E-commerce (bajo NDA)
Agente de atención al cliente que resolvió la mayoría de los tickets repetitivos y liberó al equipo humano para los casos complejos.
Problema
El cliente recibía alrededor de 4.000 consultas semanales entre WhatsApp, email y chat web. Casi el 70% eran preguntas repetidas sobre estados de envío, políticas de devolución y disponibilidad de producto. El equipo de customer ops crecía más rápido que las ventas.
Solución
Construimos un agente conectado vía RAG a su catálogo (más de 12.000 SKUs), documentación de políticas y eventos de order management. El agente resuelve en primera línea, escala a humano solo cuando detecta intención ambigua o cuenta VIP. Guardrails para evitar promesas de reembolso fuera de política.
Stack
- Claude 3.5 Sonnet
- Node.js
- Postgres
- Pinecone
- Vercel
"En cuatro meses recuperamos la inversión. El equipo de customer ops ahora se enfoca en lo que sí necesita humano."
Contexto
El retailer operaba tres tiendas digitales (marketplace propio, Mercado Libre y WhatsApp Commerce) con un equipo de customer ops de seis personas trabajando en dos turnos. La empresa crecía ~18% mensual en órdenes pero el coste por atención crecía al mismo ritmo: cualquier mes malo de contratación disparaba SLA por encima de 6 horas.
Decisiones técnicas
Usamos Claude 3.5 Sonnet para el agente principal por calidad de razonamiento en español y tool use estable. El contexto se inyecta vía RAG (Pinecone + re-ranking) sobre:
- Catálogo de SKUs con atributos normalizados.
- FAQs internas y políticas de cambios/devoluciones.
- Eventos del order management (estado, tracking, historial).
El agente tiene herramientas tipadas (consultar_orden, consultar_stock, escalar_a_humano) con validación de permisos y logs de uso. Rate limits por cliente final.
Lecciones aprendidas
El mayor riesgo inicial no fue la IA sino el saneamiento del catálogo: títulos inconsistentes y metadata vacía degradaban respuestas. Invertimos dos semanas en un pipeline de enriquecimiento antes de lanzar el agente, y ahí estuvo el desbloqueo real.