Servicios · 03

IA y automatización

El trabajo rutinario, hecho antes de que nadie se siente a hacerlo

Automatización para lo que se repite siempre igual, e IA para la lectura y la clasificación que una persona hace todo el día. Lo importante lo sigue aprobando una persona.

Un auxiliar que nunca se cansa, y una persona que aprueba.

En algún lugar de su negocio hay una persona que lee todo el día: pedidos que llegan como mensajes de WhatsApp, facturas de proveedores en PDF, las mismas preguntas de clientes cien veces por semana, reclamaciones que hay que clasificar antes de que nadie pueda actuar. En otro lugar, alguien repite los mismos seis pasos entre las mismas dos pantallas, cada vez, exactamente igual. Lo primero es donde la IA se gana el sueldo. Lo segundo no necesita ningún modelo.

Este trabajo abarca las dos mitades: automatización sencilla para lo que se repite siempre igual, y un modelo para leer, clasificar, juzgar y redactar todo lo que llega en forma humana y desordenada. Antes de construir nada acordamos por escrito qué debe acertar, cómo sabría usted que ha dejado de funcionar y cuánto cuesta operarlo al mes con sus volúmenes. Cuando la respuesta honesta es que usted necesita mejor software y no IA, se lo decimos en la primera llamada.

Equipo
Los responsables designados, durante todo el proyecto
Funciona en
Sus propias cuentas, desde el primer día
Precio
Precio fijo, facturado por hitos; tras la primera llamada llega una cotización fija y detallada

Indicado para

  • Una cola de pedidos, mensajes o reclamaciones que alguien lee todo el día
  • Los mismos pasos repetidos a mano entre los mismos dos sistemas
  • Un experimento con ChatGPT que debería convertirse en trabajo real

Usted recibe

  • La prueba que debe superar, acordada por escrito antes de construir
  • Un sistema funcionando en sus propias cuentas, con tráfico real
  • Una hoja de costos de operación: cuánto cuesta al mes con sus volúmenes
  • Una carpeta de entrega con la que su equipo puede operarlo
Cómo funciona

Cuatro etapas. Usted aprueba cada una antes de que empiece la siguiente.

Las mismas cuatro de cada proyecto, tal como se ven en este trabajo.

Diagnosticar

Encontramos la cola: la que su gente lee todo el día, y los pasos que repite a mano. Contamos ambas cosas, observamos cómo se gestionan y reunimos ejemplos reales, etiquetados por las personas que hoy hacen el trabajo. El documento de hallazgos dice qué se puede automatizar directamente, qué necesita un modelo, qué debe quedarse con una persona y cuánto costaría operarlo.

Demostrar

La prueba que debe superar se acuerda como una cifra, con sus propios ejemplos. La versión más pequeña se pone en marcha con tráfico real y una persona que aprueba cada resultado. La precisión se mide contra la prueba, no contra la demostración, y el costo de operación se contrasta con la factura real.

Construir

El resto del trabajo, cada quince días: una parte mayor de la cola, menos aprobaciones donde se cumple la prueba, un motivo a la vista junto a cada sugerencia. Todo funciona en sus propias cuentas, con planes empresariales de pago en los que lo que usted envía nunca se usa para entrenar.

Entregar

Su equipo lo opera durante dos semanas mientras seguimos de guardia. Los ejemplos y la prueba se quedan en sus propias cuentas para que cualquiera pueda comprobarlo después, salta una alerta cuando el trabajo real se aleja de ellos, y la revisión dice dónde todavía hace falta una persona.

Caso de estudio

De la cotización al despacho en un solo flujo, confirmado desde el taller.

Un fabricante de muebles con dos talleres y distribuidores en nueve ciudades. Los pedidos iban en papel y, para saber de uno, había que recorrer el taller.

Errores eliminados · Fabricación por encargo · Ludhiana
120 por semanadespuésninguno

Órdenes de trabajo y avisos a distribuidores tecleados de nuevo a mano

documentos escritos por segunda vez a partir de un registro que ya tenía los mismos datos

El tablero del dueño con cada pedido activo de los dos talleres en su etapa actual, ordenados por fecha prometida y con el único pedido atrasado destacado, y delante el teléfono de un supervisor que confirma el barnizado terminado de un pedido.
Un dibujo de la pantalla que se describe aquí. No es una captura.
Qué más acordamos medir
  • De la cotización al despachodías desde una cotización aceptada hasta que la pieza sale del taller, en promedio mensual
  • Tiempo de oficina dedicado a perseguir el estado de los pedidostiempo en el escritorio respondiendo por dónde va un pedido, comparado con el mes anterior al desarrollo
Leer el caso: De la cotización al despacho en un solo flujo, confirmado desde el taller.
Preguntas de los dueños

Lo que preguntan los dueños antes de llamar.

¿Es un problema de IA o un problema de software?

A menudo, lo segundo. Si el trabajo es una regla fija (un pedido por encima de un límite necesita aprobación, una pieza por debajo de su punto de reposición se vuelve a pedir), el software de siempre lo hace con exactitud, y la IA solo sumaría incertidumbre. La IA se gana su lugar cuando el trabajo consiste en leer, clasificar, juzgar o redactar cosas que llegan en forma humana y desordenada: un pedido por WhatsApp en tres idiomas, una factura escaneada, una queja. La primera llamada pone su problema en un montón o en el otro, y le decimos en cuál aunque la respuesta no sea la que esperaba.

