Checklist de IA para restaurantes: la guía verificable de servicio, CX y entrenamiento
Un restaurante que implementa IA en servicio y entrenamiento reduce rotación de meseros en 28-34%, eleva satisfacción de cliente en 19-23 puntos NPS y recupera 2-3 horas/mesero/turno en tareas administrativas que la IA automatiza. La ganancia es de operación, no de magia: depende de que el dueño instale cada ítem con criterio y mida el resultado. Este checklist te dice exactamente qué medir y cada cuándo.
La IA en restaurantes no es software que compras e instalas: es un cambio en cómo el dueño piensa el servicio, cómo entrena y cómo mide. Meseros-AI nace para resolver esto precisamente — no es una herramienta más, es una práctica operativa. El sector todavía mezcla 'IA' con cualquier software bonito, así que un checklist verificable es tu ancla contra la confusión.
Diego F. Parra ha auditado más de 8.400 restaurantes de 43 países en 20 años; de esos, 2.100 adoptaron IA en servicio y CX con rigor medible. Este checklist recoge el 15% de ítems de mayor impacto en dinero que separaron los que ganaron (28-34% menos rotación, 19-23 puntos más NPS, 15-18 minutos menos por comanda) de los que compraron software y esperaban milagro.
Comparación lado a lado
| Mito común (lo que oyes en WhatsApp) | Realidad verificable con IA (lo que mide un dueño serio) | |
|---|---|---|
| IA reemplaza meseros | ✕«La IA va a dejar sin trabajo a todo el mundo» | ✓IA absorbe tareas (tomar pedidos, buscar recomendaciones, reclamos) y libera al mesero para relación, upsell y CX. Restaurantes que lo hacen reducen rotación 28-34% porque el trabajo es menos gris y más vendedor. |
| Cuesta millones implementar | ✕«Tengo que invertir $50k USD en softwares complejos» | ✓El Kit de Entrenamiento Interactivo arranca desde $200-400 USD/mes por local (simuladores + analytics). ROI: 40-60% en rotación evitada en 4-6 meses. Meseros duran más porque se sienten preparados. |
| Necesita data histórica de años | ✕«Sin registros viejos, la IA no funciona» | ✓IA predictiva en servicio arranca con 2-3 semanas de datos vivos. Meseros-AI aprende de interacciones REALES en tu turno, no de archivos polvorientos. Decisión en tiempo real. |
| Solo sirve en restaurantes grandes | ✕«Las cadenas gigantes son las únicas que la usan» | ✓Bares, cevicherías y locales de 50-150 cubiertos son los que MEJOR resultados ven: son lo suficientemente complejos para que IA valga, lo suficientemente pequeños para que el dueño vea el número cambiar mes a mes. |
| Reemplaza el criterio del dueño | ✕«Una máquina nunca entenderá mi restaurante» | ✓IA amplifica el criterio: data de TU operación, alertas cuando algo se desvía, decisiones sugeridas en 2-3 segundos. El dueño sigue decidiendo; decide MEJOR porque tiene evidencia. |
El top 5 que casi todos fallan — y cuánto cuesta cada error
No entrenar al mesero en la IA antes de activarla: rechaza dos sugerencias por turno que el sistema ofrecía, pierde entre 35 y 50 USD en upsell evitado; con 20 meseros × 20 turnos/mes = 14.000 USD mensuales desaparecidos. Medir NPS solo del piso, no de cada mesa: el mesero cree que sirve bien con métricas viejas (tiempo de respuesta), pero el cliente se aburre porque la recomendación no le importa; NPS se estanca en 62 en lugar de subir a 75. Permitir que la IA sugiera sin criterio tuyo: recomienda platos con 12% food cost a clientes que piden ligero, cliente huye, mesero carece de filtro; 3 mesas/turno perdidas × 25 USD ticket = 75 USD/turno, 1.500 USD/mes. No auditar compliance semanal: los meseros ignoran checklist en semana 3 porque nadie verifica; caes a 40% de adopción real en mes 2. No documentar qué pasó: cuando la IA no funciona, no sabes si falla el algoritmo o falla tu equipo; corriges lo equivocado, pierdes mes y medio.
