Lab 21.2 — Inteligencia de conversaciones#
Parte 21 · IA aplicada a marketing, ventas y servicio · Duración estimada: 4 horas · Aprobación: 80/100
Escenario#
Ruta Andina SpA — Empresa chilena que vende una plataforma de agendamiento, pagos y CRM ligero para pymes de servicios (peluquerías, talleres, centros médicos pequeños, estudios contables). Tiene tres líneas de ingreso: suscripción SaaS (CLP 39.000 a CLP 199.000 mensuales por local), venta de hardware complementario por e-commerce y marketplace, y contratos anuales con municipios y corporaciones para digitalizar atención de público.
Situación específica del laboratorio. Ruta Andina activó grabación automática de llamadas sin informar a los clientes ni al equipo, y la jefatura empezó a usar los resúmenes en evaluaciones individuales.
Restricciones vigentes. Presupuesto de marketing y ventas acotado, un solo analista de datos compartido, obligación de cumplir la Ley 19.496 del consumidor y de prepararse para la Ley 21.719 de datos personales, y un competidor regional con más capital.
Misión#
Producir un componente defendible de operating model humano-IA con casos de uso, evaluaciones, guardrails y registro de incidentes, aplicando en particular inteligencia de conversaciones y privacidad y propiedad intelectual.
Pregunta que debe quedar respondida: ¿Qué tarea mejora con IA, cómo sé que mejora y quién responde cuando falla?
Insumos#
| Insumo | Ruta | Uso |
|---|---|---|
| Clases de la parte | curriculum/part-21-ia-aplicada-a-marketing-ventas-y-servicio/ | Marco conceptual y método |
| Datos sintéticos | datasets/ | Base cuantitativa reproducible |
| Plantillas | templates/ | Formatos de artefacto |
| Notebooks | notebooks/ | Cálculo y verificación |
| Estado de la simulación | simulations/state/ | Continuidad entre partes |
| Fuentes oficiales | docs/FUENTES-OFICIALES.md | Validación normativa |
Procedimiento#
- Verificar el marco legal y obtener consentimiento.
- Definir qué se analizará y para qué.
- Priorizar el análisis agregado sobre el individual.
- Usar los hallazgos para formación y no para sanción.
- Revisar el efecto sobre el desempeño del equipo.
- Calcular o diseñar la captura de cobertura de consentimiento, patrones identificados y uso en formación.
- Construir un escenario adverso: −30 % de presupuesto, −20 % de conversión o +25 % de duración del ciclo.
- Verificar el riesgo declarado de la parte: Publicar contenido incorrecto a escala, tratar datos personales sin base legal y perder trazabilidad.
- Redactar la recomendación con responsable, fecha, umbral de éxito y condición de detención.
Fichas de medición obligatorias#
| Señal | Definición operacional |
|---|---|
| cobertura de consentimiento | conversaciones grabadas con consentimiento registrado, sobre grabaciones |
| patrones identificados | comportamientos con correlación verificada con el cierre, sobre comportamientos analizados en el periodo |
| uso en formación | sesiones de formación basadas en hallazgos, por trimestre |
| casos de uso con base legal documentada | usos con finalidad y base registradas, sobre usos activos |
| decisiones automatizadas identificadas | procesos con decisión automatizada documentada, sobre procesos automatizados |
| incidentes de privacidad | eventos con datos personales comprometidos, por periodo |
Cada ficha debe indicar además: fuente del dato, frecuencia de cálculo, responsable, lectura permitida y lectura prohibida. Si el dato no existe, se diseña el mecanismo de captura y se declara su costo.
Entregables#
memo-decision.md— problema, evidencia, dos alternativas, recomendación y gobierno.calculo.mdo notebook — cálculos con supuestos explícitos y fuentes.ficha-metricas.md— definiciones operacionales completas.escenario-adverso.md— recálculo bajo la restricción indicada.riesgo-y-cumplimiento.md— verificación del riesgo de la parte y de la normativa aplicable.- Resumen ejecutivo de una página para defensa de cinco minutos.
Rúbrica (100 puntos)#
| Criterio | Puntos | Qué se evalúa |
|---|---|---|
| Encuadre del problema | 15 | La decisión está formulada antes que la herramienta. |
| Calidad de la evidencia | 20 | Datos pertinentes con fuente, línea base y límites declarados. |
| Aplicación del método | 15 | Ejecución completa de la secuencia con trazabilidad por paso. |
| Medición | 20 | Fichas operacionales completas y cálculos verificables. |
| Decisión y trade-offs | 15 | Dos alternativas reales, costo de oportunidad y condición de revisión. |
| Riesgo y cumplimiento | 10 | Verificación del riesgo de la parte y de la normativa aplicable. |
| Comunicación | 5 | Resumen ejecutivo comprensible por alguien ajeno al trabajo. |
Aprobación: 80/100 y ningún criterio bajo el 60 % de su puntaje.
Errores que invalidan el laboratorio#
- Grabar sin informar ni obtener consentimiento. Verifica el marco legal, informa a todas las partes y obtén el consentimiento antes de grabar.
- Operar decisiones automatizadas sin documentación ni supervisión. Identifica las decisiones automatizadas que afectan a personas y documenta su supervisión humana.
- Presentar métricas sin numerador, denominador y ventana.
- Omitir el escenario adverso o presentarlo sin recálculo.
- Usar datos personales sin verificar base de licitud y finalidad.
Fuentes de apoyo#
- NIST — AI Risk Management Framework 1.0 (2023) — gobernanza de riesgo de IA: mapear, medir, gestionar y gobernar.
- Foster Provost y Tom Fawcett — Data Science for Business (2013) — pensamiento analítico: formulación del problema, evaluación y valor esperado.
- Neil Rackham — SPIN Selling (1988) — investigación conductual sobre venta compleja: situación, problema, implicación y necesidad-beneficio.