NEWSLETTER

IA que ordena el laboratorio: de la conversación a la evidencia

a45d585c-abcc-45f8-bc34-b95ed1f64584

IA que ordena el laboratorio: de la conversación a la evidencia

Labguru, un asistente de IA que se mete en el corazón del laboratorio

La vida del laboratorio nunca fue lineal. Está hecha de cuadernos con márgenes subrayados, hojas de cálculo que se heredan de becario en becario, protocolos con anotaciones al margen, equipos que piden calibración cuando nadie lo esperaba y decisiones que se toman entre tubos de ensayo, bandejas de placas y correos urgentes. En esa coreografía cotidiana, la información circula entre personas, dispositivos, formularios y repositorios. Allí, en ese tránsito intenso y a menudo caótico, es donde Labguru Assistant coloca su propuesta: una capa de inteligencia que conversa en lenguaje natural con científicos y científicas, recupera datos distribuidos, sugiere rutas de análisis, ayuda a solucionar desvíos experimentales, normaliza registros y acompaña la gobernanza del laboratorio con trazabilidad en tiempo real. La promesa no es una varita mágica, sino una reorganización inteligente del trabajo diario para que el talento humano se enfoque en lo que realmente requiere criterio, creatividad y responsabilidad.

Lo que distingue a esta herramienta no es que responda preguntas como un chatbot genérico, sino dónde responde, con qué contexto lo hace y para qué se integra. Labguru no nace como un asistente aislado: forma parte de una plataforma con ELN (cuaderno electrónico de laboratorio), LIMS (sistema de gestión de información de laboratorio), inventario, módulos de biología molecular y química, automatización y analítica. Insertado en ese ecosistema, el asistente no solo “habla”, también actúa: busca registros, compara resultados históricos, sugiere optimizaciones de protocolos, dispara cálculos, verifica disponibilidad de reactivos, señala exigencias de cumplimiento, compone reportes y, sobre todo, reduce la fricción entre el pensamiento científico y la documentación ordenada de cada paso. Esa combinación de conversación, acción y trazabilidad altera la velocidad de iteración. Y, si se la usa con criterio, mejora la reproducibilidad y el control de calidad sin agregar capas de burocracia.

Para el lector no especializado, conviene traducir esta ambición a escenas muy concretas. Una investigadora de microbiología está frente a un crecimiento que no replica el rendimiento de semanas previas. El asistente permite preguntar en lenguaje simple qué cambios hubo en las últimas corridas, rastrear variaciones de temperatura registradas por el equipo, revisar lotes de medios de cultivo, contrastar parámetros de agitación y sugerir controles adicionales para discriminar si el problema es de insumo, de proceso o de instrumentación. Un bioinformático que integra datos de expresión puede pedir un resumen estadístico de las corridas más recientes, solicitar visualizaciones comparables con los experimentos del trimestre pasado y pedir recomendaciones de pruebas no paramétricas cuando el tamaño muestral es modesto. Un responsable de calidad puede solicitar un checklist de requisitos para una auditoría, verificar qué SOPs están próximos a vencer, y generar un informe con firmas electrónicas de conformidad. Esa serie de microinteracciones, repetidas muchas veces al día, suman horas liberadas y bajan el umbral de error humano.

Este artículo propone una lectura integral y didáctica de Labguru Assistant. En las próximas secciones se explica qué resuelve y qué no, cómo se inserta en la cadena de trabajo del laboratorio, cuál es su mecánica de conversación y acción, qué papel juega en el análisis de datos y la solución de problemas experimentales, cómo trata el inventario y el cumplimiento normativo, qué opciones ofrece en materia de privacidad y modelos de lenguaje, qué beneficios y riesgos introduce, y de qué manera puede transformar la cultura de documentación y aprendizaje dentro de un equipo. La meta es ofrecer un panorama accesible, con ritmo narrativo, que le permita a cualquiera dimensionar el alcance de esta clase de asistentes sin perder rigor técnico ni realismo operativo.

