IA aplicada a resultados reales

Desafío

Las atenciones eran demoradas y exigían conocimiento especializado. Una parte relevante de la conversación se dedicaba a identificar la causa del problema presentado por el cliente.

Diagnóstico

En una lectura consultiva del caso, la oportunidad consistía en poner a disposición el conocimiento de los mejores agentes durante cada conversación, facilitando la identificación de soluciones.

Cómo se utilizó la IA

Un agente de IA generativa, entrenado con historiales de atención, sugería respuestas y documentos internos en tiempo real. El agente de atención decidía qué utilizar y seguía siendo responsable de la conversación.

Beneficio económico

Como ilustración de capacidad, un volumen que requiriera 1.000 horas podría demandar aproximadamente 820 horas con una productividad 21,9% mayor: cerca de 180 horas liberadas, para mejorar la velocidad de atención o reducir el equipo.

Desafío

Las compras y reposiciones dependen de hojas de cálculo y de la experiencia de los responsables. La cadena compra por encima de la demanda en algunas tiendas y enfrenta faltantes en otras, lo que genera vencimientos, descarte y transferencias de emergencia. Cada tienda dedica dos horas diarias al análisis y la preparación de los pedidos.

Diagnóstico

El análisis propuesto cruza ventas, inventarios, vencimientos y pérdidas por producto y tienda. El objetivo es identificar dónde los pedidos poco ajustados a la demanda provocan desperdicio y trabajo repetido, priorizando los perecederos de mayor impacto económico.

Cómo se utilizó la IA

Modelos de pronóstico estimaron la demanda por producto y tienda, considerando el historial, el día de la semana, las promociones y la estacionalidad. Con reglas de inventario y vencimiento, el sistema sugería cantidades de compra y reposición y alertaba sobre el riesgo de vencimiento. Un piloto en dos tiendas validó las ganancias sin aumentar los faltantes de productos.

Beneficio económico

La reducción de pérdidas y transferencias suma R$ 26 mil al mes. Descontando R$ 8 mil mensuales para la solución y su mantenimiento, la ganancia recurrente sería de R$ 18 mil al mes, o R$ 216 mil en 12 meses de operación estabilizada.

Con una inversión inicial de aproximadamente R$ 80 mil para implementación e integraciones, el retorno simple se produce en cinco meses después de alcanzar las ganancias previstas. El plazo de implementación se suma a ese período.

Las horas liberadas podrían destinarse a la verificación de inventario, la reposición y la atención. No se contabilizaron como ahorro financiero, ya que no representan automáticamente una reducción de nómina o de horas extras.

Desafío

Cada propuesta exige interpretar necesidades, combinar productos, consultar reglas técnicas y preparar el presupuesto. Este trabajo consume diez horas por cliente. El conocimiento se concentra en los profesionales con experiencia, lo que genera filas y limita la personalización.

Diagnóstico

El análisis propuesto mapea el tiempo por etapa y organiza catálogos, precios, restricciones y ejemplos aprobados. El objetivo es poner ese conocimiento a disposición de todo el equipo y ampliar la capacidad de desarrollar propuestas a medida.

Cómo se utilizó la IA

Se creó una serie de agentes para interpretar el pedido del cliente, sugerir combinaciones compatibles con sus preferencias y presupuesto, y preparar propuestas usando el catálogo y las reglas comerciales. Los consultores validan las medidas, la viabilidad, los precios y la solución final. Se implementó un proyecto piloto para verificar tiempo, calidad y necesidad de revisiones antes de la expansión.

Beneficio económico

La capacidad de enviar propuestas prácticamente se duplicó, con un aumento del 20% en el costo mensual del equipo y de la solución. El costo por propuesta bajaría de aproximadamente R$ 571 a R$ 357, una reducción del 37,5%.

Como la empresa tenía capacidad para expandir la fabricación, se espera que esta acción genere un aumento del 38% en la facturación bruta de la empresa el próximo año, considerando la tasa actual de conversión de las propuestas en pedidos.

Desafío

Los ingresos dependen de solicitudes puntuales. El cliente generalmente percibe la falla cuando el equipo ya presenta problemas, mientras que el prestador tiene poca visibilidad sobre su condición entre visitas.

Diagnóstico

El análisis propuesto cruza el historial de fallas, los equipos instalados, los costos de atención y el interés de los clientes. Un piloto evaluaría qué señales permiten anticipar problemas y cuánto pagarían los establecimientos por un seguimiento continuo.

Cómo se utilizó la IA

Sensores registrarían la temperatura y el funcionamiento de los equipos. La IA cruzaría esas lecturas con el historial de fallas para estimar riesgos y priorizar alertas para revisión técnica. El equipo orientaría al cliente y programaría intervenciones. La suscripción incluiría monitoreo, informes y visitas preventivas limitadas; las reparaciones fuera del alcance se cobrarían por separado.

Beneficio económico

Los 100 contratos generarían R$ 45 mil mensuales. Los costos directos de R$ 180 por contrato, incluidos conectividad, visitas, consumibles e impuestos sobre las ventas, sumarían R$ 18 mil. Tecnología, operación y soporte agregarían R$ 9 mil, lo que dejaría R$ 18 mil mensuales de contribución.

Descontando R$ 5 mil de contribución de los servicios puntuales sustituidos, la ganancia incremental sería de R$ 13 mil al mes, o R$ 156 mil en 12 meses estabilizados, antes de impuestos sobre el resultado. La inversión en sensores e implementación sería de R$ 130 mil, equivalente a diez meses de esa ganancia. La implementación y la formación de la cartera ampliarían el plazo de retorno.

La empresa pasaría a vender seguimiento continuo y prevención. El cliente ganaría visibilidad sobre sus equipos, y el negocio combinaría suscripciones recurrentes con servicios adicionales.