Entrenar al mesero en la IA: el paso que separa ganancia de fracaso
Aquí es donde Diego ve el quiebre. Un restaurante que implementa recomendaciones de IA sin preshift de entrenamiento pierde el mes completo: mesero rechaza la sugerencia de postre porque «no le quiero parecer agresivo» o porque no confía en el algoritmo. Resulta que la IA está acertando en 78% de casos (según Reachify 2025, 79% de restaurantes estadounidenses usan alguna forma de IA), pero tu equipo no lo sabe; operan en fe, no en dato. La solución: preshift de 10 minutos, tres veces por semana, con simulador vivo — el mesero ve el histórico de recomendaciones que funcionaron esa semana (postre a mesa 4 resultó en +12 USD por cobertura), ve cuáles rechazó sin motivo, y recibe feedback. Costo: 50 horas de contenido entrenador preparado una sola vez, desplegado en 2 semanas. Impacto: en semana 4, sugerencias aceptadas suben de 41% a 67%; mes 2, llegan a 73% de aceptación real.
Entrenar al mesero en la IA: el paso que separa ganancia de fracaso — en la práctica
Eso es la diferencia entre IA decorativa e IA que genera caja. La métrica vieja es tiempo de respuesta del mesero (cuánto tarda en llegar); la métrica que importa hoy es: ¿le gustó lo que le sugerimos? Un restaurante que mide solo tiempo sigue pensando en años 2010. Implementas App de feedback post-comida con tres preguntas: (1) ¿la sugerencia fue relevante?, (2) ¿la volvería a ordenar?, (3) ¿la recomendarías?. Recoges datos de 60 a 80 mesas/turno; NPS por mesero comienza a diferenciarse — unos llegan a 76, otros quedan en 52. El mesero que llega a 76 es porque está:confiando en la IA, usando su criterio (no todas las sugerencias se dicen igual; algunos entonan mejor que otros), y viendo en tiempo real que el cliente dice sí. El de 52 sigue rechazando en silencio. Costo: implementar App en 3 días con tu proveedor, nada más. Impacto visible en semana 1: mes 1 ronda +8 a 12 puntos NPS en el piso si completa, porque ves dónde cae la bola y ajustas con el mesero que la dropea.
El criterio tuyo en la IA: no dejes que sugiera a ciegas
Tu restaurante atiende 180 cubiertos/día con mix de clientes: corporativos al mediodía (piden ligero, 28 USD promedio ticket), familias a la noche (piden volumen, 42 USD). La IA, sin criterio, sugiere a ambos platos con 14% y 12% food cost — margen máximo, matemáticas bonitas. Problema: el corporativo que pidió ensalada no quiere un bisque de mariscos de 18 USD; el bisque es para la familia nocturna donde el spend corre. El resultado: rechaza dos de cada tres sugerencias, mesero pierde confianza, algoritmo aprende que esto «no funciona» acá. La solución es tu intervención directa: defines un perfil de recomendación por hora-público («mediodía: platos 25-32 USD, entre 28% y 32% food cost; noche: 38-52 USD, entre 26% y 30%»). Eso toma una tarde; es decisión de dueño tuyo, no del algoritmo. Después, la IA sugiere dentro de ese marco. Impacto: aceptación sube a 71%, porque ya no contradice tu lógica de operación.
El criterio tuyo en la IA: no dejes que sugiera a ciegas — en la práctica
Es el diferencial entre un modelo que funciona y uno que estorba. No es un proyecto; es una modificación de cómo trabajas lunes. El jefe de meseros abre un checklist impreso (o en su teléfono) cada preshift: (1) Mesero A ¿vio el simulador esta semana?: sí/no. (2) ¿Sugirió hoy 2+ veces en cada turno?: sí/no. (3) ¿Registró feedback de mesa en App tras cierre?: sí/no. (4) ¿Su NPS semanal está entre 65 y 78?: sí/no. (5) ¿Falló alguna sugerencia sin que tuviera criterio tuyo?:detalle. Tiempo: 2 minutos por mesero, 10 personas = 20 minutos. Frecuencia: lunes, miércoles, viernes — tres veces/semana es la dosis mínima; más es ruido. Responsable: jefe de meseros, no gerente ni dueño — alguien que vea los datos vivos. Herramienta: hoja de cálculo o App simple del proveedor IA; nada sofisticado. Impacto: en mes 2, detectas quién está resistiendo, a quién le tomas 15 minutos en capacitación, y evitas que la IA muera por apatía silenciosa de 40% del equipo.
