Estrategia·7 de julio de 2026·9 min

IA para calificar proveedores y franquiciados: decida con datos, no con corazonadas

Elegir mal un proveedor o un franquiciado sale más caro que una campaña fallida. La IA le permite evaluar candidatos con criterios consistentes y hacer seguimiento continuo.

Hay decisiones en una pyme que se toman en veinte minutos y se pagan durante tres años. Elegir un proveedor porque cotizó más barato, o aceptar un franquiciado porque tenía la plata y cayó bien en la reunión, son dos de las más comunes. Cuando salen mal, el costo no es solo el dinero: es el tiempo, la marca y los clientes que se pierden en el camino.

La IA para calificar proveedores y franquiciados no reemplaza el criterio del dueño. Lo que hace es obligar a que la decisión pase por los mismos filtros siempre, con datos comparables, y avisar cuando alguien que ya está adentro empieza a deteriorarse. Aquí le explicamos cómo se arma y dónde están los límites.

Por qué elegir mal sale tan caro

Un proveedor que incumple no solo entrega tarde. Le desordena la producción, lo hace quedar mal con sus clientes y lo obliga a comprar de urgencia a mayor precio. Un ahorro del 8 por ciento en la cotización puede terminar costando el 25 por ciento en sobrecostos.

Con franquiciados es peor: un mal operador daña la marca en su ciudad completa. Los clientes no distinguen entre la franquicia y la casa matriz, así que la mala experiencia se le atribuye a usted.

Qué datos puede evaluar una IA de verdad

La IA sirve donde hay información estructurada o texto que alguien tendría que leer. En evaluación de terceros, hay más de lo que uno cree, aunque esté regado en correos, actas y facturas.

  • Cumplimiento histórico: entregas a tiempo, completas y sin devoluciones.
  • Consistencia de precio: cuántas veces reajustó y con cuánto aviso.
  • Información pública: cámara de comercio, antigüedad, estados financieros y litigios.
  • Comportamiento en la relación: tiempo de respuesta, calidad de la comunicación.
  • Reclamos asociados: cuántas quejas de cliente final se rastrean a ese proveedor.
  • Para franquiciados: experiencia operativa, capital de trabajo real, resultados de otras unidades.

El aporte grande de la IA es leer y ordenar lo que hoy nadie revisa: años de correos, actas de reunión, reportes de incidencias. Ahí está escrita la historia real de la relación, pero está tan dispersa que ninguna persona la reconstruye a mano.

Cómo armar un puntaje que signifique algo

Un puntaje sirve solo si cada punto está atado a una consecuencia concreta en su negocio. Si no, es un número bonito que nadie usa. La construcción se hace al revés de lo que uno cree: primero define qué es un desastre, después qué es un candidato excelente, y luego pondera.

  • Defina tres o cuatro criterios eliminatorios, no negociables.
  • Asigne pesos según el impacto real en su operación, no según la facilidad de medirlo.
  • Ponga umbrales claros: verde, amarillo y rojo, con acciones distintas para cada uno.
  • Documente el peor caso que ha vivido y verifique que el puntaje lo habría detectado.
  • Revise el modelo cada seis meses con los resultados reales.

Ese último punto es el que separa un sistema útil de un formulario elegante. Si un proveedor calificado en verde le falló feo, el modelo estaba mal y hay que corregirlo. El aprendizaje es la parte del trabajo que casi nadie hace.

El filtro de entrada para aspirantes a franquicia

En franquicias el volumen de aspirantes suele ser alto y la calidad muy dispar. Muchas marcas colombianas reciben decenas de solicitudes al mes y las atienden por orden de llegada, gastando reuniones valiosas con gente que nunca iba a calificar.

Una IA puede conversar con el aspirante, verificar los requisitos duros, entender su experiencia previa y su disponibilidad de capital, y entregar al equipo solo los que pasan el filtro, con un resumen del caso. Las reuniones se reducen en número y suben en calidad, que es exactamente lo que uno quiere.

Seguimiento continuo, no solo al inicio

El error más común es evaluar una vez, al firmar, y nunca más. Los proveedores y los franquiciados se deterioran de forma gradual: primero se demoran un día, luego dos, luego llegan las quejas. Cuando el problema es evidente, ya lleva ocho meses ocurriendo.

Un sistema con IA puede recalcular el puntaje cada mes y avisarle cuando alguien cae dos niveles o cuando una métrica se sale del rango. Esa alerta temprana es donde está el ahorro real, más que en la selección inicial.

Cuidado con automatizar un prejuicio

Aquí toca la advertencia honesta. Si su modelo se entrena con decisiones históricas que estaban sesgadas, va a repetir el sesgo con apariencia de objetividad. Si siempre le fue bien con proveedores de cierta ciudad, la IA aprenderá que la ciudad importa, cuando quizá lo que importaba era otra cosa.

Además, un puntaje bajo no es una condena. Un proveedor nuevo no tiene historial y eso no lo hace malo. Use el puntaje como insumo para la conversación, nunca como sentencia automática. Las decisiones sobre personas y sobre relaciones comerciales de largo plazo las toma un ser humano que responde por ellas.

Un ejemplo con números

Una marca de comidas rápidas con 14 puntos en el Eje Cafetero recibía cerca de 40 solicitudes de franquicia al mes, hacía unas 18 reuniones y firmaba entre uno y dos contratos. De las últimas 9 unidades abiertas, 3 se cerraron antes de los 18 meses, con una pérdida promedio de 42.000.000 de pesos cada una.

Montamos un filtro con IA que conversaba con cada aspirante, verificaba capital y experiencia, y lo calificaba contra el perfil de los franquiciados que sí venían funcionando. Las reuniones bajaron de 18 a 7 al mes, pero los contratos firmados se mantuvieron en 1,5 promedio.

En el año siguiente abrieron 11 unidades y solo 1 quedó en riesgo. Frente a la tasa anterior, evitaron cerca de 2,7 cierres: unos 113.000.000 de pesos. Y el equipo recuperó unas 33 horas mensuales de reuniones inútiles.

Cómo lo resolvemos en Manu

En Manu construimos el filtro y el puntaje con sus criterios, no con una plantilla genérica. Analizamos qué tenían en común los proveedores o franquiciados que le funcionaron y los que le fallaron, y con eso armamos el modelo. La IA hace la conversación inicial, verifica y ordena; su equipo decide.

Después dejamos el seguimiento andando, con alertas cuando alguien se deteriora, para que usted se entere en el mes uno y no en el mes ocho. Si está recibiendo solicitudes de franquicia o cotizaciones de proveedores sin un filtro consistente, le hacemos una auditoría gratis del proceso. Y trabajamos con una promesa clara: resultados en 30 días o ajustamos sin costo.

¿Listo para que cada peso de pauta trabaje en serio?

Empezamos con una llamada de 20 minutos para entender tu operación. Si hay encaje, te proponemos el camino.