Todos los casos
Comfama

Comfama: De Eficiencia Operativa a Crecimiento de Matrículas a Escala

Cómo Muno Labs ayudó a Comfama a pasar de eficiencia a crecimiento — construyendo promoción automatizada con IA, predicción de demanda con ML y reportes accionables para 800+ tipos de cursos y 450 mentores.

Estrategia de CrecimientoAutomatización con IAMachine LearningDatos y Reportes
TL;DR

Comfama opera 800+ tipos de cursos con 450 mentores y más de 13.000 eventos por trimestre en Antioquia. Las matrículas eran el problema central — sin predicción de demanda, sin promoción escalable y sin lenguaje compartido de crecimiento. Muno Labs construyó piezas visuales automatizadas para promoción por WhatsApp, un modelo ML de predicción de demanda y rediseñó los reportes de desempeño. Comfama alcanzó 129.000 matrículas en Q1 2026 contra una meta de 120.000.

01El Cliente

Comfama es una caja de compensación familiar que opera en Antioquia, Colombia. Entre sus muchos servicios, opera un programa de educación continua llamado Educación para la Vida, que ofrece cursos cortos de deportes, cocina, artes, tecnología y desarrollo personal en todo el departamento.

Con más de 800 tipos de cursos, 450 mentores y más de 13.000 eventos individuales por trimestre distribuidos en decenas de sedes físicas y una plataforma virtual, la operación es grande por cualquier medida. El reto de crecimiento era proporcionalmente complejo.

02El Problema

Cuando llegaron a nosotros, las matrículas eran el problema central. Comfama tenía demanda, mentores e instalaciones, pero no tenía un sistema confiable para predecir qué cursos se llenarían y cuáles no, no tenía una forma escalable de comunicar la oferta a los estudiantes potenciales, y no había un lenguaje compartido sobre crecimiento entre las personas que gestionaban sus sedes.

  • Los mentores promocionaban los cursos enviando capturas de pantalla de archivos de Excel por WhatsApp
  • Los líderes de cada sede tenían un dashboard en Power BI que no entendían ni usaban
  • Sin predicción de demanda — la oferta de cursos se basaba en intuición, no en datos
  • Sin lenguaje compartido de crecimiento — la organización pensaba en eficiencia, nadie pensaba en crecimiento

03Lo Que Construimos

Diagnóstico del Negocio Primero

Empezamos haciendo algo que la mayoría de los socios omite: dedicamos la primera fase a aprender el negocio en profundidad, hablando con las personas que operaban cada sede, entendiendo cómo se tomaban las decisiones de matrícula y mapeando dónde estaban las restricciones reales. Ese diagnóstico definió todo lo que construimos después.

Sistema de Promoción Automatizada de Cursos

Una de las oportunidades más claras que encontramos fue la red de mentores. Los 450 mentores de Comfama ya tenían relaciones directas con sus estudiantes, y muchos ya intentaban promocionar cursos de manera informal. El problema era que no tenían nada útil para compartir.

Construimos un sistema que toma el catálogo de cursos de Comfama, con todos sus códigos, horarios, sedes y fotos de su banco de imágenes profesional, y genera piezas visuales con la marca de cada curso de forma automática. Un mentor puede compartir una pieza específica del curso directamente por WhatsApp con un código QR que lleva a la inscripción, en lugar de reenviar una captura de pantalla de una hoja de cálculo.

El sistema usa Cloudinary para manejar la manipulación de imágenes a escala, aplicando lógica de recorte y composición asistida por IA para que los rostros queden visibles y la ubicación del texto se ajuste por imagen. Lo que antes requería un diseñador trabajando manualmente ahora corre como un proceso en lote para miles de cursos a la vez.

Modelo ML de Predicción de Demanda

En el frente de datos, trabajamos con su equipo para construir un modelo de machine learning que usa tres a cuatro años de datos históricos de matrículas para predecir la demanda de cursos por sede y época del año. Los líderes de cada sede ahora usan ese modelo para decidir qué cursos ofrecer cada trimestre, alineando la oferta con la demanda proyectada en lugar de depender de la intuición.

Reportes de Desempeño Rediseñados

También rediseñamos cómo llega la información de desempeño a las personas que necesitan actuar sobre ella, reemplazando dashboards que nadie entendía con reportes diseñados alrededor de cómo los líderes de sede realmente piensan sobre su trabajo.

04Resultados

Los resultados reflejan tanto los cambios operativos como el giro en la forma en que la organización entiende el crecimiento:

Antes
Después de Muno
Capturas de pantalla de Excel compartidas por WhatsApp
Piezas visuales automatizadas con códigos QR
Planificación de cursos basada en intuición
Predicción de demanda con ML por sede y temporada
Dashboards de Power BI que nadie entendía
Reportes diseñados alrededor de cómo los líderes realmente trabajan
Organización enfocada en eficiencia
Organización orientada alrededor de las matrículas como la métrica que importa
Sin lenguaje compartido de crecimiento entre sedes
Líderes de sede trabajan con datos de crecimiento como parte de su rutina

129.000 Matrículas en Q1 2026

Comfama alcanzó 129.000 matrículas en el primer trimestre de 2026 contra una meta de 120.000 — superando el objetivo en 7,5%.

Miles de Piezas Generadas Automáticamente

El sistema de promoción genera piezas visuales con marca para miles de cursos a la vez usando composición de imágenes asistida por IA vía Cloudinary.

Planificación de Cursos Basada en Datos

Modelo ML usando 3-4 años de datos históricos ahora guía las decisiones de oferta trimestral de cursos por sede y época del año.

Cambio de Mentalidad hacia el Crecimiento

El equipo que antes se enfocaba en eficiencia operativa ahora está orientado alrededor de las matrículas como la métrica que importa.

05Aprendizajes Clave

  1. Dedicar la primera fase a aprender el negocio — no a construir — definió todo lo que vino después y evitó resolver los problemas equivocados.
  2. Los mentores ya intentaban promocionar cursos informalmente. Darles piezas profesionales y compartibles convirtió un comportamiento existente en un canal escalable.
  3. La predicción de demanda basada en ML reemplazó la intuición para la planificación trimestral de cursos, alineando la oferta con la demanda real por sede y época del año.
  4. Reemplazar dashboards que nadie entendía con reportes diseñados alrededor de cómo los líderes realmente trabajan cambió la relación de la organización con los datos de crecimiento.

Conclusiones Clave

1

Dedicar la primera fase a aprender el negocio — no a construir — definió todo lo que vino después y evitó resolver los problemas equivocados.

2

Los mentores ya intentaban promocionar cursos informalmente. Darles piezas profesionales y compartibles convirtió un comportamiento existente en un canal escalable.

3

La predicción de demanda basada en ML reemplazó la intuición para la planificación trimestral de cursos, alineando la oferta con la demanda real por sede y época del año.

4

Reemplazar dashboards que nadie entendía con reportes diseñados alrededor de cómo los líderes realmente trabajan cambió la relación de la organización con los datos de crecimiento.

¿Quieres resultados como estos?

¿Listo para construir tu infraestructura de crecimiento?

Conversemos