Caso de éxito
Cómo una IA reemplazó el soporte nocturno y de fines de semana de un taller de reparación Apple.
87%
Resolución sin humano
De cada 100 conversaciones, 87 se resuelven sin que nadie intervenga
< 4s
Tiempo de respuesta
Promedio histórico desde la primera versión en producción
4.8/5
Satisfacción del cliente
Encuesta post-conversación. La IA no es percibida como bot genérico
24/7
Operación continua
Sin costos de turno nocturno ni guardias de fines de semana
El contexto
ilovemacMX es el taller de reparación Apple más conocido de Condesa CDMX. Opera con un equipo pequeño: técnicos, una persona en mostrador y atención por WhatsApp.
El problema
Los clientes mandan mensajes de noche, los sábados, los domingos. ¿Cuánto cuesta reparar mi iPhone? ¿Tienen garantía? ¿Cuánto tarda? Nadie respondía hasta el lunes. Eso son leads perdidos.
Lo que intentaron antes
Respuestas automáticas básicas en WhatsApp. Funcionaron mal: eran genéricas, no sabían precios y generaban más confusión que soluciones.
Lo que construimos
Sofi: un agente IA entrenado específicamente con el catálogo de precios de ilovemacMX, los procesos de diagnóstico, las restricciones de garantía y la voz de la marca.
Semana 1: Mapeo del negocio
Catalogamos todos los servicios, precios, tiempos de entrega, preguntas frecuentes y casos edge. Todo lo que un empleado nuevo tardaría meses en aprender.
Semana 2: Entrenamiento y pruebas internas
Entrenamos el primer modelo, probamos con casos reales y ajustamos las respuestas. El equipo de ilovemacMX participó activamente en la revisión.
Semana 3: Lanzamiento controlado
Activamos Sofi en horario no laboral primero — noches y fines de semana. El equipo humano siguió cubriendo el horario normal mientras evaluábamos el desempeño.
Mes 2 en adelante: Optimización continua
Cada caso que Sofi no resolvió bien se convirtió en entrenamiento adicional. En 30 días, la tasa de resolución autónoma subió de 70% a 87%.
Aprendizajes
Estos aprendizajes son los que aplicamos cuando construimos el agente IA de un cliente nuevo. Cada empresa tiene sus propias variantes, pero el patrón se repite.
El entrenamiento con datos reales del negocio (precios, procesos, restricciones) es lo que hace la diferencia entre un bot y un agente.
La escalación inteligente aumenta la satisfacción — los clientes no se sienten abandonados cuando hay un caso complejo.
El panel de supervisión es crítico: el equipo humano necesita ver qué está resolviendo la IA y cuándo está fallando.
La afinación post-lanzamiento (primer mes) es donde más mejora el agente: los casos edge se van resolviendo con entrenamiento adicional.
Si tu empresa tiene conversaciones repetitivas que consumen tiempo del equipo, Sofi probablemente puede resolverlas.