Tres especialistas mostraron consultas sobre ventas, entrenamientos con clientes simulados y agentes capaces de leer archivos o iniciar pagos, con un requisito común: permisos acotados y validación humana.
Un informe puede redactarse en segundos. Sin embargo, el verdadero punto de inflexión aparece cuando esa misma herramienta recibe autorización para consultar ventas, escribir un archivo, responder a un cliente o ejecutar una transferencia. Allí, la eficiencia deja de depender solamente de la velocidad y comienza a involucrar una cuestión más delicada: quién conserva el control.
Esa frontera atravesó el encuentro virtual organizado por Surtidores, que reunió a Alejandro González, CTO de AONIKEN; Rodrigo Bolaños, Latam Executive Director y Global AI Strategy de Mindtools Kineo; y Miguel Medina, consultor, instructor y socio de Apprendia.
Los tres abordaron la transformación desde lugares diferentes. La conversación permitió observar cómo la inteligencia artificial avanza desde las aplicaciones abiertas que responden preguntas hacia soluciones conectadas con datos, procedimientos y herramientas internas de las empresas.
Vieron un problema que nadie resolvía y hoy ayudan a las Estaciones de Servicio con inteligencia artificial
No venden software ni reemplazan sistemas: analizan el funcionamiento de cada establecimiento, identifican tareas repetitivas y ayudan a automatizar el trabajo diario para ahorrar tiempo y optimizar la gestión.
El primer salto ya puede verse en el soporte técnico. AONIKEN, empresa desarrolladora del sistema de gestión CALDEN OIL, que presta servicios a 1.600 Estaciones de Servicio, cuenta con una mesa de ayuda integrada por 50 personas y un historial de aproximadamente una década de consultas. “Desde hace unas semanas estamos alimentando una base de conocimiento con los distintos tipos de incidentes o tickets que se abren, y la inteligencia artificial va encontrando patrones de repetición”, detalló González.
Cuando ingresa una consulta, el sistema identifica el tema y prepara una respuesta probable para el técnico. No la envía directamente. El especialista debe revisarla, completarla y validarla antes de que llegue a la Estación de Servicio.
La misma lógica empieza a trasladarse a los sistemas de gestión. Durante la transmisión se mostraron herramientas capaces de interpretar preguntas formuladas en lenguaje cotidiano sobre planillas, ventas, turnos y desempeño operativo.
En lugar de buscar manualmente entre columnas, filtros y reportes, un responsable podría solicitar las ventas del turno anterior, conocer qué técnicos estuvieron de guardia o transformar una respuesta en una tabla. La consulta se simplifica, pero la confiabilidad continúa dependiendo de cómo esté organizada la información original.
¿Por qué? Los datos no siempre explican por sí solos qué representan. La herramienta puede sumar cantidades, aunque no necesariamente comprende la lógica contable que debe aplicar.
La dificultad aumenta cuando se intenta anticipar faltantes de stock o necesidades de abastecimiento. Una estimación basada únicamente en el historial puede omitir tormentas de nieve, demoras logísticas, entregas con vencimientos próximos o particularidades de cada región.
El riesgo crece todavía más cuando la aplicación recibe permisos para actuar. González mencionó que ya existen integraciones capaces de comunicarse con bancos y ordenar el pago de un proveedor. Sin restricciones sobre los montos, los destinatarios y las instancias de autorización, un error deja de producir una respuesta incorrecta y comienza a afectar dinero real.
La preparación de las personas representa otro nivel de esta transformación. Para Rodrigo Bolaños, incorporar una plataforma no garantiza que los equipos sepan utilizarla ni que puedan convertirla en una mejora medible.
“Comprar licencias es muy fácil, pero luego usar bien esas herramientas es la parte más difícil”, resumió el referente de Mindtools Kineo. Su aporte se concentró en las condiciones particulares del negocio estacionero: operaciones distribuidas, múltiples turnos, rotación de trabajadores y la necesidad de sostener criterios comunes de venta, atención y seguridad.
Los simuladores permiten recrear clientes apurados, indecisos o interesados en conocer una promoción. El trabajador puede practicar cómo ofrecer un combustible premium, proponer una compra adicional, responder una objeción o cumplir un protocolo antes de enfrentarse con una situación real.
“La inteligencia artificial nos está ayudando a estandarizar esas prácticas y poder entregarle feedback inmediato a las personas”, remarcó Bolaños.
