Elena dirige una empresa de logística en Murcia. Treinta y ocho empleados, una nave en el polígono, otra en Cartagena, y un problema que llevaba año y medio intentando resolver: cada mañana, su equipo de atención al cliente dedicaba la primera hora a leer los correos de la noche, decidir si eran reclamaciones, consultas de estado de envío o nuevos pedidos, y reenviarlos al departamento correspondiente. Tres personas. Una hora. Todos los días.
Un proveedor de tecnología le propuso poner un chatbot. Elena le preguntó para qué. El proveedor le explicó que el chatbot leería los correos, entendería lo que pedían y respondería automáticamente.
—¿Y si no sabe qué responder?
—Entonces lo escala a una persona.
—¿Y cómo sabe que no sabe?
—Bueno, eso se afina.
Elena no era tonta. Sabía que «eso se afina» significaba que no lo sabían. Pero tenía un problema real y medio millón de correos al año, así que dijo que sí.
El primer mes
El chatbot respondía bien a las consultas de estado de envío. Tenía acceso al sistema de tracking, cruzaba el número de pedido con la base de datos y le decía al cliente dónde estaba su paquete. Rápido, correcto, sin errores. Los clientes no se quejaban. Algunos ni sabían que no les contestaba una persona.
Con las reclamaciones fue distinto. Una señora de Lorca escribió porque su pedido había llegado roto. El chatbot le contestó que su envío había sido entregado con éxito el día anterior. La señora contestó que sí, que había llegado, pero roto. El chatbot le contestó que se alegraba de que hubiera recibido su pedido.
Elena vio ese email un viernes por la tarde. Llamó a la señora personalmente. Tardó veinte minutos en calmarla.
Los nuevos pedidos fueron otro problema distinto. Los clientes grandes de Elena no pedían por formulario: pedían por email, con texto libre. «Necesito doscientas cajas del modelo KR-40 para el lunes» mezclado con «por cierto, el mes pasado me cobrasteis de más en la factura 2847». Un email, dos asuntos distintos, cada uno para un departamento diferente. El chatbot no separaba uno de otro. Trataba el email como una sola cosa y respondía al asunto que le parecía más claro, que normalmente era el pedido. La queja se perdía.
Tres problemas, tres soluciones
Le dije a Elena algo que no es fácil de escuchar cuando ya has invertido en una solución: lo que tenía no estaba mal; estaba mal aplicado. El chatbot funcionaba bien para lo que funcionaba bien. Para lo demás, hacía falta otra cosa.
Elena tenía tres problemas. No uno.
El primero era responder consultas de estado de envío. Para eso, el chatbot servía. Un modelo de lenguaje conectado al sistema de tracking: pregunta, consulta, respuesta. Limpio.
El segundo era clasificar correos entrantes. Separar reclamaciones de pedidos de consultas. Para eso no hacía falta un chatbot que conversara. Hacía falta un clasificador. Un sistema más pequeño, más rápido y más barato que lee cada email, identifica de qué tipo es y lo manda al departamento correcto. Sin responder nada. Sin inventar nada. Solo clasificar. Es inteligencia artificial, sí, pero no necesita generar texto ni mantener una conversación. Necesita leer, decidir y mover.
El tercero era gestionar reclamaciones. Y para eso, de momento, hacía falta una persona. No porque la tecnología no pudiera, sino porque los clientes de Elena esperaban empatía, no eficiencia. Una reclamación bien gestionada por una persona salva un cliente. Una reclamación gestionada por una máquina que dice «me alegro de que haya recibido su pedido» lo pierde.
—¿Entonces necesito tres cosas distintas?
—Necesitas dos sistemas y un equipo que hace lo que siempre ha hecho, pero sin perder la primera hora del día leyendo correos que una máquina puede clasificar sola.
La economía de usar lo justo
Hay algo que no se cuenta en las charlas de innovación: los modelos de lenguaje grandes son caros. No solo de comprar; de usar. Cada vez que le pides a un modelo grande que procese un correo electrónico, pagas por la potencia de cálculo que necesita para entender el texto y generar una respuesta. Si tienes quinientos correos al día, eso se nota.
Un clasificador no necesita esa potencia. No genera texto. Lee, decide y mueve. El coste por email es una fracción. Para Elena, la diferencia entre pasar los quinientos correos diarios por el chatbot o pasarlos por un clasificador y enviar solo las consultas de envío al chatbot era un ahorro del setenta por ciento en coste de procesamiento.
—Espera. ¿Me estás diciendo que ahorro dinero usando menos inteligencia artificial?
—Te estoy diciendo que ahorras dinero usando la inteligencia artificial justa para cada cosa.
Elena se recostó en la silla y miró el techo. Tenía esa cara que pone la gente cuando algo encaja y se pregunta por qué nadie se lo había explicado antes.
Lo que funcionó
Montamos las dos piezas. El clasificador delante: lee cada correo, decide si es consulta de envío, pedido nuevo o reclamación, y lo manda donde toca. Los de envío van al chatbot, que responde automáticamente. Los pedidos van a comercial. Las reclamaciones van a atención al cliente, que ahora empieza el día con la bandeja limpia y solo los correos que necesitan una persona.
Las tres que antes pasaban la primera hora leyendo y reenviando correos ahora dedican esa hora a gestionar reclamaciones. No se redujo la plantilla. Se eliminó una hora de trabajo que no aportaba nada y se convirtió en una hora de trabajo que sí aportaba.
Un mes después, Elena me mandó un mensaje. Decía: «La señora de Lorca ha vuelto a pedir. Le contestó Sandra. A mano.»
No hacía falta que dijera más.
La caja de herramientas
La inteligencia artificial no es un producto. Es una caja de herramientas. Dentro hay destornilladores, llaves inglesas, martillos y sierras. Todos sirven. Ninguno sirve para todo. Un modelo de lenguaje es una sierra eléctrica: impresionante, potente, cara. Pero si lo que necesitas es apretar un tornillo, lo que te hace falta es un destornillador.
A veces la solución es un chatbot. A veces es un clasificador. A veces es una regla de negocio que cabe en tres líneas de código. A veces son las tres cosas juntas, encadenadas, cada una haciendo lo que mejor sabe hacer. Lo que siempre necesitas es a alguien que entienda el problema antes de abrir la caja de herramientas.
¿Estás usando la herramienta correcta para tu problema?
A veces lo que frena no es la tecnología, sino haberla elegido sin entender primero el problema. Podemos mirarlo juntos.
Hablemos