Qué es MCP y qué tener listo antes de conectar tu ERP a una IA

MCP es el estándar que deja a una IA operar sobre tu ERP. Qué es, dónde falla en la práctica y qué tener listo antes de conectarlo.

Este mes, un ERP colombiano anunció que sus clientes podrán consultar sus datos a una IA por voz o por texto, usando MCP. Alegra lo presentó el 16 de septiembre, todavía en acceso anticipado y por invitación. Es un solo proveedor, pero muestra hacia dónde va el mercado: MCP, el estándar abierto que conecta a una IA con los sistemas de una empresa, ya no es cosa solo de programadores. Está llegando a los ERP que usa una pyme.

Para quien dirige una empresa mediana, la pregunta útil no es si su ERP terminará hablando con una IA. Es qué va a contestar esa IA cuando alguien le pregunte “¿cuántos clientes activos tenemos?”.

¿Qué es MCP y por qué importa para un ERP?

MCP son las siglas de Model Context Protocol. Es un protocolo abierto que define cómo una aplicación de IA se conecta con un sistema externo: un ERP, una base de datos, un CRM, un gestor de documentos. Lo presentó Anthropic a finales de 2024 y en diciembre de 2025 lo cedió a la Agentic AI Foundation, un fondo de la Linux Foundation cofundado por Anthropic, Block y OpenAI. Hoy lo soportan, entre otros, ChatGPT, Claude, Gemini y Microsoft Copilot, y a diciembre de 2025 ya había más de 10.000 servidores MCP activos.

La manera más simple de entenderlo es como un enchufe estándar. Antes, conectar una IA a un sistema exigía una integración a medida para cada pareja de herramientas. Con MCP, el sistema publica una especie de menú —un servidor MCP— y cualquier IA compatible puede leerlo. Ese menú tiene tres tipos de cosas:

• Herramientas (tools): operaciones que la IA puede ejecutar, como “consultar las facturas de un cliente” o “agregar un documento”.
• Recursos (resources): datos que puede leer, como un catálogo o un reporte.
• Plantillas (prompts): instrucciones predefinidas para tareas frecuentes.

Hay un detalle que se pasa por alto: la IA no “entra” a tu ERP y hace lo que quiera. Solo puede hacer lo que alguien puso en ese menú. Y ahí, en decidir qué va en el menú y cómo, es donde suelen fallar los proyectos.

¿Qué cambia cuando una IA puede operar sobre tu ERP?

Hoy, cuando gerencia quiere saber cuánto se vendió por línea de producto el trimestre pasado, alguien abre un módulo, descarga un reporte, lo ajusta en una hoja de cálculo y lo manda. Con una IA conectada, esa misma persona escribe la pregunta y recibe la respuesta en segundos. Y no solo preguntas: si el menú incluye operaciones de escritura, también puede pedir que se cree un registro, se adjunte un documento o se corrija un campo.

Cambian dos cosas a la vez. El acceso a los datos se abre a mucha más gente, porque ya no hace falta saber navegar el ERP. Y la IA empieza a hacer cosas, no solo a contestar. Cada una de esas dos cosas trae su propio problema.

¿Dónde falla en la práctica?

Hay cuatro puntos donde estos proyectos se tuercen. Ninguno tiene que ver con qué tan bien “entienda” el modelo.

1. Acceso no es lo mismo que saber hacer la operación

Cuando conectamos Claude a uno de nuestros propios sistemas por MCP, conectar fue la parte fácil. Lo difícil fue que hiciera bien las operaciones. Le pedíamos algo tan simple como agregar un documento o editar un campo específico, y no tenía una forma clara de hacerlo correctamente. Lo que lo resolvió no fue un mejor prompt: fue construir una herramienta concreta por cada tipo de operación que necesitábamos, con lo que recibe y lo que devuelve bien definidos. Cuando cada operación tuvo su propia herramienta, dejó de improvisar.

Anthropic, que creó MCP, llega a una conclusión parecida en su guía para diseñar herramientas para agentes (septiembre de 2025). Recomienda no convertir cada endpoint de una API en una herramienta suelta, sino consolidar las operaciones alrededor de tareas concretas. Pide que las herramientas devuelvan información legible en vez de identificadores internos, que los errores expliquen cómo corregir el uso, y que todo se pruebe con tareas realistas antes de darlo por bueno.

En otras palabras: la lista de operaciones es el diseño. Un ERP con “acceso a todo” no es más potente; es más impreciso.