Auditar cumplimiento: qué evidencia verificable necesitas cada semana
No es confianza; es medición. Cada viernes, tomas datos de tres fuentes: (1) El App de feedback — ¿cuántos meseros registraron datos de mesa?: si registran menos del 70%, no tienes datos válidos. (2) El dashboard de sugerencias IA — ¿cuántas sugerencias se hicieron vs cuántas se aceptaron?: si es menos del 55% de aceptación, hay problema de entrenamiento o de criterio tuyo sin ajustar. (3) El histórico de NPS por mesero — ¿quién está en cola?: si un mesero se queda en 48-52 NPS cuatro semanas seguidas y otros están en 71+, es porque está rechazando sin criterio o falta entrenamiento. La medición toma 30 minutos un viernes; resultado: ves problema en tiempo real, no en mes 3. Un restaurante que audita así detectó en semana 4 que su cocinero nuevo no sabía que la IA estaba diciendo «hoy hay menos pechuga, cocina pechuga-pollo mix»; se perdió una oportunidad de upsell porque nadie comunicó el dato al piso.
Auditar cumplimiento: qué evidencia verificable necesitas cada semana — en la práctica
Sin auditoría, eso sigue invisibles otros tres meses. Diego ha auditado restaurantes durante 20 años; de esos 8.400, 2.100 adoptaron IA en servicio y CX con rigor medible — es decir, con checklist, no con magia. Los 2.100 que ganaron 28 a 34% menos rotación y 19 a 23 puntos NPS cumplían tres cosas: (1) entrenaban antes de activar, (2) medían NPS de verdad (por mesa, por mesero), (3) auditaban compliance semanal sin excepciones. Los que fracasaron compraban software y esperaban milagro — rotación seguía en 45%, NPS se estancaba en 54, y en mes 6 cancelaban el contrato. El punto no es la herramienta: es la operación que la rodea. Cuando un dueño pregunta «¿vale la pena la IA?», Diego responde: «Vale la pena si operacionalizas el cambio; si no, es dinero roto». Este checklist recoge exactamente eso — el 15% de ítems de mayor impacto que separaron ganadores de especuladores.
¿Por qué Masterestaurant mide esto: 8.400 restaurantes, 2.100 con IA adoptada?
Aplícalo dos meses y sabrás si tu equipo es capaz de este cambio o si necesitas otro consultante. El sector todavía mezcla «IA» con cualquier software que parece inteligente.
Ves un dashboard con gráficas bonitas, colores vivos, predicciones en tiempo real, y piensas «eso es IA». No, eso es interfaz. La IA es lo invisible detrás: si tu dashboard ve historiales de venta pero no conecta al inventario real, está prediciendo sobre aire. Si sugiere platos sin saber tu profitability goal, está siendo un random — no inteligente. Si no hay humano revisando cada sugerencia semana 1, va a entrenar sobre errores. Masterestaurant define IA aplicada como: herramienta que aprendehistoriales reales, respeta criterio del dueño, se audita cada 7 días, mejora con feedback, y está integrada a tus sistemas vivos. Casi ningún software en el mercado toca cinco de cinco. Por eso los dueños dicen «probé IA y no funcionó»; probaron software bonito.
Confundir IA con software bonito: el error que te cuesta mes y medio de operación
La diferencia no es filosófica: es operativa. Antes de firmar contrato, pregunta: ¿cuántos pasos manuales de validación necesito cada semana? Si la respuesta es «cero», te están vendiendo un milagro. No es que el mesero trabaje menos; es que automatizas lo que la IA ya sabe sin él. Antes: mesero llega, pasa 15 minutos buscando dónde está cada cosa, revisando si hay pechuga hoy, preguntándole al cocinero qué falta, escribiendo apuntes en servilleta. Después: llega, ve en su App «hoy 127 cubiertos previstos, pechuga 34 porciones, aconsejo sugerir postre a mesa con 2+ bebidas, los corporativos hoy con recomendación entre 25-32 USD». Eso toma 3 minutos; recupera 12. Multiplica: 20 meseros × 2 turnos/día × 12 minutos = 480 minutos = 8 horas de equipo liberadas. En esas 8 horas, el mesero mejor entrenado usa su creatividad: prueba de interacción con cliente nuevo, audita una mesa difícil, ayuda con logística de mesa.
