Reembolsos con IA: de un asistente genérico a 19 especialistas

En agosto de 2026 hubo 223 reembolsos, y el 100% pasaba por una persona. Una sola IA atendía todos los productos y módulos de la empresa, y al mezclar contextos resolvía mal. Cuando detectaba un reembolso, lo escalaba: el agente pedía los datos del pedido, lo buscaba a mano en la plataforma de pedidos, revisaba el manual y llenaba una hoja para Finanzas.

Las reglas de reembolso vivían en tres fuentes que se contradecían entre sí: el manual interno, el centro de ayuda y los términos y condiciones. El dictamen dependía del criterio de cada agente, sin registro de por qué se aprobaba o rechazaba un caso.

Primero reestructuré la IA de soporte en 19 agentes especializados, organizados en tres capas: una identifica el producto, otra el módulo, y cada agente razona solo sobre su dominio.

Sobre esa base construí un agente exclusivo para reembolsos. Le pide al restaurante tres datos y localiza su sucursal entre más de 11 mil, con una búsqueda tolerante a acentos y errores de escritura; si hay ambigüedad, ofrece opciones en lugar de adivinar. El catálogo de sucursales se sincroniza solo cada hora desde un reporte que llega por correo.

La siguiente fase conecta el agente con los datos reales del pedido para dejar el caso pre-dictaminado, con una lista de lo que la persona todavía debe revisar.

• La máquina resuelve datos, la persona resuelve criterios. Lo verificable se automatiza; lo que requiere juicio sobre evidencia visual se convierte en una lista de verificación.
• Una capa intermedia propia entre la IA y la plataforma de pedidos: las llaves de acceso se quedan en el servidor, y las reglas numéricas se evalúan con lógica fija en código, no con la interpretación de un modelo.
• Formalicé las reglas de negocio en un solo documento, resolviendo 27 preguntas con el área de Logística y eliminando las contradicciones entre fuentes.
• La regla de elegibilidad se simplificó a un criterio binario por tipo de reparto, y se validó contra 18,517 órdenes reales: cubre el 91% del volumen.
• El dictamen se basa en el estado del envío que reporta el sistema, que nadie puede modificar a mano.

La plataforma de agentes tenía tres comportamientos que no están documentados: sus variables no se sustituían en las peticiones, solo escribía un dato si el nombre del campo coincidía exactamente con el de la respuesta, y un campo actualizado en la misma conversación llegaba con su valor anterior. Encontrarlos requirió pruebas sistemáticas y obligó a rediseñar el flujo conversacional; el segundo hallazgo fue el que desbloqueó el proyecto.

• 19 agentes especializados en producción, sobre un catálogo de 505 tipos de incidencia.
• Identificación automática de la sucursal entre más de 11 mil, con el catálogo sincronizado cada hora.
• Reglas de reembolso en un solo documento, validadas contra 18,517 órdenes reales.
• Estado: la estructura de agentes y la identificación de sucursal están funcionando; la fase de dictamen automático está en construcción.

Responsable del proyecto de punta a punta: arquitectura de agentes, investigación técnica de la plataforma, automatizaciones, levantamiento de reglas con el área de negocio y presentación de decisiones a los responsables.