Sin embargo, la evaluación no puede quedar librada a una interpretación automática. La empresa debe establecer qué respuestas considera correctas, qué comportamientos espera y qué aspectos se utilizarán para medir el desempeño. Una devolución generada sobre parámetros imprecisos puede consolidar prácticas equivocadas con mayor rapidez.
LA VELOCIDAD TAMBIÉN PUEDE CREAR TRABAJO
Producir más contenido no siempre equivale a ganar productividad. Durante el encuentro, el especialista describió una situación que comienza a repetirse en las oficinas: una persona genera en dos minutos un correo extenso y lo envía a diez compañeros, que luego deben destinar tiempo a leer, interpretar y verificar esa información.
El ahorro individual puede transformarse así en una carga distribuida sobre todo el equipo. El mismo fenómeno aparece cuando los sistemas producen reportes, presentaciones o códigos a una velocidad superior a la capacidad humana para revisarlos.
Este exceso, conocido como AI slop, obliga a medir la eficiencia más allá del tiempo que tarda en obtenerse una respuesta. También importa cuánto demanda comprobarla, corregirla y convertirla en una decisión útil.
El tercer nivel aparece con los agentes de inteligencia artificial. Miguel Medina explicó que se diferencian de un chat porque incorporan memoria y acceso a otras herramientas. Ya no se limitan a contestar, sino que pueden intervenir sobre archivos, sistemas o canales de comunicación.
“Le estamos dando manos a la inteligencia artificial y puede hacer cosas”, graficó el especialista de Apprendia. Un agente (por ejemplo, la herramienta de ChatGPT o Claude) puede leer una planilla, escribir sobre un documento, analizar reseñas de Google Maps, enviar correos o conectarse con WhatsApp, Facebook e Instagram. También podría responder consultas internas a partir de manuales y procedimientos aprobados por la empresa.
Estas aplicaciones no necesariamente requieren grandes estructuras. Pueden comenzar con una tarea acotada, documentación ordenada y accesos limitados. No obstante, cada conexión incorpora una nueva pregunta: qué información puede consultar, qué modificación está autorizado a realizar y en qué momento debe solicitar la intervención de una persona.
La seguridad, por lo tanto, no queda reducida a la elección de una contraseña. Los panelistas recomendaron revisar qué ocurre con la información cargada en herramientas abiertas, diferenciar las condiciones de las versiones gratuitas y pagas, y evaluar soluciones privadas cuando se procesan datos comerciales, laborales o bancarios sensibles.
¿HASTA DÓNDE LA IA SOBRE LO HUMANO?
También advirtieron sobre otro límite menos visible. Si la inteligencia artificial se utiliza para evitar cualquier esfuerzo de análisis, puede debilitar las capacidades que pretende potenciar. Medina lo comparó con ir al gimnasio acompañado por alguien que levanta las pesas en nuestro lugar: el ejercicio se completa, pero el músculo propio no se desarrolla.
Por eso, como sentenció “hay cosas que son indelegables”, la frontera no estará determinada únicamente por la capacidad del software. Cada empresa deberá decidir qué funciones está dispuesta a delegar y cuáles deben permanecer bajo responsabilidad directa de sus encargados, administradores o propietarios.
Cómo usar inteligencia artificial para detectar oportunidades de venta en las Estaciones de Servicio
Surtidores invita al próximo webinar gratuito donde especialistas explicarán el uso de inteligencia artificial y el análisis de imágenes al servicio de mejorar la atención y generar nuevas ventas.
El primer proyecto, coincidieron los especialistas, debería resolver un problema concreto y de bajo riesgo. La información necesita estar ordenada, las personas deben conocer la herramienta y el resultado tiene que compararse con un indicador verificable antes de ampliar los permisos.
La próxima diferencia no estará solamente entre las Estaciones de Servicio que utilicen inteligencia artificial y las que todavía no lo hagan. También se abrirá una distancia entre aquellas que definan reglas antes de automatizar y las que entreguen acceso a sus datos sin saber qué decisiones puede tomar el sistema.
El encuentro completo puede volver a verse en los canales de YouTube y LinkedIn de Surtidores, donde los especialistas profundizaron las demostraciones, los recaudos y las preguntas que el avance de estas herramientas comienza a plantear para la gestión estacionera.
—
fuente: inteligencia artificial por una Estación de Servicio? – Surtidores”> GOOGLE NEWS
