caso de éxito
La decisión estratégica detrás del caso de Yampi: desafíos iniciales, implementación, resultados y aprendizajes que podés extraer. Entendé cómo redujo el tiempo de respuesta y redistribuyó al equipo para funciones de mayor valor dentro de la operación.
Métrica | Resultado |
|---|---|
Tiempo para la primera respuesta | 20s |
Satisfacción en las interacciones con IA | +90% |
Atenciones resueltas por IA | +70% |
Acerca de Yampi
Yampi es una plataforma brasileña de tecnología para e-commerce que ayuda a los comerciantes a crear, operar y escalar sus ventas online. Fundada en 2011, la empresa ya ha apoyado a más de 170 mil comerciantes, desde pequeños emprendedores hasta grandes operaciones que facturan millones por mes.
Este perfil diverso de clientes hace que la atención sea una pieza central de la experiencia que ofrece la plataforma. El soporte se realiza principalmente por chat, un canal en el que la velocidad de respuesta tiene un impacto directo en la percepción de calidad del servicio.
¿Cómo escalar la atención sin perder velocidad?
Con el crecimiento de la base de comercios de Yampi, el volumen de interacciones en soporte aumentó rápidamente. Como el chat es el principal canal de atención, la expectativa de los clientes siempre fue de respuestas rápidas, y esto empezó a volverse difícil de sostener con el modelo tradicional, que ya presentaba fallas.
Título | Descripción |
|---|---|
Tiempo de respuesta elevado | El tiempo de la primera respuesta podía superar los 50 minutos, generando colas de atención e impactando la experiencia de los clientes. |
Operación 100% dependiente del equipo humano | Incluso con cerca de 15 a 20 personas en soporte, en días pico todos tenían que atender para dar abasto al volumen de interacciones, incluida la conducción. |
El crecimiento exigiría duplicar el equipo | Proyecciones internas mostraban que, para sostener el crecimiento manteniendo el mismo modelo, sería necesario ampliar el soporte a 40 a 44 analistas. |
Gran volumen de dudas recurrentes | Una parte significativa de las interacciones involucraba dudas operativas repetitivas, que seguían patrones previsibles de respuesta y consumían tiempo del equipo. |
El desafío de Yampi no era solo responder más rápido. Era encontrar una forma de absorber el crecimiento de la base de clientes sin depender del aumento proporcional del equipo, manteniendo la calidad de la experiencia y liberando a los especialistas para interacciones que realmente exigían contexto humano.
“Si todos tomaban un problema complejo al mismo tiempo, nadie respondía los nuevos tickets y el tiempo de respuesta llegaba hasta 50 minutos.”
Jessé Lopes
Chief Operating Officer en Yampi
El desafío, por lo tanto, no era solo atender más. Era crear una operación capaz de escalar con eficiencia, preservar el toque humano en los momentos correctos y sostener el crecimiento de la empresa sin convertir la atención en un limitante del propio negocio.
IA como extensión del equipo de atención
Ante el crecimiento de la operación y la presión sobre el soporte, Yampi decidió probar un nuevo enfoque: incorporar agentes de IA como parte del equipo de atención, actuando directamente en las interacciones con los clientes.
La propuesta no era reemplazar al equipo humano, sino crear una estructura híbrida, en la que la IA absorbiera gran parte de las dudas operativas recurrentes mientras los analistas se concentraban en los casos más complejos.
Principales cambios:
La operación pasó a contar con agentes de IA entrenados a partir del historial de atenciones y del contexto de Yampi.
La IA asumió gran parte de las dudas operativas y repetitivas del soporte.
La atención pasó a funcionar con un modelo híbrido entre IA y especialistas humanos.
El equipo fue redistribuido. Personas que antes estaban exclusivamente en la primera línea pasaron a desempeñarse en CS, onboarding, revenue operations, retención y servicios.
Yampi comenzó a seguir casi en tiempo real indicadores como tiempo de primera respuesta, CSAT, tasa de retención y solicitudes de transferencia a un humano.
“La idea nunca fue reemplazar al equipo, sino usar la IA para absorber las dudas recurrentes y liberar a las personas para lo que realmente requiere análisis y contexto.”
Jessé Lopes
Chief Operating Officer en Yampi
Construyendo una operación híbrida entre IA y especialistas
La implementación de la IA en la operación de soporte de Yampi ocurrió de forma progresiva. El objetivo era incorporar la tecnología sin comprometer la experiencia de los clientes y asegurando que el equipo humano siguiera actuando en los casos más complejos.
El proceso involucró ajustes tanto en la tecnología como en la propia estructura de la atención, conforme a las fases a seguir.
