Agentes de voz IA en la preparación de pedidos

Qué se implantó para Comercio electrónico industrial en preparación de pedidos por voz IA

El cliente

Empresa española de comercio electrónico y logística hacia el consumidor, con operaciones centradas en Andalucía y en torno a 50 personas entre almacén y oficina. Vende producto propio y gestiona la preparación y la expedición desde un almacén propio.

Las herramientas previas eran tienda en línea, un ERP a medida para inventario y facturación, flujos puntuales y procesos de almacén en tableta y papel.

No se publica ningún dato personal, dirección del almacén ni cifras económicas.

El seudónimo sirve para que otra empresa con un dolor de preparación similar se reconozca, sin exponer operativa.

El reto

La preparación a mano era el cuello. Los operarios leían la lista en tableta o papel, iban a ubicación, cogían el producto y validaban el código antes del embalaje. Con varias líneas y códigos parecidos, más del 5% de los pedidos salía con al menos una línea mal preparada.

Devoluciones y doble validación. Ese 5% se traducía en envíos de vuelta, tiempo de supervisor en los casos dudosos y desgaste del equipo pedido tras pedido.

Reordenar el almacén no bastó. Revisar el flujo, cambiar ubicaciones y ajustar la tableta no bajó el error de forma sostenida. El siguiente salto era automatizar la validación, no seguir puliendo un proceso ya cerca de su techo.

La solución Genai Sapiens

Un agente de voz IA para el flujo de preparación, integrado contra el ERP a medida y el inventario Shopify, con supervisión humana desde el primer ciclo.

El operario no aprende una interfaz nueva. No lee una tableta mientras camina. Habla al agente; el agente escucha, valida contra el ERP, confirma, actualiza inventario y solo escala al supervisor los casos de baja confianza.

Validación por voz en la ubicación. El operario pronuncia la referencia (o un alias del diccionario local). El agente transcribe en tiempo real y consulta al ERP si esa referencia corresponde al pedido activo y a la ubicación esperada. Con coincidencia de confianza alta, confirma por voz y actualiza el estado del pedido.

Baja confianza, no adivinanza. Homófonos, ruido de almacén o alias no registrado: el agente pide confirmación explícita o escala a un supervisor en una pantalla compartida, sin parar la cola.

Acciones irreversibles con supervisión humana. Decisión explícita del cliente, el mismo patrón que en agentes IA dedicados y en el agente de voz para recepción médica. Es la diferencia entre un piloto que llega a producción y uno que se queda en demostración por miedo a operar sin red.

Cómo está montado

Cinco capas interconectadas, todas ellas habituales en nuestro catálogo dedicada. Ninguna tecnología elegida por moda: cada decisión se documentó y se validó contra el caso concreto antes de implementar.

• Voz en tiempo real: OpenAI Realtime y ElevenLabs Transcripción y respuesta en tiempo real sobre el canal de voz del operario. Latencia sub-segundo en condiciones normales de almacén. Voz sintética en español peninsular para confirmaciones y escalados.
• Claude — razonamiento y validación contextual Capa de razonamiento sobre el texto transcrito + estado del pedido + inventario ERP. Resuelve ambigüedades (homófonos, alias), decide confianza y activa el escalado a supervisión humana cuando procede.
• n8n — orquestación entre sistemas Flujos n8n que conectan la capa de voz con el ERP, Shopify y el canal de notificaciones del supervisor. Reemplaza integraciones puntuales por una capa intermedia única y auditable. Patrón aplicado también en nuestros sistemas de automatización con n8n, con flujos de referencia mantenidos en n8nrepo.com (catálogo público con plantillas validadas para integraciones ERP de comercio electrónico). Para casos verticales similares ver más patrones documentados en n8nrepo.com.
• ERP a medida del cliente, API dedicada Capa de APIs específica construida sobre el ERP existente, sin reescribir el ERP. Consultas de inventario, estado de pedido y actualización transaccional con bloqueo ligero para evitar condiciones de carrera.
• Shopify — sincronización de inventario Sincronización bidireccional entre ERP y Shopify tras cada confirmación de preparación. El inventario en línea refleja en minutos el estado real del almacén, reduciendo las ventas en exceso y los pedidos a producto agotado.

Resultados medibles

Métricas observadas tras el primer trimestre con el sistema en producción. Los rangos reflejan observación directa; no publicamos cifras exactas para preservar confidencialidad del cliente y evitar falsa precisión sobre efectos que dependen de la composición de los pedidos concreto de cada mes.

La métrica más relevante no fue solo la reducción del error, sino la estabilidad del error bajo durante todo el trimestre, incluidos los picos de campaña. Un sistema que solo funciona en condiciones controladas no es un sistema en producción — es una demostración con buen márketing.

Lecciones aprendidas

Cuatro aprendizajes reutilizables que sacamos de este proyecto y que aplicamos por defecto en cuotas IaaS (ingeniería de software a medida) del mismo perfil.

• Supervisión humana diseñada desde el día uno, no añadida a posteriori. Meter la supervisión humana cuando el sistema ya está en producción es el doble de caro y rompe confianza del equipo operativo. Diseñarlo desde el primer ciclo convierte el escalado humano en una capacidad del sistema, no en un parche.
• Voz en español requiere afinado, no solo modelo. La capa de voz funciona de serie, pero los acentos regionales y el vocabulario logístico específico piden 2-3 semanas de afinado con diccionario de referencias, alias y confirmaciones explícitas. Es trabajo asumible dentro del piloto y se documenta como activo reutilizable para otros almacenes del mismo cliente.
• La integración con el ERP es el 60% del esfuerzo real. La capa de voz IA es la parte más visible pero no la más costosa. Lo que consume tiempo es levantar APIs sobre ERPs heredados, normalizar referencias y garantizar atomicidad en las actualizaciones de inventario. Un cliente que entiende esto antes de firmar evita falsas expectativas de plazos.
• Adopción operativa con formación corta. Contra lo que se suele temer, los operarios adoptan el flujo de voz rápido, normalmente en 1 o 2 turnos de trabajo. La resistencia mayor vino de supervisores acostumbrados a gestionar la doble validación manual; para ellos diseñamos un panel de escalados con contexto completo del caso, no solo la alerta.

¿Tu empresa tiene un dolor similar?

Si diriges operaciones en un comercio electrónico, logística o comercio minorista con preparación manual y ves errores recurrentes, devoluciones que no bajan o tiempo operativo perdido en doble validación, el patrón que construimos para comercio electrónico industrial probablemente es aplicable. No te vamos a decir que sí sin verlo: en el diagnóstico de incorporación revisamos tus herramientas reales (ERP, sistema de almacén, Shopify o similar), el volumen y la composición de los pedidos, y decidimos juntos si un piloto de voz IA es la respuesta correcta o si hay una mejora operativa previa más barata. Sin forzar la venta.