Seis personas se ahogaban en la cola de soporte y la marca publicaba cuando la fundadora encontraba un hueco. Ahora los borradores llegan escritos, así que el equipo aprueba en vez de teclear.
Hugo abre el proyecto en pantalla: el cuello de botella que encontramos, el sistema que entregamos y la cifra que se movió.
Todavía no hay vídeo. El caso escrito de abajo lleva las mismas cifras.
Bloom Supply Co. vende producto de limpieza recargable directo al consumidor en Reino Unido. Seis personas, 40.000 pedidos al año y una fundadora que escribía casi todo el marketing.
Soporte movía 340 tickets por semana y cerca del 70 % se repetía. Tres preguntas cubrían casi todo: seguimiento del pedido, cambios de suscripción, compatibilidad de botellas.
La mediana de primera respuesta era de seis horas. Los lunes pasaba del día. Las peticiones de devolución subían cada vez que subía la cola, lo que empeoraba la cola.
El contenido era el otro problema. La fundadora escribía de noche, cuando le quedaba energía, así que la marca publicaba cinco posts en una semana y luego callaba un mes.
Dos días de entrevistas y una semana de sus propios datos. Esto es lo que fallaba de verdad, contado como nos lo contó quien lo sufría cada día.
En Bloom había una fundadora con dos trabajos a jornada completa. Contestaba soporte por la mañana, escribía el marketing por la noche, así que se la quedaba la cola que gritara más.
Casi todo ese tecleo eran tres preguntas disfrazadas de otras palabras. El equipo reescribía las respuestas igualmente, porque el pedido vivía en un sistema mientras el ticket estaba en otro.
Los clientes leían la demora como desinterés. Una petición de devolución solía llegar no porque el producto fallara, sino porque nadie había contestado en un día. La cola se fabricaba su propio trabajo.
Todo dentro de las herramientas que la empresa ya pagaba. Cada workflow, credencial y prompt se entregó al final.
Cada ticket se cruza con el pedido del cliente antes de escribir nada. Un modelo entrenado con tres años de respuestas de Bloom redacta la contestación, y una persona la aprueba o la edita.
Zendesk
Shopify
OpenAI
MakeCada lunes se investiga sobre las preguntas que los clientes hicieron esa semana. La fundadora elige un ángulo en cinco minutos y luego revisa una semana de posts escritos con su voz.
PerplexityOpenAIMake
InstagramEl histórico de pedidos y las señales de fuga deciden quién recibe qué. Cada campaña se redacta contra la misma guía de voz y se aprueba una sola vez antes de salir.
KlaviyoShopifyMakeOpenAILas cifras de antes salen de los registros de la propia empresa, sacados durante la auditoría. La columna de después es la media de noventa días con todo en producción.
| Métrica | Antes | Después |
|---|---|---|
| Mediana de primera respuesta | 6 h | 11 min |
| Tickets contestados en menos de 15 min | 4% | 74% |
| Horas semanales del equipo en soporte | 22 h | 7 h |
| Devoluciones pedidas por demora | 41 por trimestre | 9 por trimestre |
| Horas de la fundadora en contenido, por semana | 9 h | 45 min |
| Posts publicados al mes | 8 | 24 |
Escribo un párrafo el lunes y sale la semana entera. La cola de soporte dejó de ser lo que me daba miedo abrir.
Todo proyecto las tiene. Escribirlas es lo que hace que el siguiente sea más corto.
Dejamos que el agente enviara solo las respuestas de bajo riesgo en la semana tres, antes de que el equipo confiara en él. Dos respuestas malas llegaron a clientes, así que volvimos a modo borrador durante un mes.
Aprobar primero no costaba nada y habría ahorrado ese mes.
También entrenamos la escritura con todos los posts antiguos en vez de con los mejores, lo que obligó a una segunda pasada.
Primer sistema en producción antes de un mes. A partir de ahí se itera con el cliente en la sala.
Resumen, antes 2 días: 5 min
Lee el casoRecuperadas por semana: 22 h
Lee el casoLa auditoría de IA y operaciones las encuentra, les pone precio y te entrega un plan en 2 días laborables. Lo que pagas se descuenta íntegro del primer servicio que contrates.
