FARO Connect — Comparativa · FAQ

Comparativa de mercado

FARO Connect comparado con las alternativas del mercado.

Tabla cruzada con las dimensiones que importan en dirección ejecutiva: trazabilidad, accionabilidad, propiedad intelectual, costo, tiempo a valor. Construida desde la perspectiva de FARO; cada celda es verificable.

Dimensión	FARO Connect SaaS dirección	Tableau · Power BI BI tradicional	Looker · Cube BI headless / metrics	ChatGPT + API datos IA + retrieval	Build interno equipo propio
Visualización y reporting
Dashboards configurables	Sí · 8-12 módulos preconfigurados	Sí · su core	Sí · API + componentes	No nativo	Sí · custom
KPIs preconfigurados por industria	300-400 esc. 1.000+	No · construís cada uno	Templates parciales	No	No · empezás de cero
Inteligencia y decisión
Motor de tensiones (cruza variables entre áreas)	Sí · 300-500 tensiones esc. 2.000+	No	No	Si lo prompteás bien · sin auditabilidad	Posible · 6-12 meses dev
Reglas de negocio versionables (DSL)	300-800 reglas en JSON	No	Métricas, no reglas	No	Requiere motor propio
Recomendaciones de acción	Sí · 300-1.000 vinculadas a playbooks FARO	No	No	Genéricas · no auditable	No
Audita el origen de cada conclusión	Sí · hasta el archivo y usuario	Hasta query	Hasta query	No · cita LLM, no fuente	Si lo construyen explícito
Ejecución y accountability
Convierte decisión en acción con dueño y vencimiento	Sí · core del producto	No	No	No	Requiere integrar con Jira/Asana
Workflow + escalamiento automático	Sí · 7-10 estados base · 30-80 reglas escalamiento	No	No	No	Posible con Temporal/Camunda
Mide before/after de cada acción	Sí · cierra ciclo	No	No	No	Requiere construirlo
Aprendizaje del sistema con uso	Memoria + recalibración por industria	No	No	Solo si hay fine-tune	No · sin escala
Costos y tiempo a valor
Tiempo a primer valor	6-12 semanas (caso piloto)	2-6 meses (dashboards bien hechos)	3-6 meses	Días (sin valor de gestión real)	9-18 meses (mínimo)
Costo total año 1 (estimación honesta)	USD 30-80k (TBD modelo)	USD 15-40k licencias + USD 50-150k consultoría	USD 20-60k + dev interno	USD 2-10k API + integración	USD 200-500k+ con equipo
Propiedad intelectual del producto	FARO retiene IP del modelo · cliente retiene datos	Cero · dashboards reproducibles	Modelo de datos propio	Prompts propios · sin barrera	100% propio (si se cuida)

Cumple · Parcial · No cumple · No aplica

Posicionamiento

¿Dónde vive FARO Connect en el mercado?

Dos ejes: predice qué hacer (analítica → prescriptiva) y obliga a ejecutar (lectura → acción). Cada producto se ubica donde realmente está, no donde se vende.

Obliga a ejecutar →

PRESCRIBE · NO EJECUTA

ChatGPT + API datos

Sugiere acción pero no la mueve ni audita.

PRESCRIBE + EJECUTA

FARO Connect

Detecta tensión, sugiere acción, asigna responsable, cierra el ciclo.

DESCRIBE · NO EJECUTA

Tableau · Power BI · Looker · Cube

Muestra qué pasó. Decisión y ejecución quedan fuera.

DESCRIBE + EJECUTA

ERP · CRM (parcial)

Mueve tareas pero no detecta tensiones cruzadas.

Predice qué hacer →

Diferencia clave · ChatGPT + API de datos

FARO Connect comparado con ChatGPT + API de datos.

5 diferencias estructurales que separan a FARO Connect de una solución basada en un modelo de lenguaje con acceso a datos.

Auditabilidad por diseño

Cada conclusión cita el archivo, usuario, fecha y fórmula que la generó. ChatGPT cita su entrenamiento, no la fila de tu Excel. En dirección empresarial, esa diferencia es la diferencia entre confiar y no confiar.

