Proveedor logístico automatiza 60% del ingreso de clientes

Contexto

Un proveedor logístico que maneja aproximadamente 800 solicitudes de envío por semana tenía un cuello de botella en el ingreso de clientes. Su proceso funcionaba así: un cliente llamaba, enviaba un email o enviaba un formulario web con detalles del envío. Un coordinador de ingreso leía la solicitud, extraía la información relevante (origen, destino, tipo de carga, peso, dimensiones, cronograma, requisitos especiales de manejo), la ingresaba en Salesforce, clasificaba el tipo de envío y la dirigía al equipo de operaciones apropiado para cotización.

La empresa empleaba seis coordinadores de ingreso trabajando en turnos para cubrir horas de negocio a través de zonas horarias. Durante períodos pico—típicamente lunes por la mañana y cierres de trimestre—el backlog crecería a más de 50 solicitudes, y el tiempo de ingreso a cotización se extendería más de ocho horas. Los clientes esperando cotizaciones llamarían para hacer seguimiento, creando trabajo adicional que ralentizaba aún más el procesamiento.

Los coordinadores de ingreso eran hábiles interpretando solicitudes ambiguas y haciendo las preguntas de aclaración correctas, pero aproximadamente el 60% de las solicitudes entrantes eran directas—tipos de envío estándar con información completa que no requerían decisiones de juicio. Estas solicitudes rutinarias consumían tiempo de coordinador que podría ser mejor gastado en situaciones de ingreso complejas y de alto valor.

Restricciones

• Ingreso multi-canal. Las solicitudes llegan vía email (45%), teléfono (30%) y formularios web (25%). Cualquier solución necesitaba manejar los tres canales, no solo el más fácil.
• Calidad variable de solicitudes. Los emails van desde RFQs bien estructurados con archivos adjuntos de hojas de cálculo hasta mensajes de una línea como “necesito mover 3 pallets de Dallas a Miami, ¿cuál es la tarifa?” El sistema necesitaba manejar este espectro completo.
• Salesforce como sistema de registro. Todos los datos de ingreso finalmente necesitan estar en Salesforce con mapeo de campos correcto, etapas de oportunidad y enrutamiento de equipo. La instancia de Salesforce tiene personalización extensa que la solución necesitaba respetar.
• Sin interrupción del ingreso telefónico. Los clientes telefónicos de la empresa valoran el toque personal. La automatización no podría reemplazar la experiencia telefónica pero podría ayudar a los coordinadores a manejar llamadas más rápido.

Enfoque

Estructuramos el proyecto en dos fases durante seis semanas.

Fase 1: Automatización de ingreso de email y web (semanas 1-4). Comenzamos con los dos canales donde la automatización podría funcionar sin cambiar la experiencia del cliente. El sistema lee emails entrantes y envíos de formularios web, extrae detalles de envío, clasifica la solicitud por complejidad, y la procesa automáticamente (para solicitudes rutinarias) o la pone en cola con datos pre-extraídos para un coordinador (para solicitudes complejas).

Fase 2: Asistencia de ingreso telefónico (semanas 5-6). Para llamadas telefónicas, construimos un asistente en tiempo real para coordinadores. Cuando entra una llamada vía Twilio, el sistema transcribe la conversación, extrae detalles de envío en tiempo real, y pre-popula un borrador de Salesforce que el coordinador revisa durante o inmediatamente después de la llamada.

Arquitectura

Pipeline de procesamiento de email. Los emails entrantes llegan a una bandeja de entrada monitoreada. Una función AWS Lambda se activa con nuevos mensajes, pasa el contenido del email a la API de Claude para extracción y clasificación, y dirige el resultado basado en puntuación de complejidad:

• Solicitudes rutinarias (información completa, tipo de envío estándar, sin manejo especial): Los datos extraídos se validan contra reglas de negocio, una oportunidad de Salesforce se crea automáticamente, y la solicitud se dirige al equipo de cotización. El cliente recibe un email de confirmación con su número de referencia y cronograma de cotización esperado.
• Solicitudes complejas (información incompleta, carga inusual, manejo especial, envíos multi-etapa): Los datos extraídos se pre-poblan en una cola de revisión de coordinador. El coordinador revisa, completa información faltante, y aprueba la entrada de Salesforce. El tiempo de procesamiento todavía se reduce porque la extracción y clasificación inicial están hechas.
• Solicitudes ambiguas (información insuficiente para clasificar o extraer): Dirigidas a un coordinador con la mejor interpretación de la IA y preguntas de aclaración sugeridas.

Procesamiento de formularios web. Más simple que email porque los formularios proveen datos estructurados, pero la lógica de clasificación y enrutamiento es compartida. Los formularios web saltan el paso de extracción y van directamente a validación y clasificación.

