Usando un agente AI en un taller, comenzando con sensatez.

Delegar lo repetitivo, mantener el juicio

Los agentes son eficaces donde el trabajo es de alto volumen, basado en reglas y tedioso, y débiles donde se necesita juicio comercial o responsabilidad.

Eso divide la semana del taller de manera clara. Comprobar la disponibilidad de proveedores en varios portales, aplicar una regla de precios a una nueva lista, perseguir presupuestos sin respuesta, enviar recordatorios de servicio y redactar respuestas rutinarias son trabajos repetitivos que alguien hace mal porque nunca hay tiempo.

Decidir tu posición en el mercado local, si descartar un regreso, qué decir a un cliente insatisfecho y si un fallo merece ser perseguido no lo son. Eso necesita a alguien responsable, y delegarlos es lo que da mala fama al uso de un agente AI.

Comienza con algo reversible

La primera tarea debe ser una donde el error sea visible y barato, lo que descarta la mayoría de los candidatos obvios.

• Redactar respuestas para que alguien las envíe, en lugar de enviarlas.
• Preparar un pedido a un proveedor para aprobación, en lugar de realizarlo.
• Marcar presupuestos que necesitan seguimiento, en lugar de hacer el seguimiento.
• Generar una lista de clientes con servicio pendiente, en lugar de contactarlos.
• Resumir lo ocurrido esta semana, donde equivocarse no cuesta nada.

Ese patrón de proponer en lugar de actuar es un lugar razonable para quedarse semanas. Construye el juicio sobre dónde es fiable, algo que nadie puede decirte de antemano sobre tus propios datos.

Solo es tan bueno como lo que puede ver.

Un agente que trabaja con registros incompletos produce respuestas seguras pero erróneas, y estar seguro de lo erróneo es peor que nada.

Un taller con datos de clientes en tres sistemas, un registro de stock en el que nadie confía y tiempos de trabajo nunca registrados obtendrá malos resultados, y el problema es los datos, no el agente. Es importante saberlo antes de concluir que la tecnología no funciona.

También funciona al revés. Los talleres que más aprovechan esto suelen ser los que ya habían ordenado sus registros por razones no relacionadas, lo que es un argumento razonable para hacerlo primero.

Mantén a una persona frente al cliente.

Hay una fuerte tentación de dirigir un agente a la comunicación con el cliente, porque ahí está el volumen.

Parte está bien: confirmaciones, recordatorios y respuestas a preguntas rutinarias. No se debe automatizar sin una persona lo que implique descontento del cliente, precios no acordados o errores que dañen la confianza.

La prueba es si te sentirías cómodo con que el cliente supiera cómo se produjo el mensaje. Si la respuesta es sí, automatízalo. Si es no, es una señal, no un detalle.

¿Quién es responsable cuando está mal?

Esta pregunta se omite y decide si un agente de IA es utilizable en un negocio.

Si un agente pide la pieza equivocada, cita un precio no acordado o envía un mensaje que molesta al cliente, no puede ser que el software lo hizo. Alguien debe ser responsable del resultado, lo que significa que debe revisar lo suficiente para saber si es fiable.

Por eso la etapa de proponer en lugar de actuar es crucial: es donde la persona responsable aprende en qué es bueno el agente. Omitirlo significa que el primer error grave es también la primera vez que alguien mira de cerca, lo peor que puede pasar.

Mide si realmente ahorró algo.

La automatización tiende a mover trabajo en lugar de eliminarlo, y nadie lo nota porque el nuevo trabajo es diferente.

El número a observar es el tiempo que solía llevar la tarea frente al tiempo ahora dedicado a configurarla, revisarla y corregirla. Una tarea que antes llevaba cuarenta minutos y ahora treinta y cinco de supervisión no se ha automatizado, se ha reorganizado.

Donde funciona bien, la diferencia es grande, no marginal, y se nota como una tarea que desaparece del día de alguien en lugar de reducirse. Si eso no ocurrió, la respuesta honesta es cambiar la tarea en lugar de insistir en ella.