Reglas versionables en Git

Las 300-800 reglas FARO viven en DSL JSON versionado. Cambio de regla = pull request. No hay "alucinaciones" porque la lógica no se inventa por prompt: se ejecuta.

Tensiones se calculan, no se opinan

Una tensión es una contradicción algorítmica entre KPIs: ventas ↑ + margen ↓ + cobranza ↑ = patrón. Eso es SQL avanzado + condicionales, no un LLM "interpretando".

IA en su lugar correcto

FARO usa OpenAI API solo para redactar recomendaciones sobre playbooks ya existentes (RAG con Structured Outputs). La detección, severidad, prioridad y workflow son determinísticos.

Activos propios escalables

11 activos propios (diccionario · taxonomía · KPIs · reglas DSL · tensiones · alertas · acciones · playbooks · relaciones causa-impacto · score+memoria · recalibración). Cada cliente los hereda y los extiende. Un modelo de lenguaje genérico no tiene activos preconstruidos — la empresa debe proveer todo el contexto en cada interacción.

Diferencia clave · Desarrollo interno

FARO Connect comparado con un desarrollo interno.

Construir un sistema equivalente internamente es técnicamente posible. 4 diferencias estructurales que conviene tener en cuenta antes de tomar esa decisión.

Tiempo a valor 9-18 meses

Un equipo interno arranca de cero: definir KPIs, modelar reglas, crear el motor de tensiones, integrar workflow, montar la UI. FARO arranca con la biblioteca cargada y se adapta en semanas.

Costo total escondido

2 devs senior + 1 PM + 1 data analyst × 12 meses = USD 250-400k sin contar mantenimiento, iteración, recalibración. Más alto riesgo de abandono cuando la prioridad cambia.

Sin biblioteca sectorial

Las tensiones, reglas y playbooks de FARO vienen calibradas por industria: 12-20 sectores. Un equipo interno empieza con 0 patrones y aprende solo del propio caso.

La empresa termina con la fábrica, no con el producto

Construir requiere mantener: cambian umbrales, nacen reglas, llegan KPIs. La dirección de la empresa querría dirigir, no operar una herramienta interna. FARO se encarga de la fábrica.

FAQ técnica

18 preguntas técnicas frecuentes.

Respuestas honestas, incluyendo lo que aún está por definir o lo que decide el equipo de implementación. Sin marketing.

Q1¿Multi-tenant: schema-per-tenant o row-level security?

Lo decide el partner. Recomendamos arrancar con row-level security en Postgres por simplicidad y costos; migrar a schema-per-tenant solo si un cliente Enterprise lo exige por compliance. Tener esto definido es bloqueante para Semana 2.

Q2¿Workflow engine: Temporal, Camunda o propio?

Temporal para escalar, Camunda si el cliente ya lo tiene. Propio solo si el partner tiene experiencia previa — no es ahorrar tiempo, es agregar superficie de mantenimiento. Para el POC se puede empezar con jobs en Celery + máquina de estados en Postgres.

Q3¿Escalabilidad? ¿Cuántas filas soporta?

El modelo dimensional es estándar dbt. Postgres escala vertical hasta varios millones de filas sin problema. Si un cliente supera eso, se considera Snowflake o BigQuery — eso es decisión de Semana 4. La mayoría de PYMEs ni siquiera llegan a 10M de filas/año.

Q4¿Cómo manejan datos sensibles y compliance?

Tres opciones de despliegue: SaaS multi-tenant en hosting compartido (default), SaaS single-tenant en VPC del cliente (mid), on-prem en infra del cliente (enterprise). Datos personales encriptados at-rest y in-transit. Política exacta a definir en Semana 2.

Q5¿Stack frontend: Next.js, Remix, SvelteKit?

Lo decide el partner según su experiencia. Recomendamos Next.js por ecosistema y disponibilidad de talento, pero Remix o SvelteKit también funcionan. La UI es app shell con paneles ejecutivos densos — cualquiera de los 3 sirve. Lo que NO recomendamos: framework propio.

Q6¿La IA puede alucinar y recomendar mal?