Qué es y qué cambia en el día a día

Labguru Assistant se presenta como un chatbot integrado de uso transversal en la plataforma. Lo esencial es que está disponible desde cualquier pantalla del sistema y que puede acceder, según permisos, a los contextos relevantes: proyectos, experimentos, observaciones, archivos adjuntos, stocks de inventario, equipos asociados y datos históricos. Con esa memoria institucional a mano, la conversación no se limita a sugerencias genéricas. Se vuelve contextual. Si el usuario está mirando un experimento, el asistente sabe qué columnas hay en esa tabla, qué SOP gobierna ese procedimiento y qué controles se definieron. Si el usuario está en un módulo de inventario, el asistente puede responder con la ubicación de un reactivo, verificar fechas de caducidad o proponer equivalencias aprobadas.

En la práctica, esto se traduce en tres beneficios inmediatos. El primero es recuperación rápida de información con lenguaje natural. Desaparecen los recorridos de menú en menú para encontrar un dato sencillo, y emerge el gesto natural de “preguntar”. El segundo es análisis en sitio: no hace falta exportar a otra herramienta para ejecutar cálculos comunes, generar gráficos o comparar experimentos. El tercero es documentación viva: cada interacción puede dejar rastro, adjuntar una justificación, disparar una tarea o completar un campo, de modo que el conocimiento tácito se convierte en conocimiento explícito y auditable.

La diferencia con un buscador web es sustancial. Labguru no pretende reemplazar la literatura, sino poner orden en la casa. La ayuda de IA está optimizada para lidiar con los objetos del laboratorio: un protocolo, un lote, un equipo, una corrida, una serie temporal, un expediente de cumplimiento. Esa especificidad hace que la herramienta sea útil en lo micro, donde se decide la calidad de cada registro, y en lo macro, donde se decide la eficiencia del conjunto.

Mecánica de conversación y acciones posibles

La conversación con el asistente funciona como una sesión de trabajo. Se formulan preguntas, se piden comparaciones, se solicitan transformaciones de datos y se obtienen respuestas que pueden incluir explicaciones, tablas, gráficos y enlaces a los objetos relevantes del sistema. La utilidad aumenta cuando el usuario le pide “hacer” además de “decir”: por ejemplo, completar metadatos faltantes en un conjunto de muestras, listar experimentos que no tienen control negativo, marcar un equipo para calibración preventiva o generar un reporte de progreso para una reunión semanal.

El repertorio de acciones se puede agrupar en seis familias operativas:

  1. Resolución de desvíos experimentales. El asistente ayuda a pensar qué hipótesis descartar primero cuando algo no sale como se espera. Puede rastrear cambios de insumo, revisar condiciones ambientales registradas por el equipo, detectar diferencias de preparación entre lotes o revisar el historial de quien ejecutó. No decide por el científico, pero sí acorta el camino hacia una lista razonada de posibles causas y propone pruebas de control para validarlas.
  2. Optimización de protocolos. A partir de los procedimientos almacenados, sugiere mejoras orientadas a robustez y reproducibilidad. Puede recomendar número mínimo de réplicas, ordenar pasos para reducir contaminación cruzada, recordar tiempos de incubación estándar o invitar a registrar explícitamente una variable que suele olvidarse. La clave no es recitar manuales, sino adaptar recomendaciones al historial del laboratorio.
  3. Análisis de datos y visualización. Cálculos resumen, pruebas estadísticas, gráficos comparables entre corridas y anotaciones explicativas se vuelven tareas de uno o dos pedidos. El asistente no reemplaza a un bioestadístico en problemas complejos, pero normaliza la calidad de los análisis cotidianos, evita errores básicos y guarda plantillas para que el equipo hable un mismo idioma visual.
  4. Búsqueda y navegación contextual. “Mostrame todos los experimentos con el anticuerpo X en los últimos 90 días”, “qué muestras de la cohorte Y están por vencer”, “dónde está el lote Z y cuántas unidades quedan”. La respuesta llega con enlaces y, si el usuario quiere, con acciones encadenadas como crear alertas o generar pedidos de compra.
  5. Onboarding y documentación pedagógica. El asistente descomprime el ingreso de nuevas personas al equipo. Explica cómo se completa un registro, guía en el uso del ELN, recuerda políticas internas de nomenclatura y sugiere buenas prácticas de trazabilidad. Esa guía inmediata evita errores de formación que luego cuestan caro.
  6. Cumplimiento y calidad. Recordatorios de control, listas de verificación de SOPs, preparación para auditorías, comprobación de firmas electrónicas y consistencia de metadatos se integran a la rutina. La herramienta no reemplaza al responsable de calidad, pero institucionaliza hábitos que suelen depender de la voluntad individual.