2. Cada área define “cliente activo” a su manera

Imagina una distribuidora con 400 clientes en el ERP. Comercial cuenta como activo a quien compró en los últimos doce meses; finanzas, a quien tiene una factura en los últimos noventa días; operaciones, a quien tuvo un despacho este trimestre. Es un ejemplo hipotético, pero el patrón es real: le preguntas a la IA cuántos clientes activos tienes y contesta 312 con total seguridad; finanzas dice 268. Los dos números son correctos según una definición que nadie escribió.

La IA no va a resolver esa discrepancia. Va a elegir una definición —la que encuentre en los datos o en la forma de tu pregunta— y a contestarla sin dudar.

Un problema cercano es el que dbt Labs describe (24 de septiembre de 2026) con el nombre de context engineering: preparar, con las mismas prácticas de modelado de datos, el contexto que necesitan los agentes de IA —documentos, tickets, correos— como un producto gobernado y versionado, conectado a una capa semántica. Su punto de partida es útil: sostienen que se puede empezar con las funciones de IA que los almacenes de datos ya incluyen, sin montar infraestructura aparte. Si tu empresa aún no tiene un almacén de datos, el principio aplica igual: las definiciones escritas y acordadas son el primer paso, antes de cualquier herramienta.

3. Si los datos tienen errores, la IA los repite con más confianza

Una IA conectada a un ERP no depura tus datos; los lee tal como están. Si hoy dos reportes del mismo negocio dan cifras distintas, la IA dará una de las dos —o una tercera—, con un tono seguro. El propio artículo de Impacto TIC sobre ERP con IA en Colombia, que cita al responsable de producto de Alegra, lo reconoce: los modelos dependen de datos estructurados y sin errores.

Lo contamos con otro ángulo en el 70 % de las empresas en Colombia no está lista para IA y en el reporte que genera la IA se ve impecable: que un resultado se vea bien no prueba que sea correcto.

4. Nadie decidió qué puede cambiar y quién lo aprueba

Consultar es una cosa; modificar es otra. Una IA que puede crear una factura, editar un cliente o mover inventario necesita reglas: qué operaciones son de solo lectura, cuáles modifican datos, cuáles requieren la aprobación de una persona y cómo queda registro de lo que se hizo. Impacto TIC menciona cuatro salvaguardas mínimas que vale la pena tomar en serio: control de accesos, cifrado, trazabilidad de cada operación y supervisión humana en las operaciones sensibles. En Colombia se suma el cumplimiento de la facturación electrónica de la DIAN cuando la IA toca documentos tributarios.

¿Qué tener listo antes de conectar tu ERP a una IA?

Cinco capas, cada una con una pregunta que deberías poder responder hoy:

Capa	La pregunta que debes poder responder	Si no la puedes responder
Operaciones	¿Cuáles son las diez operaciones que de verdad necesito que haga la IA?	Le darás acceso general y los resultados serán impredecibles
Definiciones	¿Qué significa, por escrito, cada una de mis diez métricas clave?	La IA elegirá una definición y contestará con seguridad, aunque otra área use otra
Calidad de datos	¿Qué reglas comprueban que un dato llegó bien antes de que alguien lo use?	Los errores que ya existen se repetirán con tono seguro
Permisos	¿Qué operaciones solo leen y cuáles modifican datos? ¿Quién aprueba las segundas?	Un error de la IA se convierte en un cambio real y sin dueño
Prueba	¿Tengo veinte preguntas con respuesta conocida para comprobar lo que contesta?	No sabrás si funciona; solo sabrás que responde rápido

¿Por dónde empezar esta semana?

Una versión mínima, que no requiere comprar nada:

1. Escribe las diez operaciones que quieres, como las dirías en voz alta: “buscar las facturas vencidas de un cliente”, “adjuntar un documento a un pedido”. Marca cuáles solo leen y cuáles modifican datos.
2. Escribe la definición de tus diez métricas clave y haz que finanzas y comercial las firmen. Si no se ponen de acuerdo, ya encontraste el primer problema.
3. Arranca en solo lectura. Las operaciones que modifican datos entran después, una por una, con aprobación humana al principio.
4. Arma veinte preguntas cuya respuesta ya conoces, compáralas con lo que contesta la IA y anota los errores. Repite cada vez que cambie el modelo o el ERP.
5. Guarda un registro de cada operación que ejecute la IA: quién pidió qué, qué hizo y qué devolvió.

Este ejercicio también sirve si tu ERP todavía no soporta MCP: un servidor MCP se puede construir sobre la API o la base de datos del sistema, con las operaciones que tú definas.

