En algún momento entre tu última reunión y hoy, Google añadió algo genuinamente interesante a Google Sheets. Una IA de predicción — entrenada con 100.000 millones de datos reales — vive ahora dentro de la hoja de cálculo que la mayoría de nosotros ya usamos a diario.
Se llama TimesFM, y la idea es sencilla: le das tus datos históricos (ventas por mes, pedidos por semana, lo que sea que registres) y el modelo hace una predicción razonada sobre hacia dónde van las cosas. Sin especialistas. Configuras unas opciones en un panel y el modelo hace el resto.
Lo que lo hace especial es que esta IA no necesita aprender de tus datos antes de ayudarte. Ya aprendió patrones de una cantidad enorme de información del mundo real, así que puede mirar números que nunca ha visto y aun así darte una previsión con sentido. Eso era difícil de conseguir, y hasta ahora requería un equipo técnico.
Hacer previsiones — anticipar la demanda, prever temporadas flojas, planificar el stock — siempre ha sido algo que solo las empresas grandes hacían bien, porque requería perfiles técnicos especializados. Esto pone una versión funcional de esa capacidad al alcance de cualquier cuenta de Google, incluso la gratuita.
No va a sustituir al buen criterio. Pero puede ayudarte a llegar a una conversación con tu proveedor, tu banco o tu equipo con algo más que una corazonada.
Datos de serie temporal — cualquier número que se registra a lo largo del tiempo. Ingresos mensuales, visitas semanales, pedidos diarios. Si tiene una fecha asociada, probablemente es una serie temporal.
Predicción zero-shot — la IA hace predicciones sobre datos que nunca ha visto, sin necesidad de configuración previa. Como pedirle a un cocinero experimentado que pruebe tu plato y adivine la receta — simplemente lo sabe.
Modelo de fundación — una IA grande entrenada una sola vez con muchísimos datos, que luego puede aplicarse a tareas muy distintas sin empezar de cero cada vez.
Si ya usas Google Sheets para registrar algo a lo largo del tiempo, puede merecer la pena subir esos datos y ver qué dice el modelo. No para seguirlo ciegamente — sino para ver si detecta algo que tú todavía no has visto.