Etapa | Título | Descripción |
|---|---|---|
01 | Estructuración de la atención por niveles | Antes de la introducción de la IA, Yampi ya había reorganizado el soporte en dos niveles de atención: N1, responsable de dudas operativas recurrentes; y N2, dedicado a problemas más complejos. Esto no resolvió el problema por completo, pero redujo un poco el tiempo de respuesta y sirvió como base para la introducción de la IA en la primera capa de atención. |
02 | Entrenamiento de la IA con historial de atenciones | Los agentes de IA fueron entrenados a partir del historial real de interacciones del soporte, permitiendo que el sistema aprendiera patrones de preguntas y respuestas más comunes dentro de la plataforma. Este proceso fue esencial para garantizar respuestas más consistentes y alineadas con el contexto de la operación de Yampi. |
03 | IA asumiendo la primera capa de la atención | Con el entrenamiento inicial concluido, la IA pasó a actuar como primera capa de la atención, respondiendo dudas operativas y recolectando información antes de escalar los casos más complejos al equipo humano. Este modelo permitió reducir significativamente el volumen de tickets que llegaban directamente a los especialistas. |
04 | Evolución continua de la operación | La operación siguió evolucionando a partir de las interacciones reales con clientes. El equipo de CX pasó a acompañar las conversaciones, ajustar respuestas y ampliar el repertorio de la IA conforme surgían nuevos escenarios. Este proceso permitió mejorar continuamente la calidad de las respuestas y ampliar el alcance de las interacciones que podían ser resueltas por la IA. |
Desde el inicio, Yampi optó por no tratar la inteligencia artificial como un bot o una capa de automatización aislada. La asistente pasó a ser posicionada como una parte real del equipo de atención, con nombre, identidad visual y un rol claro dentro de la operación.
La IA fue presentada a los clientes como integrante del equipo, y no como una barrera tecnológica. La lógica era simple: si la interacción resuelve el problema con rapidez y calidad, la percepción del cliente tiende a ser positiva.
Después de consolidar a ClaudIA como línea de frente en la atención, Yampi avanzó hacia una segunda capa operativa.
Se incorporó Eddie, agente de backoffice de Cloud Humans, responsable de ampliar la capacidad de resolución de la IA.
A través de él, la asistente pasó a consultar y actualizar información en sistemas internos, como ERP, sistemas de logística y la propia plataforma de e-commerce.
Esta evolución permitió reducir transferencias innecesarias hacia la atención humana y aumentar aún más la tasa de resolución automática de la operación.
Transformación en números
Con la introducción de la IA en la operación de soporte, Yampi logró reducir drásticamente el tiempo de respuesta y absorber gran parte de las interacciones directamente mediante la automatización. El modelo híbrido entre agentes de IA y especialistas humanos permitió escalar la atención sin la necesidad de ampliar el equipo en la misma proporción. Los resultados se vieron tanto en la eficiencia operativa como en la experiencia de los clientes.
Métrica | Resultado | Impacto |
|---|---|---|
Tiempo de primera respuesta | 50min → 20s | Respuesta inmediata en el principal canal de atención. |
CSAT en interacciones con IA | +90% | Alto nivel de satisfacción, incluso con interacciones automatizadas. |
Retención / Resolución por la IA | 74,9% | La IA pasó a absorber buena parte de las interacciones sin escalamiento (+23 mil casos). |
La adopción de la IA cambió de forma estructural la operación de atención de Yampi. El tiempo de primera respuesta cayó de picos superiores a 50 minutos a menos de 20 segundos, mientras que la retención superó el 74% y el CSAT de la IA se mantuvo por encima del 90%.
Además de absorber más de 23 mil tickets en cinco meses, la nueva operación pasó a funcionar las 24 horas del día y generó un ahorro proyectado cercano a R$ 1,5 millones por año, sin necesidad de despedir a nadie y sin pérdida de calidad en la atención.
“Hoy tenemos más del 70% de las interacciones resueltas sin necesidad de atención humana.”
Jessé Lopes
Director de Operaciones en Yampi
Lo que Yampi aprendió al implementar IA en la atención al cliente
Tema | Descripción |
|---|---|
Lo que Yampi aprendió al implementar IA en la atención | El objetivo nunca fue sacar personas de la operación, sino redistribuir el trabajo para que la IA absorbiera las dudas recurrentes mientras el equipo humano se enfocaba en los casos que exigen análisis y contexto. |
Automatizar dudas recurrentes libera al equipo para problemas reales | Gran parte de las interacciones en soporte seguía patrones previsibles. Al transferir esas dudas a la IA, el equipo pasó a dedicar más tiempo a atenciones complejas y estratégicas. |
Escalar la atención solo con personas no es sostenible | Las proyecciones indicaban que el equipo necesitaría prácticamente duplicar su tamaño para acompañar el crecimiento de la base de clientes. La automatización permitió absorber ese aumento sin expandir el equipo en la misma proporción. |
La IA necesita evolucionar junto con la operación | El seguimiento continuo de las interacciones y los ajustes en las respuestas de la IA fueron esenciales para ampliar gradualmente los tipos de atención que podrían resolverse automáticamente. |
Cloud Humans responde
¿La IA sustituyó al equipo de atención de Yampi?
No. La IA pasó a actuar como la primera capa de la atención, absorbiendo dudas operativas y recurrentes. Con eso, el equipo humano pasó a enfocarse en interacciones más complejas y en actividades estratégicas dentro de la operación.
¿Cuánto tiempo llevó implementar la IA en el soporte?
La implementación inicial llevó cerca de un mes, incluyendo la preparación de la base de conocimiento, el entrenamiento del modelo con conversaciones históricas y ajustes operativos en el equipo de soporte.
¿Cuál fue el impacto de la IA en la velocidad de la atención?
El tiempo de primera respuesta bajó de picos superiores a 50 minutos a menos de 20 segundos tras la introducción de la IA en la atención.
¿Cuál fue el impacto de la IA en la eficiencia de la operación?
La automatización permitió que la mayor parte de las interacciones se resolviera sin escalamiento al equipo humano. Además, la operación pasó a funcionar 24 horas por día y generó un ahorro operativo proyectado de cerca de R$ 1,5 millones por año.