¿Por qué tantos pilotos de IA no llegan a producción?

La brecha entre usar IA y ver resultados ya está medida en Colombia. Según un estudio de HubSpot con datos de IDC, sobre 201 empresas del país, el 82 % ya usa IA en alguna medida y el 66 % superó la fase inicial de adopción, pero solo el 12 % logra demostrar un retorno financiero. IDC atribuye la brecha a la escasez de talento especializado, la falta de roles operativos definidos y la dificultad para escalar: los pilotos funcionan en un entorno controlado y no se consolidan como procesos productivos.

El estudio no habla de MCP, pero la brecha se parece a lo que describimos. El piloto funciona porque alguien lo cuida a mano; escalarlo exige lo que un piloto se puede saltar: operaciones definidas, definiciones acordadas, datos confiables y responsables con nombre. Conectar la IA al ERP es la parte visible del trabajo. Lo que decide si el proyecto llega a producción está debajo.

¿Cuándo aplica y cuándo no?

Aplica cuando el equipo hace muchas preguntas repetitivas al ERP y depende de alguien que arme reportes a mano, cuando el ERP ya tiene una API o un servidor MCP, y cuando se puede empezar en solo lectura y medir el resultado con preguntas de respuesta conocida.

No aplica —o no todavía— en estos casos:

• Tus datos siguen repartidos entre hojas de cálculo y sistemas que no se cruzan. Primero hay que unificarlos: la IA solo mostrará el desorden con mejor redacción.
• Lo que necesitas son tres reportes fijos que siempre son iguales. Un tablero cuesta menos y no improvisa.
• Estás planeando sobre funciones que aún no existen. La del proveedor que mencionamos está en acceso anticipado, no en disponibilidad general.
• La IA tocaría documentos tributarios o pagos sin aprobación humana ni cumplimiento normativo resuelto.

El takeaway de esta semana

Antes de conectar nada, escribe las diez preguntas que le harías a tu ERP y, al lado de cada una, el nombre de la persona que sabría decir si la respuesta es correcta. Si a alguna no le puedes poner nombre, todavía no estás listo para conectarlo: primero hay una conversación pendiente sobre qué significa ese dato y quién responde por él. Esa hoja te sirve con MCP, con cualquier otro estándar y sin IA.

Preguntas frecuentes

¿Qué es MCP en una frase?

Un estándar abierto que permite que una aplicación de IA use las herramientas y los datos de otro sistema de forma controlada: el sistema publica qué operaciones ofrece y la IA solo puede hacer esas.

¿MCP es solo de Anthropic o de Claude?

No. Lo creó Anthropic, pero hoy está bajo la Agentic AI Foundation de la Linux Foundation, cofundada por Anthropic, Block y OpenAI, y lo soportan ChatGPT, Gemini y Microsoft Copilot además de Claude.

¿Es seguro conectar mi ERP a una IA?

Depende de cómo se diseñe, no del estándar. Lo mínimo es empezar en solo lectura, dar permisos por usuario y por operación, exigir aprobación humana en lo que modifica datos y guardar un registro de cada operación. Sin eso, un error de la IA se convierte en un cambio real.

¿Mi ERP necesita soportar MCP para usar IA?

No necesariamente. Si el ERP tiene una API o una base de datos accesible, se puede construir un servidor MCP encima con las operaciones que definas. Que tu proveedor lo ofrezca de fábrica ayuda, pero no reemplaza el trabajo de decidir qué operaciones, qué definiciones y qué permisos.

¿Necesito un data lake antes de conectar una IA a mis datos?

No para empezar. Sí necesitas definiciones escritas y datos confiables. Si tus datos viven en varios sistemas que no se cruzan, unificarlos primero suele ahorrarte el problema del número que cambia según a quién le preguntes.

---

Fuentes

• Alegra ERP llega a Colombia con IA y conexión MCP (Tecnogus, 16 de septiembre de 2026)
• ERP con Inteligencia Artificial en Colombia, ¿qué cambia en la gestión? (Impacto TIC, 28 de septiembre de 2026)
• MCP joins the Agentic AI Foundation (blog de Model Context Protocol, 9 de diciembre de 2025)
• Writing effective tools for AI agents (Anthropic, 11 de septiembre de 2025)
• Context engineering is already possible in your warehouse (dbt Labs, 24 de septiembre de 2026)
• Empresas en Colombia adoptan IA, pero solo una minoría logra impacto financiero (Portafolio, 2026)