Respuesta inmediata · solicitud de datos faltantes
En esta página
EN BREVE
Un caso anonimizado que convierte leads de anuncios de empleo continuos en una base estructurada de potenciales choferes y conecta esa base con matching operativo para una demanda de reparto cambiante.
Mi contribución
Descubrimiento de procesos · diseño de workflows · intake conversacional · modelado de datos · operaciones con control humano.
Datos clave
Decisiones de ingeniería
Construir una base, no una nómina
Capturar de forma continua datos estructurados de potenciales choferes —vehículo, documentación, zona y disponibilidad— sin asumir contratación, pago ni disponibilidad confirmada hasta que exista una necesidad concreta.
Responder cuando el interés está activo
Usar una conversación guiada como primera respuesta ante un clic en un aviso de empleo, en vez de depender de un seguimiento manual posterior.
Conectar recruiting con demanda
Usar la base de candidatos para vincular requerimientos de capacidad entrantes, en lugar de tratar el recruiting como un proceso separado.
Confirmar, no asumir disponibilidad
Tratar los datos guardados de candidatos como información de elegibilidad y usar contacto para establecer la disponibilidad actual.
Mantener humana la asignación final
Automatizar la preparación y coordinación, manteniendo la autoridad de asignación en operaciones.
Evolución del proyecto
- Captación desde anuncios de empleo
- Respuesta conversacional inmediata
- Base estructurada de candidatos
- Workflow de matching
- Confirmación de disponibilidad
- Transferencia a operaciones
Empezar por entender la operación
El proyecto empezó con una sesión de discovery junto al cliente para entender cómo funcionaba la operación en el día a día: cómo llegaban los pedidos de reparto, cómo se incorporaban nuevos choferes, qué información se recopilaba, cómo se confirmaba disponibilidad y dónde aparecía más trabajo manual.
A partir de ese mapeo identifiqué la información necesaria en cada punto de decisión y distinguí los pasos que requerían criterio humano de los que podían estructurarse o automatizarse. La tecnología vino después: primero había que entender el proceso completo.
La capacidad cambiaba más rápido que la base de choferes
Un operador de última milla recibía pedidos de capacidad de reparto asociados a fechas y zonas específicas. Responder a esos pedidos dependía de contar con suficientes choferes adecuados, pero reclutar, validar y coordinar personas era en gran parte manual.
Para mantener una base amplia de potenciales choferes, el operador publicaba avisos de empleo de forma continua como anuncios en Meta y Google. Esos leads se procesaban manualmente, aunque la rapidez de respuesta después de un clic era clave para no perder el interés del candidato.
La pregunta operativa no era simplemente cómo reclutar más personas. Era cómo construir continuamente una base utilizable: quién tenía vehículo, quién contaba con documentación y seguro, qué zona podía cubrir y quién podía trabajar cuando aparecía la demanda.
Eso generaba dos flujos conectados. Uno reunía y organizaba continuamente la información de los candidatos. El otro comenzaba cuando un pedido de reparto necesitaba un grupo disponible de choferes adecuados.
Mi contribución
A partir del mapeo del proceso, identifiqué la información necesaria en cada punto de decisión y diseñé un flujo que conectaba recruiting, datos de candidatos, matching y coordinación de capacidad.
El proyecto comenzó con un intake conversacional para procesar leads de publicaciones laborales, reunir información de choferes y vehículos y crear una base estructurada de candidatos. Desde ahí, el sistema conectaba un pedido de reparto con restricciones explícitas, candidatos elegibles, confirmación de disponibilidad y una lista preparada para que operaciones hiciera la asignación final.
Del reclutamiento a la asignación
Onboarding continuo de choferes
Los leads que llegaban desde publicaciones de trabajo entraban en un flujo conversacional de calificación. El sistema recopilaba tipo de vehículo, licencia de conducir, seguro, zona, disponibilidad y otros datos necesarios, mientras creaba o actualizaba el perfil del candidato en la base. Si faltaba información o documentación, la conversación la solicitaba antes de completar el registro. Así, los leads que antes requerían procesamiento manual pasaban a convertirse en registros estructurados y utilizables por el resto del sistema.
Base continua de candidatos
Los registros del intake convierten conversaciones dispersas en una base organizada de potenciales choferes que puede utilizarse cuando aparece una necesidad operativa.
Necesidad de capacidad entrante
Operaciones recibe un requerimiento definido por fecha, zona, capacidad necesaria y restricciones aplicables de vehículo o documentación.
Matching de candidatos
El workflow filtra la base contra esas restricciones para identificar personas que cumplen las condiciones.
Confirmación de disponibilidad
Se contacta a los candidatos adecuados y se registran sus respuestas, transformando la elegibilidad en una confirmación actual.
Decisión de operaciones
El workflow devuelve candidatos confirmados; operaciones conserva la decisión final y el control de la asignación.
El workflow operativo end-to-end
Arquitectura simplificada
Una vista simplificada del sistema que hace explícito el punto de transferencia entre la automatización y operaciones.
Pedido de reparto
Ingresa una necesidad de capacidad con fecha, zona y requisitos operativos.
Restricciones estructuradas
El pedido se traduce en campos que pueden compararse de manera consistente con los datos de candidatos.
Base de candidatos
El onboarding conversacional aporta registros organizados de potenciales choferes, vehículos, documentos, zonas de cobertura y datos de disponibilidad.
Matching de elegibilidad
La lógica de matching reduce la base a candidatos que cumplen los requisitos declarados.
Contacto y confirmación
El flujo de coordinación contacta a los candidatos adecuados y registra su disponibilidad.
Lista confirmada
Operaciones recibe un grupo preparado y conserva la autoridad sobre la asignación final.
De leads a un sistema operativo
El proyecto empezó convirtiendo leads provenientes de búsquedas laborales en registros estructurados de choferes. Una vez que esa información estaba disponible de forma consistente, el mismo modelo de datos podía sostener el resto de la operación: vincular necesidades de capacidad con candidatos adecuados, contactarlos, confirmar disponibilidad y preparar una lista para operaciones.
La información que antes vivía dentro de conversaciones individuales pasó a existir como registros consistentes sobre choferes, vehículos, documentación, zonas de cobertura y disponibilidad. Con esos datos, reclutamiento y planificación de capacidad dejaban de ser procesos separados.
Estructurar primero los datos operativos fue lo que hizo posible la automatización más amplia.
Aprendizajes
- Entender el proceso completo antes de elegir qué automatizar.
- Un chatbot puede ser la interfaz de entrada sin ser el sistema completo.
- Estructurar bien los datos temprano habilita automatizaciones mucho más valiosas después.
- No todo necesita IA: parte del problema se resuelve mejor con reglas, workflows y una buena estructura de datos.
- Automatizar coordinación no implica automatizar la decisión final; operaciones puede conservar el control.