caso de éxito
Entienda cómo la Linus preparó la atención para los meses de mayor demanda, ganó escala con calidad y transformó una operación reactiva en una estructura más estable con la ayuda de la IA.
Métrica | Resultado |
|---|---|
Retención promedio | 60% |
CSAT con IA | 92% |
Meta | 2026 alcanzada antes de lo previsto |
Acerca de Linus
La Linus es una marca brasileña de lifestyle sustentable, con productos veganos y reciclables, y considera al CX como un área central para la reputación de la marca y la fidelización de clientes.
Internamente, la atención se ve como una parte crítica de la experiencia, con impacto directo en el resultado de marketing, logística y de las demás áreas.
En períodos promocionales, el volumen de contactos llegaba a triplicarse, presionando una estructura pequeña en un punto sensible para la experiencia del cliente.
Cuando el pico se volvía un cuello de botella para la experiencia
Con una estructura ligera y un pico previsible de demanda en el calendario, Linus necesitaba lidiar con una atención que se volvía más presionada justamente en el momento en que la experiencia del cliente se volvía más sensible.
A medida que la demanda aumentaba, la operación acumulaba cuellos de botella que afectaban el ritmo del equipo, la fluidez entre canales y la capacidad de respuesta al cliente.
Título | Descripción |
|---|---|
Filas enormes en soporte | El alto volumen de contactos aumentaba el tiempo de espera y ponía a la operación en un ritmo de urgencia continua. |
Protocolos duplicados entre canales | Cuando la atención tardaba, el cliente migraba a otros canales en busca de respuesta. Eso hacía que la operación atendiera el mismo caso más de una vez. |
Reclamos por demora en la atención | La lentitud dejaba de ser un problema interno y pasaba a impactar la reputación de la marca, con registros en Reclame Aqui. |
Equipo atrapado en modo reactivo | El equipo quedaba consumido por demandas repetitivas y urgentes, sin tiempo para construir procesos que evitaran nuevas filas. |
En ese escenario, el desafío de Linus era crear una operación más estable, con menos fricción en la atención y más capacidad de respuesta en los momentos de mayor presión. La empresa necesitaba encontrar una forma de absorber el aumento de demanda sin dejar que las filas, el retrabajo y los cuellos de botella entre canales comprometieran la experiencia del cliente.
Al mismo tiempo, ese cambio necesitaba devolver más control al equipo. El objetivo no era solo ganar velocidad, sino estructurar una operación capaz de responder con más consistencia, reducir la sobrecarga del equipo y abrir espacio para una actuación menos reactiva en el día a día.
“No teníamos tiempo para ser estratégicos ni para construir procesos que evitaran nuevas filas.”
Luiza Kravtchenko
Coordinadora de CX en Linus
IA como respuesta para reducir fricción y ganar escala
Para enfrentar los picos con más estabilidad, Linus implementó la IA de Cloud Humans en su operación de CX y le dio un nombre propio: Lina. La propuesta era reducir el peso de las demandas repetitivas, disminuir el retrabajo entre canales y preparar al área para responder mejor en los períodos de mayor presión.
Principales cambios:
Una parte importante de las dudas recurrentes pasó a ser absorbida por la IA.
El equipo ganó más espacio para actuar en los casos críticos.
La operación quedó menos dependiente del esfuerzo manual para atender el volumen básico.
La atención pasó a tener una base más estable para los períodos de pico.
El equipo ganó más capacidad para acompañar, ajustar y evolucionar la experiencia a lo largo del tiempo.
La solución creó una nueva base para la atención, con más potencial de escala y menos dependencia del esfuerzo manual en las demandas recurrentes. Para aprovechar ese avance, la implementación tendría que ser rápida, cercana a la operación y guiada por ajustes constantes.
“La IA llegó para hacer al equipo más estratégico, a la operación más saludable y a la atención más escalable.”
Luiza Kravtchenko
Coordinadora de CX en Linus
Cómo cobró forma la nueva operación en la práctica
La implementación de Lina ocurrió con cierta urgencia y dentro de una ventana estratégica. En vez de esperar el pico principal de fin de año, Linus usó septiembre como laboratorio para poner la IA en operación, medir su eficiencia y llegar a noviembre con una base mejor preparada.
Ese proceso requirió una migración rápida, habilitación de canales y una rutina cercana de seguimiento. Más que poner la IA en marcha, la prioridad era hacer que evolucionara rápido dentro de la operación.
