Un cliente quiere saber dónde está su pedido. Un empleado consulta el estado en el ERP o en el sistema logístico y lo comunica de vuelta, por teléfono, correo electrónico o chat. Esta es una de las tareas más recurrentes dentro del servicio de atención al cliente, y también una de las más predecibles. Precisamente eso la hace apta para que la IA la ejecute en gran medida.
Tres ejes son aquí determinantes: estructuración, volumen y contacto con el cliente.
La estructuración puntúa alto. El estado de un pedido no es una cuestión abierta: hay un número de pedido, un sistema con un estado actual, y un conjunto fijo de respuestas posibles (enviado, en camino, retrasado, entregado). No hay que inventar nada, solo consultarlo y comunicarlo.
El volumen suele ser alto. En empresas con muchos pedidos, este tipo de consulta representa una gran parte del volumen de contacto entrante. Un volumen alto combinado con un patrón fijo es precisamente donde la automatización rinde: la misma acción, cientos o miles de veces, sin que el contenido cambie.
El contacto con el cliente puntúa bajo hacia la automatización (2 de 5), pero eso aquí es menos un obstáculo de lo que parece. El contacto con el cliente solo se convierte en un problema para la IA cuando la conversación es sensible o requiere un trato a medida. En una consulta de estado, el contacto es funcional: el cliente quiere una respuesta, no una conversación. Mientras el mensaje sea correcto y llegue a tiempo, el "quién" es secundario.
Tres ejes mantienen la puntuación mixta, y es relevante no maquillar eso.
El margen de criterio (2) y la creatividad (5, anotado de forma desfavorable porque aquí no se necesita creatividad y eso es precisamente el punto) muestran que se necesita poca interpretación — pero ante desviaciones, como un pedido que lleva tres días "en camino" sin ningún registro de escaneo, sí hace falta una valoración: ¿es un fallo del sistema, un retraso del transportista, o un pedido extraviado? Eso requiere en ese momento una persona, o al menos una regla de escalado.
El cumplimiento normativo (5) significa que hay pocas complicaciones legales al comunicar un estado. Los costes de error (3) se sitúan en el medio: comunicar un estado incorrecto a un cliente es molesto, pero rara vez perjudicial. Esto, por cierto, difiere mucho según el sector. En dispositivos médicos o en entregas B2B sensibles al tiempo, una notificación de estado errónea sí puede tener consecuencias, y entonces este eje se desplaza hacia un riesgo mayor del que se maneja aquí.
Lo que la IA puede asumir hoy aquí es un agente: un sistema que consulta de forma autónoma el estado en el sistema logístico, lo traduce a un texto comprensible, y lo comunica al cliente, sin que siempre haya una persona intermediando. Esto no es una asunción completa del puesto, sí de una gran parte de las acciones repetitivas dentro de ese puesto.
Tres condiciones determinan si esto funciona en la práctica:
En empresas sin conexión en tiempo real entre el sistema de pedidos y el sistema logístico —por ejemplo, donde el estado se mantiene manualmente en un archivo de Excel—, la estructuración es en realidad menor de lo que aquí se asume, y esta tarea todavía no está madura para un agente. Esto conecta directamente con una tarea relacionada: proporcionar información de existencias y plazos de entrega se apoya en las mismas fuentes de datos y tropieza con el mismo problema si falta esa conexión.
Las empresas con muchos pedidos a medida o clientes B2B con acuerdos de entrega contractuales ven que el eje del margen de criterio pesa más: un retraso allí puede significar un incumplimiento de contrato, y entonces se necesita antes una valoración humana que en el caso de paquetes de consumo.
Esta tarea también está vinculada con lo que ocurre más adelante en el proceso. Datos de cliente incorrectos dan lugar a notificaciones de estado erróneas, por lo que mantener actualizados los datos de cliente en el CRM es en realidad una condición previa, no una tarea aislada. En el otro extremo del proceso influyen generar documentos de envío y devolución y el origen del propio pedido, mediante introducir pedidos en el sistema: cuanto más limpios estén configurados esos pasos, más fiable será la información de estado que resulte posteriormente.
Esto no es un consejo de personal ni un argumento para reducir un equipo de atención al cliente. Si y cómo una organización toma decisiones de personal depende de sus propios requisitos legales y de su propia valoración; esta página solo describe qué parte del trabajo se presta a la automatización, no cuál debería ser su consecuencia en materia de personal.
Que esta tarea sea automatizable en gran o pequeña medida en su empresa depende de sus sistemas, de su volumen de pedidos y del grado en que se producen desviaciones. El quickscan gratuito de FTE TO AI consta de doce preguntas, sin necesidad de cuenta, y ofrece una indicación de qué parte de las horas en este tipo de perfil de trabajo puede asumir hoy la IA. El análisis de trabajo completo, que calcula esto a nivel de tarea para su propia organización, todavía está en construcción.
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.