Una bandeja de entrada compartida - info@, atencionalcliente@, planificacion@ - recibe correo durante todo el día. Alguien lee ese correo, determina de qué se trata y lo remite al encargado o departamento correcto. A menudo esto se realiza mediante un sistema de correo electrónico vinculado a un sistema de tickets. La pregunta no es si la IA puede leer correo - eso ya lo hace desde hace tiempo - sino si la IA puede realizar de forma autónoma la categorización y el reenvío, o si un humano debe seguir supervisando.
Esta tarea puntúa alto en volumen: una bandeja de entrada con decenas o cientos de correos al día es exactamente el tipo de trabajo repetitivo en el que se centra la automatización. Los volúmenes altos hacen que sea rentable entrenar un sistema o establecer reglas, incluso si no cada correo se gestiona a la perfección.
Sin embargo, la estructuración de la tarea es baja (2 de 5). Un correo electrónico es texto libre, escrito por un cliente, proveedor o compañero que no se ciñe a un formato fijo. Un correo es una queja disfrazada de pregunta, otro es una solicitud de oferta con tres preguntas adicionales, el tercero es spam que casualmente suena relevante. Mientras que un formulario con campos fijos es fácil de clasificar, un modelo de IA debe primero reconocer la intención en un texto libre antes de poder categorizarlo. Esto es posible, pero falla con más frecuencia que con datos de entrada estructurados.
El contacto con el cliente también puntúa bajo (2 de 5), y esa es una razón para la cautela: muchos de estos correos provienen de clientes o socios. Un correo mal remitido de un cliente enfadado que espera dos días una respuesta cuesta más que el tiempo que la clasificación debía ahorrar. Cuanto mayor sea el contacto con el cliente, más cautela se necesita con la automatización total - un patrón que también se observa en las tareas del departamento de RR. HH., donde la comunicación sensible sobre personas suele requerir algo más de supervisión de lo esperado (véase qué trabajo puede asumir la IA en el departamento de RR. HH.).
Supongamos que llega un correo con el asunto "pregunta sobre la factura 2024-1187". Una regla de clasificación o un modelo entrenado reconoce el patrón (número de factura, palabra clave "pregunta") y remite el correo a la administración financiera. En la mayoría de los casos esto funciona bien y es un ejemplo clásico de reconocimiento de texto que la IA puede gestionar hoy en día.
Pero supongamos que ese mismo correo empieza con "ya me han llamado tres veces y sigo sin ayuda, esta es la última vez que..." y solo después menciona la factura. Un modelo que solo se guía por palabras clave o categorías de intención puede no captar la urgencia y la necesidad de escalado. Aquí entra en juego el margen de criterio (3 de 5): evaluar cuán urgente o sensible es algo es menos inequívoco que reconocer únicamente un asunto.
El resultado depende en gran medida de lo que llega a la bandeja de entrada. Una bandeja de entrada que recibe principalmente confirmaciones automatizadas, estados de pedidos y preguntas estándar tiene una estructuración mucho mayor que la evaluada aquí. Piense en una bandeja de entrada vinculada a una tienda web con un número limitado de tipos de preguntas recurrentes - ahí la clasificación puede funcionar casi sin errores, y el resultado se acerca más a la categoría 1.
A la inversa: la bandeja de entrada de un despacho de abogados o de un departamento de reclamaciones, donde cada correo puede ser jurídicamente o emocionalmente sensible, tiene una puntuación de contacto con el cliente más baja y unos costes de error más altos que el promedio evaluado aquí. Ahí el resultado se desplaza hacia la categoría 3, trabajo humano con la IA como herramienta de preclasificación.
Esto explica precisamente por qué un análisis específico por tarea dice más que una afirmación general sobre "la clasificación de correos electrónicos". El mismo nombre de tarea puede ser en gran medida automatizable en una empresa y seguir siendo principalmente trabajo humano en otra, dependiendo del tipo de correo, la sensibilidad de los remitentes y las consecuencias de un error.
Para una bandeja de entrada compartida promedio con contenido mixto, la clasificación de correos electrónicos se sitúa en la categoría 2: parcialmente automatizable, con supervisión humana. La IA puede, a partir de reglas de clasificación o un modelo entrenado, hacer una primera distribución y remitir directamente la mayoría de los mensajes rutinarios. En caso de duda - un asunto poco claro, un tono emocional, un remitente desconocido - el sistema debe escalar hacia un humano que apruebe o corrija. La asunción completa (categoría 1) solo es realista en bandejas de entrada con contenido muy predecible y repetitivo y bajo contacto con el cliente. El trabajo puramente humano (categoría 3) corresponde a bandejas de entrada donde prácticamente todos los correos son sensibles, jurídicamente delicados o críticos para la relación.
Por cierto, esta clasificación no afecta a las decisiones de personal: si y cómo una organización redistribuye las horas liberadas queda fuera de esta evaluación y tiene sus propios requisitos legales. Se dan consideraciones similares entre volumen y sensibilidad también en las tareas de planificación, donde puede leer qué trabajo puede asumir la IA en la planificación (/welk-werk-kan-ai-overnemen-op-de-planning), o en procesos documentales como se muestra en la página sobre el proceso de firma de documentos.
Si la clasificación en su propia bandeja de entrada se acerca más a la categoría 1 o a la categoría 3 depende del tipo de correo que llega y de quiénes son los remitentes - eso no se deduce solo del nombre de una tarea. El análisis rápido gratuito de ftetoai.com ofrece, con doce preguntas y sin necesidad de cuenta, una primera indicación de qué parte de las horas de su perfil de función se puede asumir hoy mediante IA. El análisis de trabajo completo que calcula a nivel de tarea todavía está en construcción; por lo tanto, aún no lo ofrecemos aquí, pero el análisis rápido ya proporciona un punto de partida honesto.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.