El problema.
Javi lleva operaciones en una empresa de servicios tecnológicos con más de 200 clientes activos. Su equipo de soporte — cuatro técnicos — recibía incidencias por dos canales: buzón de correo compartido y un número de WhatsApp Business. Volumen medio: 15-25 incidencias/día, con picos de 40 en días malos.
El problema no era el volumen. Era la ausencia de criterio. Cuando un cliente escribía por email, cualquiera de los cuatro técnicos podía verlo — pero no había forma de saber quién lo había leído, quién lo estaba gestionando o si ya estaba resuelto. Los tickets se duplicaban (cliente escribe por email, no le contestan rápido, escribe por WhatsApp). Dos técnicos podían estar trabajando en lo mismo sin saberlo. Y una caída de servidor crítica podía quedar enterrada debajo de una consulta sobre cómo cambiar una contraseña.
Javi ya había probado un helpdesk tradicional. El equipo lo ignoró: seguían respondiendo por email y WhatsApp directamente porque era más rápido, y el sistema de tickets se quedaba sin actualizar. Necesitaba una solución que se adaptara al equipo, no al revés.
Probamos un helpdesk y el equipo lo ignoró. Lo que necesitábamos era que el sistema trabajara donde ya estábamos: en email y WhatsApp.
Qué construimos.
Captura unificada e invisible
Cada mensaje que llega por email o WhatsApp se procesa en tiempo real por n8n. Una IA analiza el contenido y decide: ¿es incidencia nueva, actualización de una existente, o simplemente conversación sin ticket (un "gracias", una confirmación)? Para detectar actualizaciones cruza cliente, tema y contexto con tickets abiertos. La duplicación desaparece de raíz.
Clasificación + priorización
Cada incidencia se categoriza automáticamente: tipo (error técnico, consulta, cambio), urgencia (caída de servicio vs cosmético) y cliente (premium vs estándar). La combinación da una prioridad P0-P3. Las P0 disparan notificación inmediata al técnico de guardia por el canal que tenga a mano.
Asignación inteligente
Cada ticket se asigna al técnico más adecuado según especialización declarada, carga abierta actual y disponibilidad (agenda, vacaciones). Si alguien está saturado, redistribución automática. Ningún técnico tiene que "pedir" tickets.
Respuestas plantilla con IA
Para los tipos de incidencia más frecuentes (reseteo de contraseña, configuración VPN, acceso a panel), el sistema genera la respuesta paso a paso con los datos del cliente ya rellenados. Si la confianza de clasificación supera el 95% se envía directa al cliente; si no, el técnico valida en un segundo y envía.
Dashboard operativo
Vista en tiempo real sobre Postgres con el estado de todas las incidencias, tiempos medios de resolución, carga por técnico, categorías más frecuentes y SLA en riesgo. Javi ve de un vistazo si hay que contratar, si hay un cliente problemático o si hay una tipología que deberían automatizar.
Cómo lo implementamos.
Seguimos nuestras 5 fases estándar — ver proceso completo.
- Semana 1 · Descubrimiento + plan de ruta: sesión con los 4 técnicos y con Javi. Mapeamos las 18 tipologías más frecuentes, ajustamos reglas de priorización y cerramos propuesta con fee fijo. Quick win: clasificación + deduplicación antes de asignación inteligente y respuestas plantilla.
- Semana 2 · Desarrollo: construcción del pipeline sobre email y WhatsApp, entrenamiento de la IA clasificadora sobre 800 tickets históricos del último trimestre.
- Semana 3 · Desarrollo con datos reales: validación contra criterio humano hasta pasar el 92 % de acierto. Añadimos las plantillas de respuesta para las 6 tipologías más frecuentes y el dashboard operativo.
- Semana 4 · Entrega y corte: 5 días de sombra con el equipo viendo las sugerencias sin aplicarlas, luego activación. El sistema ya clasifica, deduplica y asigna.
- Semanas 5-8 · Estabilización (4 semanas supervisadas): reuniones semanales con Javi y los técnicos para revisar clasificaciones erróneas, ajustar reglas de prioridad (aparecieron matices por tipo de cliente), calibrar umbrales de respuesta automática y afinar las plantillas. Tras 4 semanas: producción 100 % autónoma.
- Producción: retainer de 6 h/mes para nuevas tipologías y ajustes continuos a medida que cambia el catálogo de servicios.
Stack utilizado.
n8nGPT-4o mini (clasificador)GPT-4o (respuestas)WhatsApp Business APIGmail APIPostgreSQLGrafana