
Resultado esperado
Al terminar, deberías tener una salida que puedas revisar en minutos, no una respuesta que tengas que creer a ciegas. El criterio de calidad es sencillo: cada elemento importante debe tener contexto suficiente, una razón comprensible y, cuando proceda, una referencia al origen. Así la IA ahorra trabajo repetitivo sin convertir el proceso en una caja negra.