En todos los casos, la condición para que el asistente sea útil es que el laboratorio tenga hábitos mínimos de orden. Sin registros completos, sin metadatos, sin protocolos versionados, ninguna IA puede hacer magia. Lo que sí logra, una vez que la base está, es que el estándar de orden sea más fácil de sostener en el tiempo.

Análisis y solución de problemas experimentales

La ciencia cotidiana avanza con una mezcla de diseño, paciencia y diagnóstico. Cuando hay un desvío, el tiempo se va en reconstruir qué cambió. Aquí el asistente agrega valor porque recorre el historial con velocidad y hace visibles diferencias que el ojo humano puede pasar por alto. Si se modificó el lote de un reactivo, si el equipo registró una temperatura ligeramente diferente, si el tiempo de incubación se extendió en ciertos casos, si la mezcla de buffers tuvo otro pH, el sistema lo detecta y lo presenta de manera ordenada, con vínculos a las fuentes primarias.

El segundo aporte es la sugerencia de experimentos de descarte. En vez de probar al azar, el asistente propone controles que discriminan causas con el menor costo posible. Esa economía del ensayo y error no es trivial. A lo largo de un año, evita jornadas desperdiciadas y protege la moral del equipo. Para que nadie sobredimensione su alcance, vale subrayar que la herramienta no decide continuidad de una línea de investigación ni evalúa riesgos clínicos. Lo que sí hace es reducir la fricción del diagnóstico y elevar el piso de la práctica experimental.

En ámbitos regulados, donde cada cambio debe quedar asentado, esta capacidad de reconstruir contexto mejora la relación con auditorías internas y externas. No se trata solo de cumplir, sino de aprender del error. Al dejar un rastro claro de qué se hizo, por qué y con qué datos, el laboratorio se vuelve una organización que recuerda, lo que a la larga se traduce en menos reincidencias de fallas.

Protocolos, reproducibilidad y cultura de trabajo

Las buenas prácticas de laboratorio viven en protocolos claros, versionados y medibles. Labguru Assistant ayuda a convertir documentos sueltos en procedimientos estandarizados con pasos contables, tiempos, materiales y criterios de aceptación. La reproducción literal nunca es total, pero cuando la variación está controlada y anotada, los resultados se vuelven interpretables. La IA sugiere mejoras basadas en registros históricos: por ejemplo, incorporar un control positivo en un paso donde el equipo suele equivocarse, o ajustar un rango de temperatura a lo que la instrumentación realmente sostiene, no solo a lo que dice la hoja técnica.

Un aspecto menos obvio es el estilo de documentación. Al proponer plantillas y vocabularios estables, el asistente alfabetiza al equipo en una forma de escribir y organizar que reduce ambigüedades. Esa homogeneidad no aplana la ciencia, la vuelve comunicable. Cuando cambia una persona de proyecto o se integra un colaborador externo, el tiempo de adaptación baja porque todos comparten un lenguaje operativo. La IA no es un profesor, pero sí un corrector incansable que avisa cuando falta un dato, cuando la observación es confusa o cuando el esquema no coincide con lo que se registró en el inventario.

Inventario, equipos y recursos compartidos

La logística es la cara oculta del éxito experimental. Sin reactivos a tiempo, sin consumibles disponibles, sin equipos calibrados y reservados con criterio, la ciencia se frena. Aquí el asistente permite consultas en lenguaje natural y acciones que cierran el circuito: “¿Queda anticuerpo anti-X en el congelador 3?”, “¿cuándo vence el lote Y?”, “reservá el termociclador para el martes a las 9”, “creá una orden de compra para 200 puntas de 200 µl con proveedor Z”. La capacidad de predecir faltantes, leer patrones de uso y detectar cuellos de botella en equipamiento se apoya en el histórico que el propio sistema consolida.

Un laboratorio sano es aquel donde la operación acompaña a la hipótesis. El asistente contribuye a esa armonía evitando sorpresas, cuidando detalles de caducidad y proponiendo sustituciones aprobadas cuando algo no llega. El efecto cultural es fuerte: menos excusas y más foco en la parte intelectual del trabajo.

