Cómo convertir automáticamente con IA el pedido que llega por audio o por foto de WhatsApp
El minimercado manda la lista por audio a las seis de la mañana. Dos minutos de alguien caminando entre las góndolas diciendo lo que falta, con el ruido de la persiana de fondo. Es la forma más rápida de pedir que existe, y por eso no va a cambiar.
Otros mandan la foto. Un papel con la lista escrita a mano, la hoja del cuaderno donde anotan lo que falta durante la semana, a veces la etiqueta del producto que se acabó. Es la misma costumbre con otro formato: el cliente usa lo que tiene a mano.
Del otro lado, en los dos casos, alguien lo escucha o lo mira, lo descifra, y lo carga en el sistema antes del corte del día.
Cómo se hace hoy
El pedido viaja dos veces: una desde el cliente hasta la cabeza del que atiende, y otra desde esa cabeza hasta el sistema.
En el primer viaje se pierde tiempo: dos minutos de audio se escuchan en dos minutos, y se escuchan dos veces. Con la foto no es más rápido: hay que descifrar una letra ajena y adivinar si eso dice doce o dos. En el segundo se cuela el error de tipeo, que nadie detecta hasta que el camión llega con doce en lugar de dos.
Y hay un costo que se ve menos: el horario. Si el audio llega a las seis y el que lo carga entra a las nueve, el pedido entró tres horas tarde a una operación donde el corte es a las diez. No es un problema de velocidad de tipeo: es que el dato esperó.
Qué hace la tecnología, concretamente
Transcribe el audio. Dos minutos de audio quedan escritos en la conversación en segundos, así que lo que se dijo deja de depender de que alguien lo recuerde. Funciona con ruido de fondo y con la forma de hablar de cada zona.
O lee la imagen, letra manuscrita incluida. La foto del papel donde el cliente anotó la lista se interpreta igual que el audio: se extraen los renglones, las cantidades y las abreviaturas que esa persona usa siempre. Una hoja de cuaderno sacada de costado, con sombra o con el papel doblado se procesa lo mismo.
Identifica los artículos contra tu catálogo. No contra una lista genérica: contra los códigos que tu empresa usa, con los nombres que ese cliente usa. El que pide "la caja chica de las verdes" está pidiendo un artículo que tiene un código, y ese mapeo se aprende una vez y queda.
Consulta el stock en tu sistema. Antes de confirmar, no después. Si algo no está, lo dice en la misma conversación y ofrece el reemplazo, en lugar de confirmar un pedido que el depósito no va a poder armar.
Toma el precio de tu lista. El que le corresponde a ese cliente, con su descuento y su condición, consultado en el momento.
Deja el pedido armado para confirmar. El cliente ve la lista interpretada, en texto, con cantidades y precios. Confirma o corrige ahí mismo, y recién entonces el pedido entra al sistema de gestión como orden de venta. Una sola vez.
Qué cambia
El pedido entra a las seis y un minuto en vez de a las nueve y media, así que llega al corte del día con margen. Y el error de tipeo desaparece, porque nadie tipea.
Hay un efecto que no se espera: cuando el pedido se confirma en texto, aparecen los errores del cliente. El que dijo "dos" y quiso decir "doce" lo ve escrito antes de que salga el camión. Eso no estaba antes, porque el único que leía la lista era el que la tipeaba.
Dónde no va solo
En lo que no entendió. Un audio con ruido, un renglón manuscrito ilegible, una cantidad ambigua o un artículo que no existe en el catálogo no se resuelven adivinando: se preguntan. Y la pregunta sale en la misma conversación, en el momento, que es cuando el cliente todavía se acuerda de qué quiso decir.
Tampoco decide precios. Si hay que hacer una excepción, la hace una persona y queda registrada.
Por dónde se empieza
Por los veinte clientes que más piden por audio o por foto. Son los que tienen el formato más difícil y los que más ganan. Si el catálogo de esos veinte está bien mapeado, el resto entra solo.