Caso aplicado

El Canvas, aplicado a un caso real

Empresa colombiana de seguros, 60 mil tickets de soporte al mes. Pierden leads porque tardan 24h en responder. Así llenamos las 9 casillas en una sesión de 60 minutos.

Aseguradora colombiana · 60k tickets/mes

01

El Dolor

Tardamos 24 horas en dar la primera respuesta a un ticket de soporte. Perdemos 30% de los leads y bajamos NPS 12 puntos al mes.

02

¿Por qué IA?

Es texto no estructurado (correos + chats), volumen alto, y la respuesta correcta depende del contexto del cliente. Un sistema de reglas dejaría el 40% sin clasificar y no redactaría respuestas en el tono de marca.

03

Input

Correo entrante con metadatos del cliente (ID póliza, antigüedad, productos contratados). Volumen: 2.000 tickets/día. Idioma: español de Colombia. Limpieza: ~85% sin attachments, ~15% con PDFs adjuntos.

04

Output

{ "categoria": "soporte_tecnico" | "siniestro" | "ventas" | "otro", "prioridad": "alta" | "media" | "baja", "borrador_respuesta": "...", "necesita_humano": true | false }. Directo al CRM existente.

05

Hipótesis MVP

Script que lee el ticket, clasifica + genera borrador en una hoja de Google Sheets. Un agente humano revisa y envía. Validamos en 2 semanas con 100 tickets reales: ¿el agente aprueba ≥80% sin editar?

06

KPI de Éxito

Tiempo de primera respuesta: de 24h → 10 minutos · Precisión de clasificación: ≥92% · Tasa de aceptación del borrador sin edición: ≥80% · Reducción de leads perdidos: ≥20% en el primer trimestre.

07

Riesgo y NO se hace

La IA NO redacta respuestas que comprometan cobertura de pólizas (requiere abogado). NO envía sin revisión humana en los primeros 90 días. Salidas con baja confianza se ruteán a colas premium.

08

Build, Buy o Ally

Build: wrapper de prompts + integración CRM (2 semanas). Buy: GPT-4o-mini para la mayoría, Claude 3.5 Sonnet para tickets complejos (sommelier). Ally: con vendor del CRM para el conector oficial.

09

El Equipo

Product owner: Líder de Customer Success (define dolor + KPIs). AI Engineer: 1 senior (prompts + evals). Data engineer: 0.5 FTE (limpieza del input). SME: 2 agentes senior de soporte (auditan borradores semanales).

Resultados a 90 días

10 min

Tiempo de primera respuesta (de 24h)

94%

Precisión de clasificación

23%

Reducción de leads perdidos

$0,07

Costo promedio por ticket procesado

Aplica el Canvas a tu propio caso

Descarga la plantilla en PDF, junta al sponsor, al técnico y al que sufre el dolor. Si no llenan 1-2-3-6 en 60 minutos, el proyecto no está listo todavía.