Lo que el cliente realmente manda
El cliente no es un experto técnico. Es alguien que conoce el problema — su Tsuru no frena bien, el camión tiene un ruido raro, una pieza se rompió — y manda lo que tiene a la mano. Casi nunca manda el dato que el catálogo necesita.
En autopartes, al menos 95 de cada 100 consultas llegan sin número de parte (medido en 57,681 consultas de una refaccionaria durante 20 meses). Casi todas llegan en formatos que un vendedor humano tiene que traducir a un input que pueda buscar. Esa traducción es trabajo invisible que nadie mide pero todos pagan.
El cuello de botella en cotización no es la cantidad de cotizaciones. Es que cada cotización empieza con un input que hay que interpretar antes de poder cotizarlo.
¿Quieres ver cómo cotiza Victoria una pieza así? Escríbenos por WhatsApp y te lo mostramos en vivo.
Escribir por WhatsApp →Los 4 formatos de input no-estructurado
Cuatro formatos cubren la práctica totalidad de cotizaciones que llegan por WhatsApp en autopartes. Las proporciones varían por tipo de negocio (la refaccionaria de barrio recibe más fotos, el mayorista más VINs y números) pero la mezcla siempre incluye los cuatro.
El costo escondido de la traducción humana
El trabajo de traducir un formato no-estructurado a un input buscable tiene tres costos que no aparecen en el balance:
1. Tiempo: del minuto 2 al 16 se busca en vez de vender
En una refaccionaria medimos que el chat contesta en 2 minutos (mediana de 56,197 primeras respuestas) y el precio tarda 16 (mediana de 31,352 peticiones que sí recibieron precio). Del minuto 2 al 16, tu gente interpreta, busca y captura en vez de vender.
2. Errores: una mala identificación termina en devolución
Cuando el vendedor adivina mal una pieza desde una foto o audio ambiguo, el cliente recibe la pieza equivocada. Cada devolución cuesta logística, tiempo del equipo y, lo más caro, confianza del cliente. En 244 pedidos juzgados uno por uno en 5 refaccionarias, en 3 de cada 10 nadie encontró la pieza; de 70 que nadie resolvió, en 69 la pieza sí estaba en el catálogo.
3. Pérdida: cuando el vendedor pide más info, el cliente se va
Si el vendedor no logra identificar la pieza con lo que el cliente mandó, pide más información (otra foto, el VIN, marca/modelo). Esa pregunta consume tiempo del cliente — y en autopartes, donde el cliente mandó la misma solicitud a varios proveedores en paralelo, suele ser suficiente para perder la venta con quien sí identificó la pieza al primer intento.
La traducción humana del input no es solo un cuello de botella de capacidad. Es la principal fuente de errores de identificación y de cotizaciones que se pierden por fricción.
Qué cambia operacionalmente cuando lo procesa la IA
Reemplazar la traducción humana por procesamiento automático no es solo "más rápido". Cambia 4 métricas operativas a la vez:
- Tiempo al precio: hoy son 16 minutos de mediana en una refaccionaria; con IA el procesamiento del input toma segundos; el resto del tiempo es lookup en ERP y formato de cotización.
- Tasa de "te pido más info": baja drásticamente porque la IA combina múltiples señales (foto + texto + contexto previo) en lugar de procesarlas por separado.
- Errores de identificación: la IA cruza más datos antes de decidir y pide confirmación cuando la confianza es baja, en lugar de adivinar como hace un humano apurado.
- Capacidad de respuesta 24/7: el procesamiento no requiere que un vendedor esté disponible, así que noches y fines de semana se cubren igual que el horario laboral.
Lo que la IA todavía no resuelve bien
Honestidad técnica: hay 4 escenarios donde la IA falla o requiere intervención humana, y conviene saberlos antes de implementar:
1. Foto inutilizable
Cuando la foto es completamente borrosa, demasiado oscura, o muestra algo irrelevante (la mano del cliente, parte del piso del taller), la IA no puede inferir. Pide otra foto al cliente. Si el cliente no la puede mandar, escala a humano.
2. VIN incompleto, mal copiado o inexistente
VINs anteriores a 1981 no tienen formato estándar, vehículos importados raros pueden no estar en bases de datos, y errores de transcripción a veces son irrecuperables sin foto del documento. En esos casos la IA pide la foto del VIN o escala.
3. Jerga muy local o ambigua
El vocabulario del sector cambia notablemente entre mercados LATAM: en México un cliente pide un balero de un Tsuru o un mofle para su Chevy; en Colombia el mismo cliente pide un rodamiento de un Renault Logan; en Argentina un ruleman de un VW Gol o un Renault 12; en Chile la jerga se parece a la colombiana pero predominan los Hyundai Accent y Nissan V16; en Perú la mezcla incluye términos de MX y CO con alta penetración de marcas asiáticas. "El que va arriba del cardán" puede ser cualquiera de varias piezas según el vehículo. La IA pregunta antes de cotizar mal — pero esa pregunta es fricción extra que en algunos casos se pierde como venta. La forma de mitigarlo: entrenar al colaborador digital con vocabulario específico del mercado donde opera (un colaborador para MX no debe asumir que conoce el lunfardo argentino).