Cumplimiento normativo y gobernanza del dato

Quien haya atravesado una auditoría sabe que la trazabilidad es la palabra clave. Firmas electrónicas, fechas, versiones, permisos, integridad de los registros, toda esa infraestructura invisible define si un laboratorio está listo para la exigencia regulatoria. El asistente ayuda a mantener ese orden con recordatorios, listas de verificación y generación de reportes que ordenan evidencias. Puede avisar que un SOP está por vencer, que falta una firma en un experimento, que un equipo no tiene registro de calibración o que un conjunto de datos carece de metadatos mínimos.

La automatización no diluye la responsabilidad humana, la vuelve sistemática. En laboratorios que trabajan con estándares de calidad exigentes, esta disciplina cotidiana marca la diferencia entre avanzar sin sobresaltos o apagar incendios. Para el equipo, también es un alivio: se termina el tiempo perdido en buscar papeles y empieza el tiempo dedicado a justificar decisiones con información a mano.

Privacidad de datos y elección del modelo de lenguaje

Un tema sensible en cualquier solución con IA es dónde se procesa la información y qué se hace con ella. Labguru permite seleccionar el modelo de lenguaje que potencia al asistente entre dos opciones: motor propio alojado por la compañía o integración con OpenAI. La elección impacta en privacidad y gobernanza de los datos. Las organizaciones pueden fijar el nivel de resguardo que consideran adecuado y cambiarlo desde la administración de la cuenta. Para equipos que manejan propiedad intelectual, datos clínicos o secretos comerciales, este control no es un adorno, es un prerrequisito.

Además de la elección del modelo, la plataforma mantiene capas de permisos internas: no todo usuario ve todo. El asistente respeta esos límites. Solo accede a lo que la persona autorizada puede ver y tocar. Es un recordatorio útil de que la IA no es una puerta trasera, sino un intérprete de lo que ya está registrado en el sistema.

Cómo se implementa y qué exige al laboratorio

Habilitar el asistente es una decisión de propietarios de cuenta y se realiza desde la configuración del sistema. El proceso incluye activar la integración de IA, elegir el motor, definir el nivel de privacidad y encender el módulo. A partir de allí, la herramienta está disponible para todo el equipo dentro de los permisos de cada rol. La parte técnica es simple. La parte cultural requiere intención: acordar estándares de carga de datos, ponerse de acuerdo en plantillas, limpiar registros legados, comprometerse con la documentación y, sobre todo, aprender a pedir. La IA responde mejor cuando se le formula una pregunta clara, con el contexto justo y con un objetivo concreto.

En equipos grandes conviene acompañar el despliegue con breves sesiones de buenas prácticas de prompts, ejemplos de preguntas frecuentes y atajos útiles. En pocas semanas, el catálogo de solicitudes se vuelve natural: “compará esto con lo de abril”, “mostrame solo lo que exceda el umbral”, “marcá pendientes para el viernes”. La herramienta no impone un lenguaje formal. Aprende de la forma en que el equipo piensa y lo ayuda a sistematizarlo.

Ventajas concretas y límites que conviene reconocer

El valor diferencial de un asistente así puede resumirse en cuatro vectores. Velocidad, porque reduce el tiempo entre pregunta y respuesta útil. Calidad, porque uniforma análisis de rutina y empuja buenas prácticas de documentación. Trazabilidad, porque todo queda pegado al objeto correcto, con fecha y responsables. Colaboración, porque baja la barrera de entrada para nuevas personas y crea un idioma operativo compartido.

Aceptados esos beneficios, es sano listar los límites. Ningún asistente reemplaza a una persona experta cuando la decisión involucra interpretación científica, juicio ético o gestión de riesgo. En análisis estadísticos complejos, diseño de estudios clínicos o tratamiento de datos personales, la herramienta es apoyo, no árbitro. En entornos con datos desordenados o incompletos, la IA amplifica confusiones. El remedio es conocido: gobernanza del dato. Sin ella, la promesa pierde brillo.

También hay una precaución: la comodidad puede llevar a aceptar sugerencias sin suficiente crítica. Por eso es recomendable que el equipo establezca rituales de revisión. Los asistentes aceleran, pero es el laboratorio el que define el estándar de evidencia. Un conjunto de métricas útiles para gobernar el uso del asistente incluye tiempos de respuesta, reducción de errores de carga, mejora en la completitud de metadatos, disminución de incidencias logísticas y, sobre todo, reproducibilidad entre corridas.

