Reporting lo llamo a toda tarea que involucre mirar datos buscando significado. Y si trabajás en marketing digital, e-commerce o cualquier negocio online, sabés que esa tarea ocupa una porción grande de tu semana.
Abrís un dashboard. Mirás números. Tratás de entender qué pasó. Cruzás con otro dashboard. Te falta un dato. Lo buscás en otra plataforma. Armás un Excel. Hacés una tabla. Se la mandás a tu jefe. Tu jefe te pregunta algo que no estaba en la tabla. Volvés a empezar.
Los MCP van a romper ese ciclo. Y no lo digo como una predicción vaga — ya está pasando.
El problema real del reporting
El problema del reporting no es la falta de datos. Es todo lo contrario: hay demasiados datos en demasiados lugares. Facebook Ads tiene sus métricas. Google Analytics las suyas. Shopify otro set. Y cada plataforma con su propia interfaz, su propia lógica, sus propias limitaciones para exportar.
Y esto no le pasa solo al analista de datos. Le pasa al dueño de una tienda online que quiere saber si su inversión en ads está funcionando. Le pasa al marketer que necesita justificar el presupuesto del mes. Le pasa al diseñador que quiere entender qué creatividades están convirtiendo mejor. Le pasa al copywriter que necesita saber qué mensajes resuenan con la audiencia.
Todos, en distintos niveles, terminamos haciendo el mismo trabajo mecánico: ir a buscar datos, formatearlos, tratar de entender qué significan. Y la mayor parte del tiempo se va en la recolección, no en el análisis.
Y el dashboard, que se supone que iba a resolver esto, tiene sus propios problemas. Un dashboard es una foto estática de métricas que alguien decidió que eran importantes. Pero las preguntas que surgen día a día no siempre están en el dashboard. “¿Por qué cayó el ROAS el martes?” no tiene un widget. “¿Qué audiencia está convirtiendo mejor este mes vs. el anterior?” tampoco.
Lo que cambia con los MCP
Un MCP le da a la AI acceso directo a tus fuentes de datos. Eso significa que en vez de ir vos a buscar el dato, le preguntás a la AI y ella va. Pero eso es solo la superficie.
Lo verdaderamente potente es esto: la AI tiene un contexto más grande que el tuyo.
No lo digo como insulto. Es literal. Cuando mirás un dashboard, tu cerebro está procesando 5, 10, quizás 20 métricas en simultáneo. La AI puede tener en su contexto cientos de data points, cruzarlos, y encontrar patrones que a vos se te escapan. No porque seas malo — porque es humanamente imposible sostener ese nivel de contexto.
Entonces el MCP no reemplaza el reporting. Lo amplifica. Te da un copiloto que tiene los mismos datos que vos, pero con una capacidad de procesamiento diferente.
El dashboard lo tiene que tener la AI
Acá va una opinión que sé que es picante: el dashboard del futuro no es un tablero con gráficos lindos. Es una conversación.
Hoy el dashboard tiene que tener la AI, más la capacidad de ir por detrás del dashboard. Poder hacer preguntas sobre lo que hay detrás. No solo ver que las conversiones bajaron, sino preguntar por qué y que la AI te diga: “Las conversiones bajaron un 15% esta semana. El 80% de la caída viene de la campaña X, específicamente del ad set Y que se quedó sin presupuesto el miércoles. El resto es una baja estacional consistente con el mismo período del año pasado.”
Eso no lo hace un dashboard. Eso lo hace una AI con acceso a tus datos via MCP.
3 decisiones erróneas fundamentadas > 3 decisiones erróneas sin fundamentos
Todo negocio tiene que tener la menor latencia posible con las señales más importantes de su operación. Esa es la premisa fundamental.
¿Vas a tomar decisiones incorrectas? Sí. Todos lo hacemos. Pero hay una diferencia enorme entre equivocarte porque no tenías datos, y equivocarte habiendo mirado toda la información disponible. Las decisiones fundamentadas, incluso cuando son incorrectas, construyen conocimiento. Las decisiones a ciegas solo construyen ansiedad.
Los MCP reducen esa latencia entre “tengo una pregunta” y “tengo una respuesta basada en datos”. No a cero — todavía estamos en período de refinación. Pero de minutos u horas a segundos. Y eso cambia la dinámica de cómo operás un negocio.
