La innovación en IA se vive en Madrid: lo último del Celonis AI Lab

En septiembre, nuestra oficina de Madrid fue el escenario de un evento muy especial: el AI Lab. En esta ocasión, siete de nuestros clientes se unieron a esta serie de hackathons de IA para trabajar codo con codo con expertos de Celonis. El objetivo era claro: diseñar y crear prototipos de soluciones innovadoras utilizando los datos de proceso únicos y el contexto de negocio proporcionados por Celonis y nuestras últimas herramientas de IA, como Process Copilots, AI Annotation Builder, Orchestration Engine, y Prediction Builder.

Tras un intenso día de trabajo, cada equipo tuvo la oportunidad de presentar su proyecto en tan solo cinco minutos. Explicaron el problema de negocio que abordaron, el impacto potencial de su solución y, lo más importante, cómo utilizaron la IA de forma creativa para lograrlo. El AI Lab demostró ser mucho más que un evento tecnológico; fue un espacio para la colaboración, la competencia sana y la co-innovación.

Aquí tienes un resumen de las soluciones que se crearon:

Operador global líder en el seguro de crédito

Desafío: El equipo quería optimizar el proceso de la empresa para gestionar facturas bloqueadas. En lugar de depender de informes semanales e interacciones manuales entre el departamento de Finanzas y las unidades de negocio individuales, el equipo buscaría dar a ambos grupos visibilidad en tiempo real y de principio al fin del proceso, e incrementar la tasa de automatización.

Solución: Los participantes implementaron un asistente de IA (utilizando Process Copilots) para mejorar la comunicación y la visibilidad. Ahora, el equipo de finanzas y las unidades de negocio pueden obtener instantáneamente información actualizada sobre el estado de cualquier factura y, si es necesario, el Process Copilot puede redactar un correo electrónico para explicar al cliente por qué no se ha pagado su factura. Además, el AI Annotation Builder analiza automáticamente las facturas para asignar las acciones necesarias, optimizando el flujo de trabajo y minimizando el esfuerzo manual.

Gobierno regional

Desafío: Debido a una ley autonómica, todas las decisiones de devolución de impuestos, ya sea que se conceda o no un reembolso, deben ser ratificadas manualmente por un funcionario. En promedio, la ratificación tarda dos días. Sin embargo, si este proceso se retrasa, la empresa podría incumplir los plazos legalmente requeridos y estar sujeta al pago de intereses.

Solución: Utilizando Orchestration Engine, el equipo agilizó el proceso de reembolso. Si una decisión no es ratificada en un plazo de dos días, se envía automáticamente un resumen completo del caso de reembolso al funcionario, incluyendo la decisión real y el historial de actividad. Una vez que este ratifica la decisión, el sistema actualiza automáticamente el estado del reembolso, asegurando la visibilidad y el cumplimiento de los plazos establecidos. Todo se adhiere y se confina dentro del contexto del proceso para facilitar el monitoreo y la auditabilidad de tareas, personas y agentes de IA.

Navantia - Referente internacional en construcción naval y defensa

Desafío: La escasez de componentes puede interrumpir la construcción naval. Gracias a la visibilidad del inventario en tiempo real, el personal de construcción y logística de Navantia podría detectar y responder a los problemas de disponibilidad de componentes para asegurar la continuidad de la producción.

Solución: Utilizando Celonis Process Intelligence, Process Copilots y Action Flows, el equipo de Navantia creó una solución proactiva de gestión de materiales. El chatbot Process Copilot permite al personal preguntar sobre el estado de las órdenes de trabajo a través de una interfaz de lenguaje natural. La vista operativa ofrece una perspectiva masiva de las órdenes con materiales faltantes, lo que permite a los equipos tomar decisiones rápidas y coordinadas. Además, las automatizaciones (Action Flows) notifican instantáneamente a los equipos involucrados para que actúen de inmediato.

Empresa europea de artículos de lujo

Desafío: El departamento de Cuentas a Pagar (AP) de la compañía recibe miles de correos electrónicos al mes de proveedores que solicitan el estado de las facturas pendientes de pago. Tradicionalmente, responder a estos correos electrónicos ha sido una tarea manual que consume mucho tiempo.

Solución: Utilizando Machine Learning Workbench y AI Annotation Builder, el equipo creó una solución que extrae detalles clave de cada correo electrónico, identifica automáticamente el número de pedido relacionado y asigna una categoría de respuesta. A partir de ahí, un Action Flow utiliza la IA para redactar un correo electrónico de respuesta personalizado basado en una de las plantillas. Finalmente, una vista analítica proporciona el contexto completo para comprender y optimizar continuamente el proceso.

Empresa europea de artículos de lujo

Desafío: La empresa quería reducir el número de pedidos rechazados debido a problemas relacionados con el stock mejorando la gestión del inventario, particularmente entre plantas en diferentes países.

Solución: El equipo propuso una solución que utiliza un algoritmo de machine learning y el AI Annotation Builder para optimizar el proceso de asignación de productos. Este sistema analiza directamente el 65% de las asignaciones basándose en la lógica de la empresa: priorización del cliente, valor del pedido y stock disponible. La herramienta propone automáticamente soluciones, como reasignar stock reservado o acelerar el control de calidad, que se comunican por correo electrónico.

Compañía de seguros española

Desafío: Como parte de su negocio de seguros de vida, esta compañía cubre una variedad de gastos de servicios funerarios, incluidas las lápidas. Producir una lápida es un proceso complejo y de múltiples etapas, y un retraso en cualquier fase podría provocar que la lápida no se entregue a tiempo y causar angustia indebida a aquellos que ya sufren una pérdida significativa.

Solución: Utilizando el AI Annotation Builder, el equipo desarrolló una solución que recopila datos estructurados y no estructurados de cada pedido, analiza la información y clasifica el pedido según criterios predeterminados, como un retraso. A continuación, la solución puede proponer un siguiente paso. Los gestores de pedidos pueden revisar los resultados en una vista operativa y, desde allí, activar un Action Flow para enviar un correo electrónico a la persona responsable de la etapa del proceso que esté retrasada.

Compañía de seguros española

Desafío: Como parte de su negocio de seguros de vida, esta compañía cubre una variedad de gastos de servicios funerarios, incluidas las lápidas. Producir una lápida es un proceso complejo y de múltiples etapas, y un retraso en cualquier fase podría provocar que la lápida no se entregue a tiempo y causar angustia indebida a aquellos que ya sufren una pérdida significativa.

Solución: Utilizando el AI Annotation Builder, el equipo desarrolló una solución que recopila datos estructurados y no estructurados de cada pedido, analiza la información y clasifica el pedido según criterios predeterminados, como un retraso. A continuación, la solución puede proponer un siguiente paso. Los gestores de pedidos pueden revisar los resultados en una vista operativa y, desde allí, activar un Action Flow para enviar un correo electrónico a la persona responsable de la etapa del proceso que esté retrasada.

Próximamente en Celonis AI Labs

Las soluciones no terminan aquí. En un AI Lab en nuestra oficina de Nueva York, un banco de inversión multinacional estadounidense obtuvo un gran éxito gracias al uso de nuestra herramienta Prediction Builder para la resolución de casos relacionados con la verificación de identidad del cliente.

Manténgase al tanto del calendario de laboratorios de IA de 2026, que incluirá más clientes y socios, más IA y nuevas innovaciones.