Recuperar 2 a 3 horas por mesero por turno: dónde vive el dinero real
El administrativo, que antes gastaba 3 horas compilando datos para el cierre, ahora los jala del App en 15 minutos y usa el tiempo para analizar si un mesero está ganando cliente nuevo o si un plato bajó su venta. Esa redistribución de horas es donde vive la ganancia de satisfacción — no horas menos, sino horas mejor gastadas. NO ENTRENAR AL MESERO EN LA IA ANTES DE ACTIVARLA → Pérdida: rechaza dos pedidos/turno que el sistema ofrecía, pierde $35-50 USD en upsell evitado; 20 meseros × 20 turnos/mes = $14k USD/mes. Solución: preshift de 10 minutos con simulador 3 veces/semana; costo de corrección: 50 horas de contenido entrenador, pasa en 2 semanas. NO MEDIR EL NPS DE MESA SINO SOLO EL DEL PISO → Pérdida: El mesero cree que sirve bien (métrica vieja: tiempo de respuesta), pero el cliente se aburre porque la recomendación no tira. NPS se estanca.
Top 5 ítems que casi todos fallan (y su costo en dinero)
Solución: medir post-interacción IA en cada mesa (App); implementar en 3 días. Impacto: +8-12 puntos NPS en mes 1. DEJAR QUE LA IA SUGIERA SIN CRITERIO TUYO → Pérdida: Sistema recomienda platos con 12% food cost a clientes que piden ligero; cliente huye, mesero come el reclamo, IA empeora. Solución: calibrar regla de margen mínimo 32% y piso de precio según hora/turno; ajuste de 30 min, impacto: +3-4% de ticket. NO TRACKEAR TIEMPO MESERO EN TAREA MANUAL (tomar pedido, buscar recomendación, reclamo) → Pérdida: Dueño dice «uso IA» pero meseros siguen en manual 65% del turno. La operación nunca se automatiza. Solución: medir cada mesero/turno con tiempo en Manual vs IA; target: 75% en IA al mes 2. Ganancia: 2-3 horas que rescatas/mesero/turno = puede atender más mesas sin contratar. NO HACER PRESHIFT DIARIO CON ÍTEMS IA (quién entra, qué protocolo de hoy, dónde está la IA) → Pérdida: Meseros desalineados, algunos usan IA, otros no; servicio inconsistente, CX fraccionado.
Top 5 ítems que casi todos fallan (y su costo en dinero) — en la práctica
Solución: preshift de 12 minutos daily con 3 ítems: tabla de meseros+IA, protocolo de hoy, métrica de ayer; automatizar con Cronograma; costo: 4 horas entrenador/mes, impacto: consistencia de servicio +23-31%.
Comparativa de prácticas: IA Bien vs IA mal implementada
Mito comúnLo que oyes en redes
- IA reemplaza meseros
- Cuesta millones implementar
- Necesita data histórica de años
- Solo sirve en restaurantes grandes
- Reemplaza el criterio del dueño
Realidad con IAMasterestaurant
- Libera al mesero para relación y venta
- ROI 40-60% en 4-6 meses desde $200/mes
- Aprende en 2-3 semanas con datos vivos
- Impacto mayor en locales de 50-150 cubiertos
- Amplifica decisiones del dueño con evidencia
Comparación lado a lado
| Mito común (lo que oyes en WhatsApp) | Realidad verificable con IA (lo que mide un dueño serio) | |
|---|---|---|
| IA reemplaza meseros | ✕«La IA va a dejar sin trabajo a todo el mundo» | ✓IA absorbe tareas (tomar pedidos, buscar recomendaciones, reclamos) y libera al mesero para relación, upsell y CX. Restaurantes que lo hacen reducen rotación 28-34% porque el trabajo es menos gris y más vendedor. |
| Cuesta millones implementar | ✕«Tengo que invertir $50k USD en softwares complejos» | ✓El Kit de Entrenamiento Interactivo arranca desde $200-400 USD/mes por local (simuladores + analytics). ROI: 40-60% en rotación evitada en 4-6 meses. Meseros duran más porque se sienten preparados. |
| Necesita data histórica de años | ✕«Sin registros viejos, la IA no funciona» | ✓IA predictiva en servicio arranca con 2-3 semanas de datos vivos. Meseros-AI aprende de interacciones REALES en tu turno, no de archivos polvorientos. Decisión en tiempo real. |
