Entrada de tickets
omnicanal
- alimenta
- Clasificador
Todos los casos de estudio
NLPAutomatizaciónOps2 meses
Triaje de tickets de soporte + enrutado automático
Un tercio de los tickets de soporte iba al equipo equivocado. Ahora se acerca a uno de cada trece.
Precisión de enrutado
92.4%
Clasificador multietiqueta calibrado
Antes
65.3%
Motor de reglas por palabras clave
En términos claros
Qué es esto.
Sin jerga en esta sección. La descripción técnica está más abajo.
Qué estaba fallando
Los tickets se clasificaban con reglas de palabras clave parcheadas durante años. Un tercio iba al equipo equivocado, y cada error costaba un traspaso completo antes de que nadie empezara a ayudar, que era el principal motivo por el que los clientes valoraban mal el soporte.
Qué construimos
Sustituimos las reglas por un clasificador entrenado con cómo se resolvieron realmente los tickets, y retiramos el antiguo motor de reglas en lugar de añadirle una regla más.
Qué cambió
El enrutado correcto pasó del 65% al 92%, las primeras respuestas llegaron antes y la satisfacción subió como consecuencia directa. Los agentes dejaron de clasificar tickets y empezaron a resolverlos.
Arquitectura
Cómo encaja todo.
Recorra las etapas. Todo lo marcado como añadido es un componente que no existía antes de este proyecto.
Clasificador
multietiqueta
- recibe de
- Entrada de tickets
- alimenta
- Calibración
Calibración
según coste
- recibe de
- Clasificador
- alimenta
- Enrutador · Borrador de respuesta
Enrutador
asignar cola
- recibe de
- Calibración
- alimenta
- Agente
Borrador de respuesta
de resueltos
- recibe de
- Calibración
- alimenta
- Agente
Agente
resuelve
- recibe de
- Enrutador · Borrador de respuesta
Entrada de tickets
omnicanal
- alimenta
- Clasificador
Clasificador
multietiqueta
Esto lo añadimos nosotros- recibe de
- Entrada de tickets
- alimenta
- Calibración
Calibración
según coste
Esto lo añadimos nosotros- recibe de
- Clasificador
- alimenta
- Enrutador · Borrador de respuesta
Enrutador
asignar cola
- recibe de
- Calibración
- alimenta
- Agente
Borrador de respuesta
de resueltos
Esto lo añadimos nosotros- recibe de
- Calibración
- alimenta
- Agente
Agente
resuelve
- recibe de
- Enrutador · Borrador de respuesta
La descripción
Cómo se construiría.
Dataset, enfoque, métricas objetivo y stack. Escrito para quien tenga que revisarlo.
NLPAutomatizaciónOps2 meses
Triaje de tickets de soporte + enrutado automático
Clasificación, etiquetado y enrutado que mantienen las colas limpias y las respuestas consistentes.
Problema
Los tickets se enrutaban con reglas de palabras clave acumuladas durante años. Cada enrutado erróneo costaba un ciclo completo de traspaso, y el tiempo de primera respuesta era el principal factor de un CSAT bajo.
Dataset
- filas
- 2,4M tickets
- features
- 128
- fuentes
- Helpdesk, chat, e-mail
- ventana
- 36 meses
Enfoque
- 01Entrenamos un clasificador multietiqueta con tickets resueltos históricos
- 02Calibramos las probabilidades para que los umbrales de enrutado se correspondan con el coste de negocio
- 03Añadimos sugerencias de respuesta por intención, redactadas a partir de casos resueltos
- 04Lo desplegamos en modo sombra, comparado con el motor de reglas
Métricas
- 92.4%
- precisión de enrutado +27.1pp
- 4,2 min
- primera respuesta -38 min
- 7.6%
- tasa de enrutado erróneo -27pp
- 19%
- deflexión autoservicio
Evidencia
- fuente
- Diseño de referencia
- cifras
- Ilustrativo: valores típicos para este diseño
- medición
- No medido. Valores típicos para un diseño de referencia de este tipo, no observados en el sistema de un cliente.
- referencia
- No disponible para este proyecto
- última revisión
- 2026-08-25
Impacto en el negocio
- Mejora del CSAT impulsada directamente por una primera respuesta más rápida
- Los agentes dejaron de hacer triaje y empezaron a resolver
- El motor de reglas se retiró en lugar de ampliarse otra vez
Stack tecnológico
- Python
- FastAPI
- XGBoost
- Elasticsearch
- PostgreSQL
- Celery
- Docker
Siguiente paso
¿Necesita un sistema como este?
Responda seis preguntas y le diremos si este planteamiento encaja con su problema, también cuando no encaja.