Lo que significa para un marketer
Si hoy tu workflow de reporting es:
- Abrir 4 plataformas
- Exportar datos
- Armar un spreadsheet
- Hacer gráficos
- Escribir conclusiones
- Mandar un reporte
Con un MCP bien configurado, se convierte en:
- Preguntarle a la AI: “Dame el reporte semanal de performance de campañas, comparado con la semana anterior, con las 3 principales anomalías”
- Revisar, ajustar, enviar
No es ciencia ficción. Es lo que ya se puede hacer hoy. El paso 1 no desaparece del todo — todavía tenés que saber qué preguntar y validar las respuestas. Pero el trabajo mecánico de ir a buscar, formatear y cruzar datos, eso se lo come la AI.
Lo que significa para un founder o líder
Si sos founder, CEO o head de un área, tu relación con los datos es distinta. No necesitás armar el reporte — necesitás entender en 2 minutos si las cosas van bien o mal, y por qué.
Hoy eso requiere que alguien te prepare la información, o que vos te sientes a interpretar un dashboard que quizás no tenía exactamente la pregunta que querías hacer. Con un MCP, le hablás a la AI como le hablarías a tu analista senior: “¿Cómo vamos este mes vs. el anterior? ¿Hay algo que me debería preocupar?”
Y la AI te responde con los datos actualizados, las comparaciones que importan, y las anomalías que vale la pena mirar. Es como tener un analista que nunca duerme, no se toma vacaciones, y siempre tiene los datos a mano.
¿Y la seguridad?
Una pregunta que sale siempre: “¿Pero es seguro darle a una AI acceso a mis datos?”
Es una pregunta justa. Y la respuesta corta es: depende de quién construyó el MCP.
El guardrail más importante de un MCP es la distinción entre acciones de lectura y acciones destructivas. En el mundo de la informática, es la diferencia entre leer y resumir tus emails e invertir 100 mil dólares en Bitcoin. Esa distinción la define el constructor del MCP — no Anthropic, no OpenAI, no el modelo de AI.
En Detrics, nuestro MCP es de solo lectura. La AI puede consultar tus datos, pero no puede modificar campañas, cambiar presupuestos ni tocar nada en tus cuentas. Y siempre te pide permiso antes de cada consulta.
A nivel de protocolo, el MCP corre sobre estándares que ya pasaron la prueba del tiempo: HTTPS/TLS, que lleva más de 25 años protegiendo comunicaciones en internet, y OAuth 2.0, el estándar de autorización que usan prácticamente todas las plataformas desde 2012. No es tecnología experimental — es infraestructura probada con una capa nueva encima.
La regla es simple: si confiás en la plataforma que te conectás vía MCP, confiá en que te van a pedir permiso para cada acción sensible y que tus datos no se filtran.
El futuro cercano
Hoy estamos en una fase donde los modelos agénticos pasaron de tener conversaciones uno a uno con los humanos, a tener conversaciones consigo mismos entre medio. La AI no solo responde — planifica, ejecuta, valida, y vuelve con resultados.
Desde noviembre de 2024, cuando Anthropic lanzó el estándar MCP, el ecosistema explotó. Hoy hay más de 8,600 MCPs listados en directorios públicos. En poco más de un año, pasamos de cero a un ecosistema donde prácticamente cualquier herramienta digital puede conectarse con una AI.
Eso significa que la convergencia de datos se va a acelerar. Hoy podés preguntarle a una AI por tus campañas de Facebook. Mañana vas a poder preguntarle por tus campañas, tus ventas, tu inventario, tus finanzas y tu pipeline de ventas, todo en la misma conversación. La AI va a poder cruzar datos que hoy viven en silos separados y darte una visión unificada de tu negocio.
¿Suena a ciencia ficción? Hace 3 años, pedirle a una AI que te escriba un email persuasivo en español rioplatense también lo era.
Por qué importa quién construye el MCP
No todos los MCPs son iguales. La calidad del contexto que recibe la AI depende directamente de cómo está construida la capa de datos. Si el MCP te pasa datos mal formateados, incompletos, o con latencia, la AI va a dar respuestas mediocres.
En Detrics nos dedicamos exclusivamente a esto: construir la infraestructura de datos que conecta más de 50 plataformas de marketing y e-commerce con los modelos de AI. Todas las herramientas que necesitás para tener un negocio rentable online. Cada campo, cada métrica, cada dimensión está mapeada para que la AI entienda exactamente qué está mirando y te ayude a entender lo que pasa con tu negocio.
Porque al final, un modelo es tan bueno como el contexto que recibe. Y el protocolo es tan útil como los datos que transporta.
Soy Tom, co-founder y CTO de Detrics. Si querés probar nuestro MCP, lo podés configurar en 2 minutos.
Si te interesa entender por qué decidimos apostar todo a esta tecnología, leé: Por qué construimos un MCP en Detrics →