Asistente telefónico. Twilio maneja el enrutamiento de llamadas y grabación. La transcripción en tiempo real alimenta un servicio de extracción ligero que actualiza un borrador de Salesforce en vivo mientras el coordinador habla con el cliente. Después de la llamada, el coordinador revisa el registro pre-poblado—típicamente necesitando solo correcciones menores—y lo envía.

Integración con Salesforce. Construimos una capa de integración dedicada usando la API REST de Salesforce que maneja creación de oportunidades, mapeo de campos, enrutamiento de equipo y detección de duplicados. La integración respeta los flujos de trabajo, reglas de validación y lógica de asignación existentes de Salesforce de la empresa.

Detalles de implementación

Calibración de precisión de extracción. Entrenamos los prompts de extracción contra 2,000 registros históricos de ingreso. La precisión inicial fue del 78% para extracción de registro completo (todos los campos correctos). Después de dos rondas de refinamiento de prompts y la adición de contexto específico de logística (rutas comerciales comunes, taxonomías de tipo de carga, abreviaturas de la industria), la precisión alcanzó el 94% para solicitudes rutinarias.

Enrutamiento basado en confianza. El clasificador de complejidad usa un modelo de puntuación que considera: completitud de información extraída, si el tipo de envío coincide con patrones conocidos, presencia de palabras clave de manejo especial, e indicadores de valor de carga. Las solicitudes que puntúan por encima del umbral rutinario se procesan automáticamente. Todo lo demás obtiene revisión humana con datos pre-extraídos.

Detección de duplicados y seguimientos. Un problema común en el proceso antiguo era entradas duplicadas de clientes que enviaban email y luego llamaban para hacer seguimiento. El sistema verifica duplicados probables basados en remitente, detalles de envío y cronograma antes de crear nuevos registros.

Resultados

Después de 60 días en producción:

• El 60% de las solicitudes de ingreso ahora se procesan sin intervención humana. Estas son las solicitudes rutinarias con información completa y tipos de envío estándar. Los coordinadores no las tocan a menos que la verificación de calidad automatizada marque un problema.
• El tiempo de ingreso a cotización bajó de 4.2 horas a 47 minutos. Para solicitudes automatizadas, es menos de 15 minutos (el tiempo para que el equipo de cotización responda, no el paso de ingreso). Para solicitudes asistidas por coordinador, la pre-extracción reduce el tiempo de procesamiento aproximadamente a la mitad.
• Los errores de entrada de datos en Salesforce bajaron del 12% al 2.3%. La mayoría de los errores en el proceso antiguo eran errores de transcripción y campos omitidos. La extracción estructurada y validación eliminó la mayoría de estos.
• La carga de trabajo del coordinador cambió. Los coordinadores ahora pasan la mayor parte de su tiempo en ingreso complejo y de alto valor—envíos internacionales multi-etapa, carga hazmat, dimensiones inusuales—donde su experiencia importa más. Los puntajes de satisfacción laboral mejoraron en el trimestre siguiente al despliegue.

Lecciones

El canal importa más de lo que piensas. La misma información viene en formas muy diferentes a través de email, teléfono y web. Construir un modelo de extracción para todos los canales funcionó peor que construir enfoques específicos por canal. La extracción de email, en particular, necesitaba manejar la enorme variedad de cómo las personas estructuran solicitudes en texto libre.

La integración con Salesforce es la parte difícil. La extracción y clasificación de IA fueron relativamente directas. La integración con Salesforce—respetando campos personalizados, reglas de validación, triggers de flujo de trabajo y lógica de asignación—tomó más tiempo de desarrollo que los componentes de IA. Las organizaciones con CRMs muy personalizados deben planificar para esto.

Comienza con las solicitudes auto-procesables. La tentación es abordar los casos más difíciles primero. Obtuvimos más valor más rápido automatizando el 60% fácil primero, lo que inmediatamente liberó tiempo de coordinador y redujo el backlog. Los casos complejos todavía se benefician de la pre-extracción, pero el caso de ROI fue probado en el volumen rutinario.

Próximos pasos

La empresa está expandiendo el sistema para manejar confirmaciones de tarifas y actualizaciones de reservas—interacciones post-cotización que actualmente requieren participación de coordinador pero son a menudo rutinarias. También están explorando extender el asistente telefónico para sugerir oportunidades de upsell basadas en patrones de envío.

Seguridad y manejo de datos

Las comunicaciones de clientes y datos de envío se procesan a través del entorno AWS de la empresa. La integración de la API de Claude usa el acuerdo empresarial de la empresa con términos de procesamiento de datos que prohíben el entrenamiento con datos de clientes. La información personalmente identificable en emails se marca y maneja de acuerdo con la política de clasificación de datos de la empresa. Todo el acceso a datos de Salesforce respeta los permisos basados en roles existentes.

Este caso de estudio representa un compromiso real con detalles modificados para proteger la confidencialidad del cliente. Las métricas específicas son representativas de resultados reales.