Dos casos de uso que ilustran el cambio

Primer caso, biología molecular. Un equipo que cuantifica expresión génica debe comparar 48 muestras en tres condiciones. Con la ayuda del asistente, la persona encargada importa las planillas, pide un resumen estadístico por condición, solicita gráficos de cajas y violines, detecta outliers, pide una prueba adecuada para tamaño muestral, y genera un informe con notas para discusión. A la vez, el sistema verifica que los lotes de reactivos usados estaban vigentes y que el termociclador cumplió su calibración. La reunión semanal se enfoca en interpretar y decidir el próximo paso, no en arreglar gráficos y revisar papeles.

Segundo caso, cultivo celular con problemas de contaminación. El asistente ayuda a reconstruir qué factor cambió desde la última serie limpia: detecta un cambio de campana, un lote de suero de distinto proveedor y una variación de temperatura nocturna. Propone tres controles de descarte, genera la lista de materiales, reserva equipamiento y crea un checklist de limpieza reforzado para la semana. En vez de diez días de ensayo y error, el equipo invierte dos con una ruta lógica de hipótesis y controles. La documentación queda asociada a los experimentos y a las órdenes de mantenimiento.

Cómo transforma la cultura de un laboratorio

Hay laboratorios que trabajan a pulmón con planillas y buena voluntad. Hay otros que ya tienen ELN, LIMS y procesos robustos. En ambos, un asistente de este tipo acelera el paso hacia una cultura de aprendizaje organizado. Lo hace de dos maneras. Primero, porque convierte preguntas sueltas en activos de conocimiento. Cada interacción puede generar un artefacto reutilizable: una plantilla, un reporte, un checklist, un gráfico estándar. Segundo, porque reparte la carga. Lo que antes dependía del “experto que sabe dónde buscar” pasa a ser capacidad del equipo. Esa democratización del saber operativo no reemplaza la pericia, pero sí reparte la responsabilidad de sostener la calidad.

En trámites de auditoría, en presentaciones a dirección o en negociaciones con proveedores, la diferencia es notable. Los datos no están en islas, están enlazados. Las decisiones se justifican con evidencia. Las curvas de aprendizaje bajan. Y, quizás lo más importante, el laboratorio se acostumbra a medir su propio desempeño operativo: tiempos a resultados, tasas de repetición por error, cuellos de botella logísticos, cumplimiento de SOPs. La IA no inventa esa madurez, la facilita.

Escenarios de futuro y señales a monitorear

La integración de asistentes en plataformas como Labguru abre puertas a escenarios entusiasmantes y realistas. Veremos más automatización de documentación, con extracción de metadatos desde equipos y archivos para completar registros sin intervención manual; más predicción operativa, con avisos de consumo y mantenimiento basados en patrones; más analítica en contexto, donde el sistema sugiere análisis adecuados al tipo de experimento y tamaño muestral; y más interoperabilidad, con conectores que unan el ELN/LIMS con repositorios externos y bases públicas de secuencias, compuestos o biomarcadores.

La señal para diferenciar humo de progreso será reproducibilidad con menos fricción. Si las corridas son más consistentes, si baja la tasa de errores de documentación, si el tiempo que se invierte en preparar auditorías disminuye, si el onboarding se reduce de semanas a días, el asistente habrá demostrado su valor. Otra señal será la adopción transversal: no solo bioinformática o calidad, también quienes hacen banco día a día. Cuando la herramienta resulta útil para quien sostiene la pipeta, entonces caló hondo.

Guía mínima para empezar con buen pie

Un despliegue que funcione se apoya en decisiones simples y sostenibles. Un primer mes razonable incluye limpiar plantillas, acordar nomenclaturas, definir permisos, y priorizar dos o tres casos de uso donde el asistente muestre valor inmediato. A la vez, conviene establecer una política de privacidad clara y elegir el modelo de lenguaje según sensibilidad de los datos. Por último, es útil nombrar una persona o un pequeño grupo como equipo de práctica: su tarea es recopilar mejores prompts, documentar atajos y medir con números el antes y el después.

Para no saturar, quedémonos con dos reglas prácticas que pagan solas:

  • Registrar todo cambio que afecte un experimento y enlazarlo al registro correspondiente. El asistente hará el resto.
  • Pedir reportes con estructura estable que puedan compararse en el tiempo. El asistente puede generarlos, pero el equipo debe acordar el formato común.