La IA solo redacta sobre playbooks ya existentes (RAG + Structured Outputs). No inventa el playbook ni la prioridad. Riesgo de alucinación reducido al ~5% según benchmarks de OpenAI Structured Outputs. Toda recomendación cita el playbook fuente; si no hay cita, no se muestra.

Q7¿Qué pasa si el cliente no tiene ERP?

FARO ingiere Excel, CSV, Google Sheets, POS y bancos. El ERP no es requerido; sí lo es tener al menos 1 sistema con datos operativos. Si la empresa lleva todo en planilla manual, FARO igual funciona pero la calidad del semáforo de datos será baja desde el inicio.

Q8¿Se puede usar offline / on-premise?

On-premise sí (variante Enterprise). Offline puro no porque la IA de recomendaciones necesita OpenAI API. Si un cliente requiere offline absoluto, se desactiva el motor de recomendaciones y FARO opera solo con reglas determinísticas — funciona pero pierde una capa.

Q9¿Cuánto tiempo lleva implementar un piloto?

Fase 0 (diagnóstico) son 4-6 semanas. Fases 1-3 (datos) son 6-8 semanas. Estructura + inteligencia son 3 meses. Ejecución y control son 2 meses adicionales. Total: 6-9 meses para un cliente piloto con datos reales y módulos seleccionados. No prometemos menos.

Q10¿Funciona en cualquier industria?

No. Está calibrado para 12-20 industrias específicas: construcción, retail, salud, agro, logística, minería, hotelería, energía, shopping, servicios profesionales, real estate, educación, industria manufacturera. Para industrias fuera de la biblioteca FARO se puede adaptar, pero arranca con peor cobertura.

Q11¿Reemplaza al gerente comercial / CFO / etc.?

No. FARO estructura la dirección, no la reemplaza. Decisión final es siempre humana. El sistema sugiere, prioriza, mide y aprende; el gerente decide qué hacer con esa información. Quien busque "que el sistema decida solo" no es cliente FARO.

Q12¿Hay multi-empresa para grupos económicos?

Sí en roadmap Enterprise. El modelo dimensional ya contempla múltiples empresas dentro de una organización (holding) con score consolidado + drill-down por empresa/sucursal/área. Versión inicial es mono-empresa multi-sucursal.

Q13¿Cuánto cuesta?

Modelo no cerrado aún. Estimación honesta para diagnóstico: setup fee + tarifa mensual por sucursal + tarifa por módulo activado. Total año 1 estimado: USD 30-80k según tamaño y módulos. Pricing definitivo se cierra después del POC. No vendemos sin validar viabilidad en 4 semanas.

Q14¿Hay piloto sin costo?

El workshop técnico y POC de 4 semanas tiene costo simbólico que se descuenta del contrato si avanza. Diagnóstico inicial (Fase 0) siempre se cobra — es trabajo serio de consultoría, no demo. Aprendimos que lo gratis no se respeta.

Q15¿FARO tiene clientes activos hoy?

No. FARO está en etapa de lanzamiento, sin cartera activa. El modelo conceptual está listo, el producto está en construcción. Es importante decirlo: "nuevo pero no improvisado". Buscamos clientes piloto que valoren participar en el diseño del producto.

Q16¿Qué pasa con los datos del cliente si dejamos de usar FARO?

El cliente es siempre dueño de sus datos. Si rescinde, exportamos en formato estándar (CSV + JSON estructurado) y eliminamos copias dentro de 90 días. La IP del modelo FARO (bibliotecas, motor de tensiones) es nuestra; los datos del cliente son del cliente.

Q17¿Los datos del cliente alimentan el modelo de aprendizaje FARO?

Solo patrones agregados y anónimos alimentan el modelo (ej: "en construcción la tensión X tiene 35% reincidencia"). Datos individuales del cliente nunca se usan para entrenar. El cliente puede optar por desactivar incluso esa agregación.

Q18¿Soportan SOC 2, ISO 27001, GDPR?

Hoy no tenemos certificaciones. Para el primer cliente piloto trabajamos con NDA + DPA estándar. SOC 2 está en roadmap para cuando tengamos volumen que lo justifique (típicamente después de 5-10 clientes). Si un cliente Enterprise lo requiere antes, se acelera con dedicación.

