Preguntar al sistema logístico cuántos pedidos han llegado tarde sin abrir una sola pantalla es lo que acaba de lanzar Amphora, la startup catalana que conecta asistentes de IA como ChatGPT, Claude o Perplexity con los datos reales de la operación.
Qué acaba de lanzar Amphora y por qué importa en logística
La compañía ha desarrollado una herramienta que conecta asistentes de inteligencia artificial como ChatGPT, Claude o Perplexity con los datos de su plataforma logística. El asistente puede consultar información real sobre pedidos, inventario, devoluciones, entradas de mercancía o facturación y responder a las preguntas del usuario en lenguaje natural.
El cambio es de fondo, no de forma. Hasta ahora, responder a una pregunta como ‘¿cuántos pedidos se hicieron el mes pasado?’ exigía entrar en distintas pantallas, aplicar filtros y cruzar información entre módulos. La propuesta de Amphora invierte el flujo: la empresa pregunta, la IA consulta los datos reales y explica qué está ocurriendo.
La pieza técnica está en una nueva capa de información que permite al modelo interpretar los datos de la plataforma y relacionarlos entre sí. Se conecta mediante el Model Context Protocol (MCP), un estándar que enlaza modelos de inteligencia artificial con herramientas y fuentes externas. El sistema conserva los permisos de cada usuario: la IA solo accede a la información que ese usuario ya podía ver.
El MCP está hoy en fase piloto. Es el primer paso de una hoja de ruta que incluye chat integrado, informes personalizados, asistencia contextual, recomendaciones operativas y automatizaciones como la corrección de direcciones o la gestión de tickets. La compañía no ha comunicado cifras de tracción ni de facturación, algo lógico cuando la funcionalidad principal aún se prueba con clientes.
La IA no sustituye al software logístico: lo vuelve conversable. Ese giro cambia cómo los equipos consultan los datos y toman decisiones a diario.
El modelo detrás del asistente: quien controla el contexto, controla la respuesta
Aquí viene la lección para cualquier founder de software B2B. Amphora no ha construido un chatbot. Ha construido una capa de datos que hace inteligible su propia plataforma para los grandes modelos de lenguaje. Como resume Adrià Cortés, CEO y cofundador de la compañía, el objetivo no es un asistente parlante, sino un producto más inteligente de verdad.
El foso competitivo de una startup de software ya no está en el modelo de IA, sino en la capa de datos que ese modelo necesita para no alucinar.
Conectar ChatGPT o Claude a los datos propios suena sencillo, pero el verdadero trabajo es la estructura. Sin una capa previa que relacione pedidos, inventario y facturación con la semántica correcta, el modelo alucina. Con ella, responde con datos verificables y respeta los permisos del usuario, algo indispensable en operaciones donde un comercial no debe ver el margen global ni la facturación por mercado. El dato manda.
Es la misma lógica que aplican las plataformas que ya han integrado asistentes de IA en su CRM o en sus herramientas de soporte. La ventaja competitiva no está en el modelo de turno —hoy GPT, mañana otro—, sino en la calidad del dato y en la gobernanza del acceso. Ahí es donde una startup pequeña puede plantar cara a un gigante.
Para el lector que construye un negocio físico —una fábrica de chocolate artesanal, una tienda multimarca, una empresa de eventos—, la lógica también aplica. Un negocio tangible con datos desordenados en hojas de cálculo puede conectar un asistente de IA a su inventario y facturación con la misma premisa: primero la capa semántica, después el chat.
Lo que enseña Amphora a quien construye software B2B con IA
Hay un precedente que conviene mirar. Cuando Salesforce, HubSpot, o Notion abrieron sus datos a asistentes conversacionales, el temor era convertirse en simple proveedor de contexto para el modelo de otro. La respuesta fue la misma: construir la capa semántica propia y ceder el modelo. Amphora juega esa carta con el Model Context Protocol, el estándar que impulsa Anthropic y al que se suman OpenAI y otros actores.
¿Es suficiente? No por sí solo. La funcionalidad está en fase piloto, las automatizaciones prometidas todavía no están en producción y el cliente objetivo —un operador logístico mediano o grande— compra software con ciclos de venta largos. Competir contra el equipo de datos interno de ese cliente es tan duro como competir contra otro proveedor. El margen está en el detalle vertical: quien entiende la semántica de una devolución en el mercado español tiene una ventaja que un modelo generalista no cubre.
Aquí conviene ser honesto con el contexto. Amphora compite en un segmento donde ya hay plataformas consolidadas, desde los grandes ERP hasta el software vertical de transporte. La conversacionalidad no es un foso por sí sola: cualquiera puede integrar un modelo. Lo que sí puede serlo es la profundidad del dato vertical y la confianza del cliente en la gobernanza. Esa es la batalla real.
La lección para un founder en fase parecida es doble. Primero, la IA no es el producto: es una interfaz sobre tus datos, y el valor sigue en el dato. Segundo, el permiso por usuario no es un detalle técnico, es una condición comercial: sin gobernanza, ninguna empresa grande conecta su operación a un asistente conversacional. Amphora lo ha entendido y lo ha puesto en el centro de su propuesta.
🚀 Hoja de Ruta para Emprender
- Construye la capa de datos antes que el chat: sin una estructura que relacione tus datos con la semántica correcta, cualquier asistente alucinará y el usuario lo notará a la tercera pregunta.
- Integra, no reinventes el modelo: conectar ChatGPT o Claude vía un estándar abierto es más rápido y barato que entrenar uno propio. Reserva el talento para la capa vertical.
- Diseña permisos por usuario desde el día uno: ninguna empresa grande conecta su operación a una IA si no controla quién ve qué. La gobernanza es requisito comercial, no un extra técnico.
- Valida en piloto antes de prometer: saca primero una función y mide adopción real antes de vender una hoja de ruta completa.
