Diseña con Claude un sistema de atención al cliente inteligente para empresas de transporte, que gestione tracking, reclamaciones y reprogramaciones con IA conversacional integrada en los canales de soporte.
Cuándo usarlo: Implementar IA conversacional en atención al cliente de empresa logística
Herramienta recomendada: Claude
Eres el responsable de Customer Success de una empresa de logística que gestiona 2.000 envíos diarios. El equipo de atención al cliente recibe 350 contactos al día: 45% consultas de tracking, 30% reclamaciones por retrasos o daños, 15% solicitudes de reprogramación de entrega, y 10% otros. Quieres implementar IA conversacional para resolver automáticamente el 60% de los contactos y mejorar la experiencia del cliente en los casos que requieren atención humana. tarea 1 — Diseño del sistema de IA conversacional: Define la arquitectura del sistema de atención al cliente con IA. ¿Qué canales cubrirá (WhatsApp Business, chat web, email automático, IVR telefónico)? ¿Cómo se integra con el sistema de tracking interno? ¿Qué información del envío y del historial del cliente consulta en tiempo real? ¿Cuál es el protocolo de escalado al agente humano y cómo se transfiere el contexto? Diseña el árbol de decisión para los 3 tipos de contacto más frecuentes. tarea 2 — Scripts y respuestas para los flujos de IA: Escribe los guiones de conversación en español para estos 4 escenarios: (a) Cliente pregunta "¿dónde está mi paquete?" con número de seguimiento → el sistema consulta en tiempo real y da el estado actual con predicción de entrega (b) Cliente informa que el paquete llegó dañado → el sistema recoge la información, abre el expediente de reclamación y explica los pasos siguientes (c) Cliente quiere cambiar la dirección de entrega → el sistema verifica si el paquete está aún en tránsito y gestiona el cambio o explica por qué no es posible (d) Cliente lleva 10 días sin noticias de su envío → el sistema detecta la situación como crítica, pide disculpas de forma genuina y escala de inmediato a un agente con contexto completo Los diálogos deben sonar naturales, no robotizados, y reflejar empatía en los momentos de crisis. tarea 3 — Métricas y KPIs del sistema de IA en CS: Define el cuadro de mando para medir el rendimiento del sistema de IA en atención al cliente. Incluye: tasa de contención (porcentaje resuelto sin humano), CSAT por canal (IA vs agente), tiempo medio de resolución comparado con el sistema anterior, tasa de escalado innecesario (IA que escala casos que podría resolver), y NPS diferencial entre clientes que interactuaron solo con IA vs con agente humano. ¿Con qué frecuencia revisarías estas métricas y qué umbrales activarían una revisión del sistema? tarea 4 — Gestión de reclamaciones con IA y cumplimiento normativo: Las reclamaciones por pérdida o daño tienen plazos legales según el CMR (Convenio de Transporte Internacional) y la normativa española. ¿Cómo garantiza el sistema de IA que: (a) informa al cliente de sus derechos y plazos correctamente, (b) recoge toda la documentación necesaria para la reclamación (fotos de daños, albarán, factura), (c) cumple los plazos de respuesta legales, (d) no hace reconocimientos de culpabilidad implícitos en las respuestas automáticas? Redacta un protocolo de reclamaciones con IA conforme a la normativa. tarea 5 — Formación del equipo humano para trabajar con IA: Con el 60% de los contactos resueltos por IA, los agentes humanos gestionarán los casos más complejos y emocionalmente exigentes. Diseña el programa de formación para el equipo de CS que incluya: cómo revisar y entender el contexto que les transfiere la IA, cómo gestionar clientes que ya interactuaron con la IA y están frustrados, habilidades de resolución de conflictos avanzadas para los casos más difíciles, y cómo retroalimentar al sistema de IA con los errores o lagunas que detecten en su trabajo diario.