Cómo me ayuda la IA a vitaminar mi programa de gestión

Llevamos años reclamando a los softwares de gestión un cuadro de mandos decente. Y llevamos años recibiendo, en el mejor de los casos, un informe de facturación mensual y cuatro gráficas bonitas que no responden a la pregunta real que nos estamos haciendo como gerentes. Mientras tanto, la inteligencia artificial ha entrado en la clínica por la puerta del acto clínico, ayudando a interpretar una analítica, a redactar un informe o a transcribir una consulta, y muy poco por la puerta de la gestión. Es momento de cambiar eso, porque ahí es precisamente donde más dinero y tiempo se puede ahorrar un centro veterinario.

Prácticamente la totalidad de los centros veterinarios que se preocupan mínimamente por analizar su negocio cuentan con un software de gestión específico del sector. Ese programa mezcla, con mayor o menor fortuna, gestión clínica, datos económicos y algo de marketing. Hasta aquí, ningún problema: es la base sobre la que se sostiene la operativa diaria.

El problema aparece cuando el gerente, el que de verdad quiere pilotar su empresa y no solo facturar, necesita ir un paso más allá. Ese perfil de gestor suele acabar gestionando información en paralelo: datos exportados del programa, datos contables de la gestoría, datos de proveedores, y datos propios que consigue como puede: encuestas de satisfacción, redes sociales y observación directa en el mostrador.

Es habitual tener clarísima la pregunta que queremos responder y descubrir que el software, sencillamente, no nos la va a dar. Ante eso, solo quedan dos caminos: resignarse a no tener esa información, o construirse el reporte a mano, con las horas que eso conlleva.

¿Por qué ocurre esto? Por una combinación de dos factores.

1. La gestión mediante cuadros de mando integral (CMI) y KPIs sigue siendo poco habitual en veterinaria, comparada con otros sectores de servicios de tamaño similar.

2. Los proveedores de software saben perfectamente que ese poco interés generalizado en la gestión les permite no invertir en desarrollar esa parte de su herramienta. Si la demanda es baja, la oferta no mejora. Es un círculo que se retroalimenta y que, además, se ve agravado por otro obstáculo estructural: no existen cifras estandarizadas en el sector que permitan un benchmark real entre clínicas. Cada centro mide (si mide) a su manera, con sus propias definiciones de KPI, lo que hace casi imposible comparar peras con peras.

Cuando hablamos de inteligencia artificial en veterinaria, la mayoría de aplicaciones que despiertan interés en el sector giran en torno a la clínica: apoyo diagnóstico, redacción de informes, transcripción de consultas, interpretación de pruebas. Todo eso está muy bien y seguirá creciendo, pero deja fuera un terreno igual de fértil: el análisis del negocio en su conjunto, no solo la cuenta de resultados, sino también la parte operativa y la de recursos humanos.

Pensemos en las preguntas que cualquier gerente se hace y que rara vez encuentra resueltas en su software:

- ¿Qué familias y subfamilias de servicios están perdiendo peso relativo en mi facturación y por qué?

- ¿Cuál es mi ratio real de servicios preventivos frente a reactivos, y cómo ha evolucionado en el último año?

- ¿Qué relación hay entre la presencia de determinados profesionales y la caída (o subida) del ticket medio en determinadas franjas horarias?

- ¿Cómo impacta el absentismo en la agenda y, por tanto, en la facturación potencial no realizada?

- ¿Qué porcentaje de descuento hace cada empleado y a quién?

Ninguna de estas preguntas es exótica. Son preguntas de gestión básica que cualquier gerente de un negocio de servicios se plantearía. El problema nunca ha sido la pregunta, sino la dificultad de cruzar fuentes de datos dispersas para responderla con rigor y sin dedicarle un fin de semana entero.

1. Construir un CMI personalizado cruzando los datos del software de gestión clínica con los datos contables de la gestoría, sin depender de que ambos sistemas "se hablen" de forma nativa.

2. Automatizar el seguimiento de KPIs operativos y de RRHH: absentismo, rotación, productividad por profesional, que normalmente nadie mide porque exigiría demasiado tiempo manual.

3. Generar informes sobre descuentos. Medición del impacto y detección de patrones.

4. Detectar patrones en datos propios: encuestas de satisfacción, comentarios en redes sociales, reseñas, origen de los clientes, que de otro modo quedarían dispersos y sin analizar.

5. Simular escenarios de negocio (por ejemplo, el impacto de subir precios en una familia de servicios concreta) sin necesidad de conocimientos avanzados de análisis de datos.

Durante años hemos delegado en el proveedor de turno la responsabilidad de darnos las herramientas de gestión que necesitábamos. Es posible que ese modelo se haya agotado, y no porque los softwares vayan a desaparecer —por el momento, seguirán siendo la columna vertebral de la operativa clínica—, sino porque ya no tenemos que depender exclusivamente de ellos para analizar nuestro negocio. La IA nos permite, por primera vez, construir el análisis que realmente necesitamos, con nuestros propios datos y a la velocidad de nuestra propia necesidad.