Contenido verificado el 2026-07-06 · experimento de Eggthropic
Un validador de Excel para cargas SAP HCM, probado de verdad
Reglas de validación → validador Python → Excel con 10 errores plantados → ejecución real con evidencia: 10/10 detecciones, 0 falsos positivos, a la primera. La diferencia entre «la IA me hizo un script» y «tengo un validador fiable».
Objetivo
Comprobar si Claude puede generar un conjunto completo de reglas de validación para una carga masiva del infotipo 2010 y su implementación ejecutable — y verificarlo objetivamente con un Excel de errores plantados y una matriz esperado-vs-real.
Contexto
Los Excel que llegan de RRHH para cargas masivas traen fechas imposibles, conceptos no autorizados, duplicados y 250 horas donde debían ser 25. Cada error que entra en SAP es una incidencia; cada error cazado antes, minutos de corrección en el fichero. El experimento define primero 12 reglas numeradas con severidad (formatos, catálogos, condicionales entre campos, duplicados y patrones sospechosos), después el validador, y por último un Excel de prueba con 10 incidencias plantadas ANTES de ejecutar nada.
Prompt utilizado
Actúa como consultor SAP HCM técnico-funcional. Voy a preparar una carga masiva vía Excel para el infotipo indicado y quiero validar el fichero ANTES de cargarlo. Haz esto en orden: 1) REGLAS: tabla de reglas numeradas con severidad ERROR/WARNING — formatos, fechas vs periodo, catálogos, condicionales entre campos, rangos, duplicados y patrones sospechosos. 2) VALIDADOR: script Python (openpyxl) que aplique las reglas, escriba un errores.csv con mensajes EN LENGUAJE FUNCIONAL y devuelva exit code 1 si hay errores. 3) PRUEBA: Excel de prueba con errores plantados conocidos y matriz esperado-vs-real. 4) RESUMEN FUNCIONAL para el usuario no técnico. El catálogo de valores es configuración del cliente: márcalo como parámetro. El validador NO sustituye las validaciones de SAP: es un prefiltro.
Notas de implementación
Escenario ficticio: carga mensual IT2010 (España), Excel de 6 columnas, catálogo mock de 4 CC-nóminas. Las 12 reglas cubren desde el formato del número de personal hasta la detección de duplicados exactos y avisos por valores sospechosos (más de 80 horas en un registro, mezcla de separadores decimales). El validador genera errores.csv con fila, campo, regla, severidad y mensaje comprensible por un usuario de RRHH, más un veredicto: apto o no apto para carga.
Resultado
Ejecutado de verdad en sandbox: 14 filas de datos, 8 errores y 2 avisos detectados — los 10 plantados, cero falsos positivos, y el script funcionó a la primera ejecución sin correcciones. Veredicto automático «NO apto para carga» con exit code 1. Es la única prueba de la primera tanda con verificación objetiva: el código se ejecutó contra datos y la salida se comparó mecánicamente con lo esperado. Lo que NO demuestra: que reduzca errores en cargas reales — el escenario era ficticio.
Qué funcionó
- El patrón reglas → script → errores plantados → matriz esperado-vs-real funciona de punta a punta sin sistema SAP
- El script fue correcto a la primera ejecución, sin iteraciones de corrección
- Los mensajes en lenguaje funcional permiten que RRHH corrija el fichero sin escalar al técnico
- El exit code hace el validador encadenable en automatizaciones
Qué falló
- No demuestra reducción de errores en cargas reales: los errores los plantó el propio experimento
- El catálogo de CC-nóminas va hardcodeado: en un cliente real debe venir de configuración exportada
- Riesgo de falsa seguridad: «apto» no garantiza que SAP acepte — configuración, bloqueos y autorizaciones quedan fuera
Próxima iteración
Ejecutar el validador contra el Excel (anonimizado) de una carga real pasada y contar qué habría detectado: esa cifra será la primera métrica real del laboratorio y decidirá si el caso se convierte en Agent Skill.
Reproducelo tú
Este experimento es un playbook: con las herramientas de arriba y el prompt exacto de esta página puedes repetirlo en tu propio entorno. Si lo haces — funcione o no — cuéntanoslo en GitHub: las réplicas con resultados distintos son tan valiosas como el experimento original.
This experiment has an interactive version in the Lab.
Open interactive lab