Glosario FARO

36 entries del vocabulario FARO Connect.

11 activos propios + 25 conceptos. Definiciones cerradas para que todo el equipo (FARO, cliente, partner) hable el mismo idioma. Si un término no está acá, no es FARO.

Bloque 1 · Los 11 activos propios

ACTIVO #01

Diccionario de datos

250-400 campos base por módulo (Comercial, Finanzas, Stock, Compras, RRHH, Operaciones, Clientes, Proveedores). Define qué datos mínimos requiere FARO para activar cada módulo. Es la lista de "qué necesito sí o sí" antes de prometer KPIs.

ACTIVO #02

Taxonomía FARO

Sistema de clasificación de áreas, rubros, sucursales y procesos. 10-12 áreas principales · 60-120 rubros · 200-400 subrubros. Es el esqueleto categorial que hace que un gasto sea "Directorio" y no "Operaciones".

ACTIVO #03

Biblioteca de KPIs

400 KPIs iniciales · escalable a 1.000+. Cada KPI tiene fórmula, fuente, frecuencia, dueño, umbral, lectura ejecutiva y relación con tensiones. Ej: margen = (ventas_netas - costo) / ventas_netas.

ACTIVO #04

Biblioteca de reglas (DSL)

300-800 reglas base · escalable a 2.000+. Definidas en DSL JSON versionable en Git. Ej: if margen < .22 and descuento > .10: alerta = True. Cambio de regla = pull request, no redeploy.

ACTIVO #05

Biblioteca de tensiones (motor)

300-500 tensiones iniciales · escalable a 2.000+. El catálogo de patrones de contradicción cruzada entre áreas. Ver también Tension Engine. Es el activo más diferencial de FARO.

ACTIVO #06

Biblioteca de alertas

300-800 alertas parametrizables por área, severidad, responsable, canal (in-app/email/WhatsApp) y frecuencia. Fórmula de severidad: impacto × urgencia × confianza.

ACTIVO #07

Biblioteca de acciones

300-1.000 acciones posibles: auditar, revisar, bloquear, ajustar, renegociar, aprobar, escalar, corregir, capacitar, rediseñar. Cada acción se vincula a tensiones y playbooks. Ver también Acción FARO.

ACTIVO #08

Playbooks (Action Guide)

100-300 playbooks iniciales · escalable a 500+. Cada uno define qué revisar, con quién, qué dato mirar y qué decisión tomar. Convierte recomendación en guía práctica accionable.

ACTIVO #09

Relaciones causa-impacto

Mapa de cómo una variable afecta a otras entre áreas. Ej: descuento↑ → margen↓ → comisión? → caja↓. 300-800 relaciones modeladas. Habilita simulación de escenarios y comprensión sistémica.

ACTIVO #10

FARO Score + memoria

Score global 0-100 calculado mensualmente + Memoria de decisiones que guarda historial tensión → acción → resultado → reincidencia. La memoria alimenta la recalibración.

ACTIVO #11

Motor de recalibración

Ajusta pesos, umbrales y reglas según realidad del cliente (industria, madurez, histórico). Frecuencia mensual o trigger-based. Es lo que hace que FARO aprenda del uso.

Bloque 2 · Resto del vocabulario FARO

CONCEPTO CORE

Tensión

Contradicción algorítmica entre 2+ KPIs de áreas distintas. Ej: ventas↑ + margen↓ + cobranza↓. No es un problema individual, es un patrón cruzado.

CONCEPTO CORE

FARO Score

Número único 0-100 que resume la salud ejecutiva de una empresa/área/sucursal. Combina KPIs cumplidos + tensiones resueltas + acciones en fecha + riesgo proyectado + confianza de datos.

CONCEPTO CORE

Acción FARO

Tarea concreta generada por el sistema con dueño, vencimiento, KPI afectado, workflow y escalamiento. Convierte recomendación en compromiso.

CONCEPTO CORE

Playbook

Guía estructurada de pasos que el responsable sigue para resolver una tensión específica. 100-300 playbooks iniciales. Reutilizables entre clientes.