¿Para qué trabajo diario sirve la IA en un negocio pequeño?

Para leer lo que llega y convertirlo en algo con lo que un sistema pueda trabajar: pedidos a partir de mensajes, las líneas de las facturas de proveedores, la intención detrás de la pregunta de un cliente. Para clasificar: qué reclamación necesita a una persona hoy y cuál puede esperar. Para sugerir: la lista de reposición, la respuesta a una consulta rutinaria, el motivo probable por el que se devolvió un envío. Para redactar: la cotización, el seguimiento, el resumen de una conversación larga. En todos los casos una persona aprueba, y el sistema muestra por qué sugirió lo que sugirió.

¿Cuándo se le quedan cortos Zapier, Make o n8n a un negocio?

Cuando un flujo tiene que saber algo que solo sabe su negocio: si este cliente tiene el crédito bloqueado, qué almacén tiene la pieza, cuál es el punto de reposición este mes. Esas herramientas mueven bien los datos entre aplicaciones, y para unos pocos flujos sencillos le diremos que las use y nos iremos a casa. Cuesta confiar en ellas cuando un flujo tiene que tomar decisiones, cuando falla en silencio a las tres de la mañana o cuando el flujo número veinte depende del diecinueve. Ese es el momento en que las conexiones tienen que ser un sistema suyo, vigilado, probado y documentado, y no una suscripción que nadie se atreve a tocar. ¿Cuándo se le quedan cortos Zapier, Make o n8n? repasa las tres pruebas en detalle.

¿Qué debe acertar un sistema de IA antes de ponerse en marcha?

La prueba que debe superar, acordada por escrito y expresada como una cifra sobre sus propios ejemplos: unos cientos de pedidos o reclamaciones reales, etiquetados por las personas que hoy los gestionan, con los casos en que no estuvieron de acuerdo marcados como tales. Ese conjunto define el trabajo, define cuándo está terminado y, más adelante, le dice cuándo el trabajo real se ha alejado de él. Un proveedor que no le muestra la prueba le está vendiendo la demostración. Por qué la prueba se publica antes de elegir el modelo explica el resto.

¿Adónde van nuestros datos?

A sus propias cuentas y a ningún otro sitio. Trabajamos con planes empresariales de pago en los que lo que usted envía no se usa para entrenar el modelo de nadie, o con modelos que funcionan en su propia cuenta en la nube, y todas las claves y credenciales quedan en sus manos. Antes de que comparta nada sensible se firma un acuerdo de confidencialidad. Si un documento no debe salir nunca del edificio, le decimos si aun así se puede hacer el trabajo, y cómo.

¿Qué pasa con los casos en los que no está seguro?

Pasan a una persona, con el motivo a la vista. Un sistema que duda y lo dice vale más que uno que adivina con aplomo, así que el umbral para preguntar se acuerda con usted y se ajusta con tráfico real. Cada corrección que hace una persona se convierte en un ejemplo nuevo de la prueba, así que el sistema mejora con su trabajo y no con el de otros. Cada mes se informa de la precisión frente a la prueba, en cifras claras.

¿Cómo sabemos que la automatización funcionó?

Porque las cifras se acordaron antes de construir y se midieron después, con sus datos. Para la mayoría de los negocios son sencillas: pedidos que llegaron a despacho sin que nadie los volviera a teclear, artículos vendidos que ya estaban agotados, el tiempo entre la última factura del día y el cierre de la contabilidad. Si una cifra no se movió, la revisión lo dice por escrito y explica por qué. No se promete nada más, y por eso puede ser una cláusula del contrato. El fabricante de muebles muestra cómo es: de la cotización al despacho, cada etapa confirmada en un teléfono.

¿Podemos partir del experimento con ChatGPT que ya tenemos?

Sí, y suele ser el mejor punto de partida, porque nos dice qué quiere de verdad su gente que haga la máquina. Lo que le falta es lo que permite confiar en él: una prueba que debe superar, una persona en el circuito donde importa, un registro de cada decisión y un costo de operación que usted ha visto por escrito. Conservamos la parte que funciona y construimos el resto a su alrededor, en sus propias cuentas, para que deje de ser una pestaña en el navegador de una persona y pase a formar parte de cómo funciona el negocio.

Para su asesor técnico

Recuperación de información, agentes, ajuste fino (fine-tuning), barreras de seguridad, observabilidad, y un simple motor de flujos de trabajo para todo lo que no necesita un modelo. Las evaluaciones se publican junto con el modelo, antes de empezar a construir.

  • Conjunto de evaluación y métricas de referencia, publicados antes de construir
  • Sistema en producción en su cuenta en la nube
  • Modelo de costos por solicitud, revisado junto con el código
  • Manuales de operación, alertas de deriva, revisión de salida

Tecnologías Claude · GPT · Gemini · Llama / Mistral autoalojados · pgvector · Qdrant · Python · TypeScript

Siga leyendo

Por qué la prueba se publica antes de elegir el modelo

El artículo detrás de la segunda etapa: la prueba es el contrato, y usted se la queda pase lo que pase.

Empezar

Escriba un párrafo. Un fundador le responde en un día hábil.

Después, una llamada de 30 minutos con los dos fundadores. Sin diapositivas ni propuestas de plantilla: solo una primera lectura de si encajamos con el problema.

O por correo, teléfono o WhatsApp: hello@netogrit.com · +91 94330 54299 · WhatsApp (se abre en una pestaña nueva)