Software logístico (SaaS B2B)
Agentes con Claude para un equipo de operaciones que no daba abasto
Un equipo de operaciones y soporte que copiaba datos entre Zendesk, Slack, Sheets y HubSpot todo el día. Tres agentes con Claude hacen ahora ese trabajo y el equipo revisa solo las excepciones.
- de trabajo manual en operaciones y soporte
- -120 h/mes de trabajo manual en operaciones y soporte
- tiempo hasta escalar una incidencia crítica
- 4 h → 25 min tiempo hasta escalar una incidencia crítica
- incidencias de cliente clave sin avisar a ventas
- 0 incidencias de cliente clave sin avisar a ventas
Reto
La empresa vende software de gestión de almacenes y rutas a operadores logísticos. Crecía rápido y el equipo de operaciones y soporte (9 personas) no. La Head of Operations lo resumía así: “Somos el pegamento entre cuatro herramientas que no se hablan”.
Cada día entraban unos 140 tickets en Zendesk. Para cada incidencia relevante alguien tenía que:
- Copiar el resumen a un canal de Slack para que producto o ingeniería lo viera.
- Apuntarla en una Google Sheet de incidencias que dirección revisaba cada lunes.
- Buscar al cliente en HubSpot para saber su plan, su account manager y si estaba en renovación.
- Avisar a ventas cuando un cliente grande tenía problemas repetidos.
Medimos el proceso durante dos semanas: unas 120 horas al mes se iban en mover datos de un sitio a otro. Y lo peor no era el tiempo. Una incidencia crítica tardaba de media 4 horas en llegar a ingeniería, y dos clientes en renovación se quejaron de que su account manager no sabía nada de sus problemas.
Solución
Planteamos una implementación de IA en tres entregas de dos semanas cada una, empezando por el flujo con más horas en juego.
Agente 1: triage y enriquecimiento. Cuando entra un ticket, Claude lo lee, lo clasifica por tipo (incidencia, consulta de uso, facturación, petición de mejora) y por gravedad, y consulta HubSpot por el MCP de la propia herramienta. Añade al ticket el plan del cliente, su account manager y si está en renovación. Es la misma base que explico en clasificar tickets de soporte con IA.
Agente 2: coordinación. Si la incidencia es grave, publica un resumen estructurado en el canal de Slack del equipo afectado, con enlace al ticket. Si el cliente está en renovación o tiene más de tres incidencias en 30 días, avisa por mensaje directo a su account manager. Además, mantiene al día la hoja de incidencias y crea una actividad en HubSpot. El detalle técnico está en conectar Zendesk, Slack y Google Sheets.
Agente 3: resumen semanal. Cada lunes genera el informe de incidencias para dirección: volumen, temas que se repiten, clientes en riesgo. Antes lo preparaba una persona en medio día.
Reglas que pusimos desde el principio:
- Los agentes no responden a clientes. Solo clasifican, resumen y avisan.
- Si la confianza en la clasificación es baja, el ticket va a una vista de revisión en Zendesk.
- Todo lo que hace un agente queda registrado en una hoja de auditoría.
Resultado
Tras dos meses en producción:
- 120 horas al mes menos de copiar y pegar entre herramientas. El equipo pudo absorber un 30 % más de tickets sin contratar.
- Una incidencia crítica llega a ingeniería en unos 25 minutos, antes 4 horas.
- Ninguna incidencia de cliente clave se ha quedado sin avisar a ventas.
- La clasificación coincide con la del equipo en el 91 % de los casos revisados.
“Ahora el equipo trabaja en los tickets, no en mover los tickets de sitio.” — Head of Operations (anonimizado)
Qué haría distinto
Habría acordado antes con ingeniería el formato del resumen en Slack. La primera versión era demasiado larga y la ignoraban. Bastó con dejarla en tres líneas: qué pasa, a quién afecta, enlace.
Caso anonimizado: el cliente ha pedido no aparecer con su nombre.