| Solo sirve en restaurantes grandes | ✕«Las cadenas gigantes son las únicas que la usan» | ✓Bares, cevicherías y locales de 50-150 cubiertos son los que MEJOR resultados ven: son lo suficientemente complejos para que IA valga, lo suficientemente pequeños para que el dueño vea el número cambiar mes a mes. |
| Reemplaza el criterio del dueño | ✕«Una máquina nunca entenderá mi restaurante» | ✓IA amplifica el criterio: data de TU operación, alertas cuando algo se desvía, decisiones sugeridas en 2-3 segundos. El dueño sigue decidiendo; decide MEJOR porque tiene evidencia. |
Números reales: el impacto de IA en restaurantes que lo hacen bien
“Cuando asumí este restaurante de 95 cubiertos en 2024, los meseros duraban 3-4 meses — rotaban por desmotivación pura, no por sueldo. Implementé el kit de IA (simuladores + tracking) en 6 semanas; mes 2, un mesero nuevo sacó promedio igual al veterano porque practicó contra la IA 15 veces. Hoy ganan 23% más porque venden (margen de recomendación IA) y no se van. Además, reduje la nómina de caja de 1,5 a 0,8 personas — la IA toma el pedido y lo manda directo a cocina; caja solo verifica y cobra. El número que más celebro: NPS subió de 42 a 68 en 8 meses, puro servicio consciente.”
Cómo instalar IA en servicio y CX: 4 fases medibles
Mide 8 números: rotación anualizada de meseros (%), NPS actual de cliente, tiempo promedio de comanda, % de pedidos errados, horas nómina en caja/administrativo, ticket promedio, food cost real, margen de recomendación (toma 3 datos: % de clientes que aceptan sugerencia mesero, ticket adicional promedio de esos, conversión). Un dueño sin estos números es ciego. No avances sin la línea base: es tu ancla de verdad. Herramienta: Canvas Restaurantes (mide las 8 en 45 minutos).
Cada mesero simula 15 interacciones en 2 semanas contra el Kit de Entrenamiento (preposición de platos, upsell, manejo de reclamo, recomendación IA). Métricas por mesero: score de simulación (media 65-75 en debut), velocidad de respuesta, tasa de upsell simulado. Un mesero que entra a IA sin haber practicado rechaza dos oportunidades de venta por turno por desconfianza; los que entrenan aceptan 92% de sugerencias. Frecuencia: 3 sesiones/semana de 15 min (preshift + break). Responsable: Gerente de Sala o el mesero veterano que lidera (designar 1 mesero champion por turno).
Semana 1 de IA: turno específico (ej. almuerzo viernes-domingo) con 3 meseros entrenados. Métrica: tiempo de comanda, aceptación de sugerencias, % de error. Semana 2: turno + segundo equipo de meseros. Semana 3-4: todos los turnos, todos los meseros. Parar si en turno piloto el error sube >8% o NPS baja >5 puntos. Responsable: Gerente General + apoyo de Meseros-AI (sesión de troubleshooting cada 3 días). Una regla dura: NO cambies dos cosas a la vez (si cambias protocolo de IA, no cambies menú ni precios en esa semana).
Preshift diario de 12 minutos: repasa 3 ítems (quién entra/turno, protocolo hoy, métrica de ayer). Cada viernes: 30-min sync dueño + gerente + champion mesero contra 5 números (NPS última semana, tiempo comanda, rotación meseros, margen recomendación, horas rescatadas). Ajusta 1-2 reglas de IA por mes (piso de precio, perfiles de cliente, horarios de upsell agresivo). Target mes 2: 75% de comandas por IA. Target mes 4: NPS +15 puntos, rotación -20%, ticket +8-12%. Responsable: Dueño (es decisión final); ejecutor: Gerente de Sala.
Herramientas gratuitas para aplicarlo ya
Herramientas Meseros-AI que este checklist cubre
Este checklist está tejido alrededor de tres herramientas del Kit de Entrenamiento Interactivo que Meseros-AI pone en tus manos.
Cada herramienta resuelve un problema específico de servicio y CX; juntas, elevan operación desde 'meseros que toman pedidos' a 'vendedores capacitados que saben de cada cliente'.
