La IA en field service tiene un modo de fallo específico: al primero que agota es al power-user — el técnico senior, el dispatcher con diez años. Conocen el camino rápido, y cada turno del AI que añade un re-pregunta o un número de pieza inventado les cuesta un tiempo que no iban a ceder. Trabajamos con plataformas de field service cuyo copilot funcionó bien en la demo y ahora tiene que sobrevivir a las manos de quienes lo rechazan primero.
Dirección del cliente, historial de servicio, tickets abiertos, equipo instalado — todo en el sistema de registro. Un copilot de IA que interroga al técnico sobre cualquiera de estos es más lento que el flujo existente. El prefill elimina la fricción.
Si el lenguaje natural de un técnico dice «necesito el magnetotérmico de 30 amperios» y el modelo emite un número de pieza inventado, el pedido está mal. Los números de pieza deben venir de la salida del tool de catálogo de piezas, nunca del propio texto del modelo. Patrón de contrato de UI.
Las visitas de servicio tienen ramas conocidas — reclamación de garantía, servicio de pago, retorno. Codificar la lógica de ramificación en el prompt («si X, entonces pregunta por Y») es frágil y caro. Una máquina de estado del servidor ejecuta la ramificación; el LLM solo maneja la ambigüedad conversacional dentro de cada rama.
Confirmaciones de cita, resúmenes de quote y actualizaciones de estado en texto libre parecen aceptables en una demo y se desmoronan en producción (zonas horarias equivocadas, unidades equivocadas, frases inconsistentes). Los contratos de UI tipados dejan que el modelo emita la intención; el producto renderiza la forma correcta.
Auditoría de workflow que separa los pasos que de verdad se benefician del LLM de los que sirve mejor unas pocas líneas de código tipado
Contratos de UI tipados para cada salida de cara al cliente — confirmaciones de cita, quotes, actualizaciones de estado
Máquina de estado del servidor para workflows con ramas (garantía, pago, retorno, escalado)
Capa de prefill desde las APIs de ERP / CRM / historial de servicio — el copilot deja de volver a preguntar
Harness de evaluación enfocado en acelerar al técnico, no solo en la calidad de la respuesta del modelo