MÉTRICA

Severidad

Score 0-100 de qué tan grave es una tensión o alerta. Fórmula: impacto × urgencia × confianza. Categorías: media (≤65) · alta (65-80) · crítica (>80).

MÉTRICA

Prioridad ejecutiva

Score ponderado que ordena qué tensión atender primero. impacto×.35 + urgencia×.25 + riesgo×.20 + recurrencia×.10 + confianza×.10. Pesos ajustables por industria.

MÉTRICA

Confianza del diagnóstico

Score 0-100 que mide qué tan creíble es una conclusión, basado en calidad de los datos, cobertura de fuentes y consistencia histórica. confianza = calidad × consistencia × cobertura.

MÉTRICA

Recurrencia

Cuántas veces apareció una tensión en los últimos 12 meses. Si una tensión cerrada vuelve a aparecer, se reabre con peso de prioridad +20%.

DATOS

RAW

Capa de datos sin alterar. Copia exacta de lo que llegó de la fuente. 100% de cargas deben preservarse. Almacenado en Postgres JSONB o data lake.

DATOS

Semáforo de calidad

Score por fuente: confiable / observaciones / débil / no confiable. Calculado por campos_válidos / campos_totales + reglas de consistencia.

DATOS

Taxonomía FARO

Sistema de clasificación de áreas, rubros, sucursales y procesos. 10-12 áreas principales · 60-120 rubros · 200-400 subrubros. Activo propio.

DATOS

Enriquecimiento

Agregar contexto al dato (zona, canal, criticidad, segmento) que la fuente no trae pero hace falta para análisis. 50-150 atributos contextuales.

MOTOR

Neural Engine

Motor de IA que genera diagnósticos ejecutivos y recomendaciones a partir de tensiones detectadas. OpenAI API + RAG sobre playbooks FARO.

MOTOR

Tension Engine

Motor que cruza KPIs entre áreas para detectar contradicciones. SQL avanzado + reglas + biblioteca de patrones. Es el corazón conceptual del sistema.

MOTOR

Motor de recalibración

Ajusta umbrales, pesos de prioridad y reglas según realidad del cliente (industria, madurez, histórico). Frecuencia: mensual o trigger-based.

MOTOR

Memoria de decisiones

Histórico de: tensión detectada → acción tomada → responsable → resultado → reincidencia. Sirve para aprender qué acciones funcionan en qué contexto.

WORKFLOW

RACI

Matriz de responsabilidades: Responsable · Aprobador · Consultado · Informado. Define quién hace, quién firma, quién opina y quién se entera.

WORKFLOW

Escalamiento

Regla automática que eleva una acción al nivel superior cuando vence, se bloquea o cumple criterio de criticidad. 30-80 reglas por cliente.

WORKFLOW

Cierre ejecutivo

Determinación final de una acción: resuelto / parcialmente resuelto / no resuelto / reincidente. Si es reincidente, FARO reabre la tensión origen.

PRODUCTO

Command Center

Vista principal del SaaS. Concentra FARO Score + top tensiones priorizadas + acciones del día + KPIs clave. Lo que un director ve al abrir la app.

PRODUCTO

FARO Lite / Pro / Enterprise / Neural

Niveles de madurez del producto. Lite: datos + KPIs + dashboards. Pro: + reglas + alertas. Enterprise: + tensiones + acciones + score. Neural: + aprendizaje + recalibración.

METODOLOGÍA

Diagnóstico previo

Fase 0 del pipeline. Antes de conectar datos: relevar procesos, decisiones, RACI, dolores. Sin esto la implementación corre hacia el lugar equivocado.

METODOLOGÍA

Modelo por industria

Configuración que activa KPIs, reglas, tensiones y acciones específicas de un sector. 12-20 industrias iniciales preconfiguradas.

METODOLOGÍA

Relaciones causa-impacto

Mapa de cómo una variable afecta a otras entre áreas. Ej: descuento↑ → margen↓ → comisión? → caja↓. 300-800 relaciones modeladas.

METODOLOGÍA

Auditoría de datos

Etapa donde se mide brecha entre campos requeridos y campos disponibles en sistemas del cliente. Bloqueante para arrancar piloto.