Diego F. Parra — Consultor internacional experto en crear y potenciar restaurantes y en IA aplicada a restaurantes, foodtech y HORECA. Metodología aplicada en +8.400 restaurantes en 43 países · Experto en Inteligencia Artificial aplicada a restaurantes, hospitalidad y negocios gastronómicos · +20 años de experiencia en restaurantes, catering, grandes eventos y crecimiento empresarial · Autor de 3 libros con ISBN: «Triunfar o morir en el intento» (2013) y «De esclavo a dueño» (2023) · Conferencista internacional y keynote speaker del sector HORECA.
Preguntas que hacen los dueños (y las respuestas de campo)
¿Cuánto tiempo tarda el mesero en confiar en la IA?
¿Cuánto tiempo tarda el mesero en confiar en la IA?
65% de los meseros que entrenan ANTES de go-live confían en semana 1 (datos Meseros-AI 2.340 meseros, 2025-2026). Los que NO entrenan tardan 4-5 semanas — y en ese tiempo pierden dinero. El preshift es la diferencia: un mesero que ve funcionar la IA 3 veces en simulación desconfía menos de que funcione en piso.
¿Qué pasa si un mesero se niega a usar la IA?
¿Qué pasa si un mesero se niega a usar la IA?
En 8.400 restaurantes auditados, <2% de meseros se niegan después de entrenamiento. La mayoría que resiste es porque no entiende o porque en su turno anterior pasó algo raro (bug, recomendación fuera de lugar). Solución: sesión 1:1 con el champion mesero + ajuste de la regla que falló. En restaurantes donde el dueño NO facilita entrenamiento, la resistencia es 12-15% — eso es señal de que la implementación va floja.
¿Pierde calidad el servicio si la IA maneja parte de la comanda?
¿Pierde calidad el servicio si la IA maneja parte de la comanda?
No, mejora. Tiempo comanda baja de 18-22 min a 10-14 min porque la IA NO vacila — toma el pedido, lo formatea, lo valida, lo manda a cocina en 60 segundos. El mesero gana tiempo para conversa, para vender bebida, para detectar si el cliente está contento. En 340 restaurantes, NPS subió 19 puntos promedio; el mesero NO perdió autoridad, ganó.
¿Cada cuánto revisar que la IA está funcionando?
¿Cada cuánto revisar que la IA está funcionando?
Diaria: vistazo de 5 minutos al dashboard Exponencial (número de comandas por IA, % de error, NPS última hora). Semanal: sync de 30 min (dueño + gerente + champion; revisar 5 números claves). Mensual: corrida de línea base (8 métricas viejas vs nuevas). Si NPS baja >5 puntos en una semana sin razón clara, algo falló en la IA — audita reglas, datos de menú o calibración de cliente-perfil.
Datos del sector 2026 (fuentes oficiales)
Benchmarks verificables de fuentes oficiales y no comerciales (gobierno, asociaciones de industria y market-data), nunca competencia.
| Dato | Benchmark 2026 | Fuente |
|---|---|---|
| Consumidores que quieren apps que recuerden pedidos anteriores | 68% con fuerte interés; 65% quiere filtros por precio | Tillster — Restaurant AI for Guest Personalization |
| Retención de programas de lealtad con datos e IA | Los QSR con IA en lealtad son 3 veces más propensos a mantenerlos a largo plazo | Checkmate — AI-Driven Restaurant Loyalty |
| Uso diario de chatbots de IA conversacional en marcas | 60% de las marcas los usan a diario para pedidos y reservas | Deloitte — How AI Is Revolutionizing Restaurants |
| Ventas digitales esperadas en QSR para fin de 2025 | 70% de las ventas QSR provenientes de pedidos digitales | Restroworks — Restaurant Mobile App Statistics |
| Encuesta Deloitte de operadores que aumentarán inversión en IA | 82% de 375 operadores en 11 países planea subir la inversión ≥6% | Deloitte — Restaurant AI Investments Heat Up 2025 |
| Aumento del valor de orden con chatbots de pedido guiado | 12% a 18% más de ticket promedio | Zellyfi — AI Chatbot for Restaurants |
Contenido relacionado
Haz crecer tu restaurante con el método Masterestaurant
Aplicado en +8.400 restaurantes de 43 países.