El verdadero cuello de botella no era el volumen de tickets. Era lo que pasaba dentro de cada ticket: descripciones incompletas, rondas de ida y vuelta, técnicos arrancando de cero cada vez. La IA no podía resolver esto con un solo sistema genérico — operador y técnico tienen contextos, urgencias y lenguajes completamente diferentes.

Diseñé dos sistemas de agentes separados con identidades distintas — uno para el operador bajo presión y otro para el técnico experto — conectados por un objeto de contexto estructurado. Cada sugerencia incluye nivel de confianza explícito y fuente. El sistema sabe cuándo escalar y transfiere contexto completo.

−50% tiempo de resolución. +35% capacidad del equipo técnico. −60% abandono del portal. Tickets llegan con 75–88% del contexto pre-completado. El sistema se vuelve más preciso con cada ticket resuelto.

Información sensible de salud, usuarios bajo presión, y un sistema de IA que no puede equivocarse ni excederse. Tres restricciones de diseño simultáneas.

La IA categoriza automáticamente pero el usuario puede corregir todo, editar es tan fácil como registrar. Las respuestas están diseñadas para contexto de estrés: texto corto, datos en lista, compartible por WhatsApp en un toque. El sistema solo guarda y devuelve datos, no diagnostica, no orienta, y lo dice explícitamente cuando alguien pregunta algo fuera de ese scope.

Registro completo de una consulta en minutos. Cualquier dato recuperable en segundos durante la próxima visita médica.

Usuarios internos con niveles muy distintos de expertise técnica interactuando con automatizaciones inteligentes. El sistema tenía que decidir cuándo actuar solo y cuándo pedir validación humana, sin que eso generara fricción ni desconfianza.

Diseñé los límites de autonomía del sistema: la IA genera pre-propuestas pero siempre las presenta como borrador editable. Los flujos asistidos muestran qué hizo el sistema y por qué, para que el usuario pueda validar con contexto. Las reglas de validación se configuran por rol, no por permiso genérico.

80% menos carga administrativa. Equipos enfocados en trabajo de mayor valor. Centralización del 100% de las operaciones en una sola plataforma.

La IA genera análisis de personalidad y recomendaciones sobre equipos. Pero si el usuario no confía en las recomendaciones, o no entiende de dónde vienen, el producto pierde todo su valor. La confianza se construye o se pierde en los primeros 10 minutos.

Diseñé qué genera la IA autónomamente y cuándo requiere input humano. Las recomendaciones siempre muestran el razonamiento detrás. El onboarding fue diseñado para construir confianza progresiva: primero el usuario ve sus propios resultados antes de ver los del equipo.

85% de tasa de completado del test. Onboarding en menos de 10 minutos. Plataforma escalable en producción con experiencia clara y confiable.