Síntesis reflexiva

El laboratorio moderno no necesita más pantallas, necesita más coherencia. Labguru Assistant ocupa ese lugar modesto y potente: el de una interfaz conversacional que entiende el contexto del laboratorio, lo conecta con sus datos, sugiere buenas prácticas, reduce errores, acelera análisis de rutina, mejora el cumplimiento y transforma interacciones sueltas en evidencia organizada. Con ese conjunto de funciones, la herramienta no intenta sustituir la inteligencia del equipo, sino multiplicarla donde el trabajo se vuelve repetitivo y propenso a descuidos.

Su aporte más sutil es cultural. Al exigir orden para desplegar todo su potencial, el asistente premia a los equipos que documentan, versionan y trazan. Y al convertir preguntas en acciones y acciones en objetos auditable, instala una gramática de trabajo que facilita el aprendizaje, la colaboración y la responsabilidad compartida. El futuro de estas plataformas no se define en discursos, se juega en métricas que importan: reproducibilidad, tiempos de respuesta, reducción de errores y satisfacción del equipo. Si esas métricas se mueven en la dirección correcta, la promesa deja de ser anuncio y se vuelve práctica cotidiana.

La inteligencia artificial es, aquí, menos espectáculo que infraestructura. No aparece para deslumbrar, sino para sostener lo que ya sabemos que funciona: protocolos claros, datos completos, decisiones justificadas, cultura de mejora continua. En ese sentido, la pregunta no es si conviene sumar un asistente de IA, sino cómo adoptar uno sin perder criterio. Empezar pequeño, mantener el control humano, medir el impacto y blindar la privacidad son las cuatro coordenadas que separan una moda de un cambio duradero. Con ellas en mente, un laboratorio puede transformar conversación en ciencia operable y resultados que llegan con menos ruido y más método.

Referencias

Labguru. “Labguru Assistant – AI for Pharma and Biotech.” Página de producto. Consultado en línea. Disponible en: https://www.labguru.com/labguru-assistant. (Labguru)
Labguru. “AI, and Machine Learning for pharma & biotech.” Sección de soluciones de IA. Consultado en línea. Disponible en: https://www.labguru.com/ai. (Labguru)
Labguru. “Labguru launches revolutionary AI-powered chatbot: Labguru Assistant.” Comunicado de prensa, 3 de abril de 2024. Disponible en: https://www.labguru.com/press/labguru-assistant. (Labguru)
Labguru Help Center. “The Labguru AI Assistant.” Guía de uso y casos de aplicación. Disponible en: https://help.labguru.com/en/articles/9062236-the-labguru-ai-assistant. (Labguru Centro de Ayuda)
Labguru Help Center. “How to enable Labguru Assistant?” Instrucciones de activación y opciones de privacidad. Disponible en: https://help.labguru.com/en/articles/9062222-how-to-enable-labguru-assistant. (Labguru Centro de Ayuda)
Labguru Help Center. “Labguru Assistant – How to select powering model.” Modelos disponibles y consideraciones de datos. Disponible en: https://help.labguru.com/en/articles/8750043-labguru-assistant-how-to-select-powering-model. (Labguru Centro de Ayuda)
Labguru. “AI cheat sheet for life sciences.” Material divulgativo para gestión de laboratorio con IA. Disponible en: https://www.labguru.com/ai-cheat-sheet. (Labguru)
Labguru. “AI-powered lab management.” Entrada de glosario. Disponible en: https://www.labguru.com/glossary/ai-powered-lab-management. (Labguru)

Publicaciones Recientes

ChatGPT Image 15 oct 2025, 02_50_09

Extinción o despegue: los escenarios de IA según la Fed de Dallas

El artículo del Federal Reserve Bank of Dallas, de junio de 2025, “Advances in AI will boost productivity, living sta
Leer Más
3339bb68-0021-4526-976d-b40765fb726f

Los modelos de IA revelan un sesgo arraigado por la escritura humana

En las profundidades de un laboratorio digital en Princeton, un relato breve sobre un altercado en un autobús se transf
Leer Más

Para estar informado, Ingresá o Creá tu cuenta en MundoIA...

Entrar

Recordá revisar la carpeta de "no deseados", el correo puede llegar allí