Etapa | Título | Descripción |
|---|---|---|
01 | El laboratorio | Linus decidió adelantar la implementación para probar a Lina en un momento de alto volumen (septiembre) y usar ese periodo para entender qué todavía necesitaba ajustes antes del pico más crítico del año. |
02 | La migración y el ritmo acelerado | El cambio ocurrió en poco tiempo. La operación salió de la plataforma anterior y, al día siguiente, ya necesitaba habilitar Cloud Chat y los canales necesarios para poner en marcha la nueva estructura. |
03 | Auditoría y seguimiento de la IA | Desde el inicio, la rutina de auditoría pasó a ser una prioridad. Linus comenzó a revisar protocolos, monitorear respuestas, identificar puntos de falla y entender qué necesitaba corregirse para que Lina evolucionara más rápido. |
04 | Evolución de Lina en el día a día | Con Geovanna, analista de CX, al frente de las auditorías y de los ajustes constantes, la IA empezó a incorporar mejor el tono de la marca, el contexto de las conversaciones y los matices de la atención. |
La implementación no fue tratada como un proyecto aislado de tecnología. Se la condujo como parte de la rutina de la operación, con seguimiento cercano, ajustes constantes y un claro sentido de prioridad. Este modelo hizo que Lina evolucionara más rápido y permitió que Linus transformara una implementación urgente en una base más sólida para los meses de mayor presión.
También hay un detalle importante aquí: la evolución de la IA dependió menos de una estructura técnica robusta y más de claridad operativa, auditoría y repertorio de atención. Fue esa combinación la que ayudó a Lina a hablar cada vez más el idioma de Linus.
“A veces nosotros, como clientes, no sabemos decir exactamente lo que queremos, pero conté nuestra historia y Cloud Humans, con la experiencia en IA, la tradujo en un proceso.”
Luiza Kravtchenko
Coordinadora de CX en Linus
Qué cambió con Lina en operación
Con Lina en operación y una rutina cercana a una auditoría, Linus comenzó a captar ganancias concretas tanto en los indicadores como en la dinámica del equipo. La evolución apareció en la retención, en la satisfacción del cliente y en la capacidad de la operación para atravesar períodos de mayor presión con más estabilidad.
Métrica | Resultado | Impacto |
|---|---|---|
Retención promedio en los tickets | 60% | Más resolución sin ampliar el equipo en la misma proporción. |
CSAT promedio | 92% | Escala con mantenimiento de la calidad percibida. |
Los números ayudan a dimensionar el resultado, pero el efecto de la implementación también se hizo visible en la rutina de la operación. Lina comenzó con cerca de 39% de retención en septiembre, evolucionó a 41% en octubre y llegó a 60% en noviembre, mostrando que la combinación entre tecnología, auditoría y ajustes finos generó una mejora progresiva a lo largo de los meses.
Al mismo tiempo, Linus pasó a operar con menos fricción en momentos de alta demanda, con reducción de los protocolos duplicados, el fin de las alertas rojas en Reclame Aqui por demora y una percepción más positiva del equipo sobre la rutina del área. En vez de solo absorber volumen, la operación ganó más previsibilidad y más espacio para actuar donde la intervención humana generaba más valor.
“En seis años, fue la primera vez que sentí un ambiente más ligero en el área.”
Geovanna Silva
Analista de CX en Linus
Lo que Linus aprendió al poner IA en la operación
Tema | Descripción |
|---|---|
La IA aprende de quienes viven la atención | La mejora en la calidad depende del conocimiento de quien reconoce las dudas recurrentes, entiende el contexto de los clientes y puede ajustar el contenido, la intención y el lenguaje con base en conversaciones reales. |
La auditoría continua es parte del resultado | La evolución de Lina ocurrió con revisión frecuente de las conversaciones, ajustes de términos, creación de nuevos contenidos y calibración de las respuestas. Esto fue lo que permitió transformar una implementación rápida en una operación más precisa a lo largo del tiempo. |
La IA cambia la forma de trabajo del equipo | En la práctica, la IA quitó el peso de lo repetitivo y abrió espacio para actividades más analíticas y estratégicas. En lugar de concentrar la rutina en volumen, el equipo pasó a dedicar más energía a la mejora de la operación, a la lectura de patrones y a la evolución de la experiencia. |
El impacto aparece en los números, pero comienza en la rutina | Los resultados en retención y CSAT son relevantes, pero el efecto va más allá: menos sobrecarga, más previsibilidad y una operación más ligera para quienes están en el día a día. Fue ese cambio de rutina lo que sostuvo la mejora de los indicadores. |
Cloud Humans responde
¿Linus ya usaba automatización antes de Lina?
Sí. La empresa ya tenía experiencia con bot, pero aún buscaba una operación más fluida, con respuestas más naturales y más capacidad para acompañar los períodos de pico sin aumentar la fricción en la atención.
¿Qué motivó el cambio en la operación?
El principal detonante fue la combinación entre una estructura reducida y picos previsibles de demanda, como cuando aumentaba el volumen, la operación acumulaba filas, surgían protocolos duplicados y el equipo perdía espacio para actuar con más control sobre la rutina.
¿La IA sustituyó a personas en el equipo?
No. El papel de la IA fue absorber una parte relevante de las demandas repetitivas y abrir espacio para que el equipo actuara en los casos más críticos, en la mejora de la operación y en la evolución de la propia experiencia.
¿Qué muestra este caso para otras operaciones de CX?
Que la IA en atención funciona mejor cuando entra como parte de un cambio operacional. El resultado depende del momento, del seguimiento cercano y de la capacidad del equipo para enseñar a la IA con base en la rutina real.