4. Vehículos custom o de muy bajo volumen
Modificados, importados grises, vehículos de servicio público con piezas especiales — todos casos donde el catálogo estándar no aplica. Se escalan a humano con todo el contexto ya recopilado por la IA (foto, VIN, descripción).
En la práctica, una IA bien implementada cotiza de extremo a extremo lo que puede y deriva al equipo humano lo que necesita una persona. La diferencia respecto al status quo: cuando deriva, deriva con todo el contexto. El vendedor no empieza de cero.
Cómo empezar a procesar inputs no-estructurados
El orden recomendado para incorporar este tipo de procesamiento:
- Mes 1: mapear los 4 formatos en tu operación real (cuántas cotizaciones llegan en cada uno, tiempos de traducción promedio, tasa de "te pido más info"). Sin esa medición, no sabés qué optimizar primero.
- Mes 2-3: implementar procesamiento de VIN automático — es el formato con ROI más rápido porque el VIN ya tiene estándar y la IA puede ser muy precisa.
- Mes 3-4: agregar procesamiento de foto. Foto es el formato más común y donde más se gana en tiempo de traducción.
- Mes 4-6: habilitar audio y captura de pantalla. Son menos volumen pero alta fricción cuando los humanos los procesan.
- Continuo: medir periódicamente errores de identificación. La curva de aprendizaje de la IA con tu catálogo específico se nota con el uso.
¿Te piden refacciones solo con fotos?
Tu cliente manda la foto de una pieza sin saber cómo se llama, y tu vendedor pierde minutos valiosos intentando adivinar qué es. No es raro: 1 de cada 3 consultas llega con foto (29.6%, 15,520 de 57,681 consultas de una refaccionaria en 20 meses).
Suplifai reconoce la imagen, la cruza con tu catálogo y envía el SKU, el precio y la disponibilidad por WhatsApp en segundos. En siete días, para 3 de cada 4 fotos que entraron a las tiendas que medimos (3,620 de 4,872) la IA ya dejó lista la respuesta, que el vendedor manda o edita. Así tus asesores dejan de descifrar fotos.
Lee también: saturado de mensajes pidiendo refacciones.
Preguntas frecuentes
¿Qué porcentaje de cotizaciones llega con número de parte exacto?
Al menos 95 de cada 100 consultas llegan sin número de parte (probablemente 97), según 57,681 consultas de una refaccionaria durante 20 meses. Dos de cada tres llegan solo con texto, 1 de cada 3 trae foto o adjunto (29.6%) y el VIN casi no aparece (2.1%). El vendedor humano tiene que traducir todos esos formatos antes de poder cotizar.
¿Puede una IA cotizar desde una foto borrosa o de mala calidad?
Depende del nivel de degradación. La IA actual con visión (modelos multimodales) trabaja con fotos imperfectas — sucias, parcialmente montadas, mal iluminadas — y aún identifica la pieza con razonable precisión si hay rasgos distintivos. Cuando la foto es ilegible, pide más información al cliente en vez de adivinar. Eso reduce devoluciones por error de identificación.
¿Cómo procesa la IA el VIN del vehículo?
El VIN tiene 17 caracteres con codificación estándar internacional. La IA lo valida (longitud, dígito verificador, caracteres prohibidos) y lo decodifica contra bases de datos (NHTSA + decoders regionales para marcas locales). Recupera marca, modelo, año, motor y submodelo, y filtra el catálogo a las piezas compatibles con ese vehículo específico.
¿Funciona con audios en jerga local mexicana, colombiana o argentina?
Los modelos actuales transcriben con buena precisión los principales acentos LATAM y manejan jerga regional común del sector autopartes (balero/rodamiento, chumacera/cojinete, mofle/escape, etc.). Cuando hay un término muy local o ambiguo, la IA pide aclaración antes de cotizar. La precisión mejora cuando el colaborador digital está entrenado con vocabulario específico del mercado donde opera.
¿Cuándo necesito intervención humana en una cotización de este tipo?
Cuatro escenarios: 1) foto inutilizable que el cliente no puede mejorar; 2) pieza muy custom o vehículo importado raro fuera del catálogo estándar; 3) decisión de precio especial (descuento, condiciones de crédito); 4) escalación cuando el cliente quiere hablar con una persona. La IA cotiza de extremo a extremo lo que puede y deriva al equipo humano, con el contexto ya armado, lo que necesita una persona.
¿Puede Suplifai cotizar solo con la foto de la pieza?
Sí. Le mandas la foto de la pieza y te dice cuál es, para qué vehículo sirve y cuánto cuesta. Si el número de parte se ve en la foto, lo lee y cotiza ese SKU directo.
¿Querés verlo cotizar desde una foto?
Demo en vivo con tus inputs
30 minutos. Le mandamos a Victoria una foto real, un VIN, un audio de tu día a día — y vemos cómo cotiza en tiempo real.
Agendar demo