Triaje y Priorización del Buzón con ChatGPT Business

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 30-40 minutos tendras:

✓ Mapa de reglas de priorización aplicables en 24-72 h
✓ Prompt listo para ChatGPT Business que clasifica, prioriza y sugiere acciones
✓ Plantillas de respuesta y matriz de escalado para su equipo

Antes de empezar, asegurate de tener lo siguiente:

Acceso a ChatGPT Business Cuenta corporativa con permisos para integrar flujos de trabajo y enviar prompts a la bandeja de correo corporativa.

Muestra de correos Conjunto de 200-500 correos representativos (anonimizados) o exportación CSV/EML para entrenar reglas y validar priorización.

Integración de buzón Conectores (Zapier, Make, o API propia) para automatizar acciones desde ChatGPT hacia el sistema de correo o ticketing.

Acuerdo de niveles de servicio (SLA) Definición interna de tiempos máximos de respuesta y responsables por tipo de incidencia.

Transferencia internacional de datos: ChatGPT procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

Logística Norte S.A., sector logística y distribución — el problema real

El director de operaciones recibe cientos de correos diarios: reclamos de clientes, consultas de transportistas y solicitudes internas. Falta priorización clara; lo urgente se mezcla con lo informativo y se pierden SLA críticos.

Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 30-40 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

ChatGPT
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: ChatGPT combina comprensión semántica con capacidad para aplicar reglas de negocio definidas por el directivo, lo que permite clasificar mensajes ambiguos que filtros basados en palabras clave fallan en detectar. Además puede generar plantillas y justificar decisiones de priorización para auditoría interna.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
el volumen de correos impide actuación manual eficiente existen SLA y escalados que deben cumplirse rigurosamente se quiere reducir tiempo medio de respuesta y mejorar trazabilidad	cuando el buzón solo recibe comunicación de bajo volumen y sin impacto operacional cuando las decisiones requieren juicio legal o clínico que requieran revisión humana previa cuando no hay capacidad organizativa para ejecutar las acciones recomendadas

Paso 01

Definir prioridades y reglas de negocio

Antes de automatizar, establezca criterios claros de prioridad y escalado alineados con objetivos operativos. Esto evita que la IA priorice métricas irrelevantes.

1
Listar tipos de correo críticos Identifique las categorías que afectan operaciones: incidencias de entrega, reclamaciones de clientes VIP, fallos de almacén, solicitudes legales. Asigne impacto (Alto/Medio/Bajo) y responsable.
2
Definir tiempos SLA por categoría Establezca el tiempo máximo de respuesta y resolución por tipo de correo. Ejemplo: incidencias críticas 2h, reclamaciones VIP 8h, consultas generales 48h.
3
Crear reglas de escalado Determine cuándo escalar a un director, cuándo crear ticket y cuándo responder automáticamente. Incluya umbrales basados en impacto, remitente y palabras clave de negocio.

Checkpoint: Documento de prioridades y matriz de escalado aprobado por dirección operativo-comercial.

Paso 02

Preparar datos y ejemplos representativos

Recoja ejemplos reales (anonimizados) para alimentar el prompt y validar la clasificación. La calidad del muestreo determina la precisión inicial.

1
Seleccionar muestras de correos Extraiga un conjunto representativo (200-500 correos) que cubra incidentes críticos y comunes. Anote categoría, urgencia y acción tomada para cada muestra.
2
Anonimizar y etiquetar Retire datos personales sensibles; añada etiquetas internas: categoría, impacto, tiempo de respuesta requerido y resultado deseado.
3
Subir o pegar ejemplos en ChatGPT Incluya 10-20 ejemplos etiquetados directamente en el prompt de prueba para que el modelo aprenda el patrón organizativo.

Checkpoint: Conjunto de ejemplos etiquetados listo para pruebas en ChatGPT Business.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[EMPRESA]Nombre de la empresa u organización (por ejemplo: 'Logística Norte S.A.')

[PRIORIDADES]Lista corta de prioridades estratégicas separadas por comas (ej: 'mantener entregas al 99%, priorizar clientes VIP, reducir reclamaciones')

[SLA_TIEMPOS]Definición de SLA en formato tabla breve (ej: 'Crítico: 2h; Alta: 8h; Media: 24h; Baja: 72h')

Prompt principal — Triaje y Prioridad del Buzón Eres un asistente ejecutivo que automatiza el triaje y priorización de correos para la empresa [EMPRESA]. Tienes acceso a reglas de negocio y ejemplos etiquetados que te proporciono a continuación. Objetivo: clasificar cada correo entrante en una de estas categorías (Crítico / Alta Prioridad / Media / Baja), asignar un responsable, proponer acción inmediata (Respuesta estándar, Crear ticket, Escalar a dirección), y generar una justificación breve de la priorización. Restricciones: usar los SLA definidos en [SLA_TIEMPOS] y priorizar según la lista de prioridades estratégicas [PRIORIDADES]. Salida requerida: 1) Resumen ejecutivo de 3-5 viñetas con los criterios aplicados; 2) Tabla de reglas de priorización (condición -> categoría -> acción -> responsable); 3) 8 plantillas de respuesta lista para enviar (incluye variables como [NOMBRE], [NUM_PEDIDO], [FECHA_ENTREGA]); 4) Matriz de escalado con umbrales temporales y responsables; 5) Métricas de control recomendadas (TME, % cumplimento SLA, tasa de falsos positivos/negativos) y dashboard mínimo; 6) Plan de implementación de 2 semanas con actividades y responsables; 7) Riesgos y controles de gobernanza. Incluye además 10 ejemplos clasificados aplicando las reglas anteriores: pega aquí 10 correos de ejemplo (o indica si usarás los ejemplos proporcionados). Formato de salida: primero el resumen ejecutivo, luego la tabla de reglas en formato listado numerado, luego plantillas con asunto y cuerpo, luego matriz de escalado, métricas y plan de implementación. Si detectas conflictos entre [PRIORIDADES] y [SLA_TIEMPOS], señala explícitamente las discrepancias y propone resolución prioritaria para dirección. Evita tecnicismos innecesarios; produce un output ejecutivo y accionable que pueda entregarse al responsable de operaciones y al Comité de Dirección.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Refinar reglas y gobernanza

Itere sobre el resultado con métricas reales y ajustes operativos. Establezca gobernanza para cambios de reglas y auditoría de decisiones automáticas.

1
Validar con el equipo operativo Revise las clasificaciones y plantillas con responsables de turno y ajuste reglas que produzcan falsos positivos o negativos.
2
Programar revisiones periódicas Defina revisiones quincenales iniciales y mensuales después de estabilizar; registre métricas y cambios aprobados.

Checkpoint: Política de triaje aprobada, métricas de control definidas y calendario de revisión operativo.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Los resultados son demasiado generales. Reevalúa las reglas aplicando estas condiciones adicionales: correo de cliente VIP, referencia de pedido con retraso >48h, y menciones de 'incidencia de carga'. Actualiza la tabla de reglas y muestra 5 ejemplos nuevos aplicándolas."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Produce una versión resumida (máx. 250 palabras) del resumen ejecutivo y otra versión ampliada con justificaciones técnicas y ejemplos (máx. 800 palabras). Mantén las plantillas intactas."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reformula todo el output con tono formal ejecutivo para Comité de Dirección: más conciso, sin jerga operativa, con foco en impacto en KPIs y decisiones a tomar."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera una versión de 1 página con: 3 métricas clave, 3 riesgos principales y la recomendación de decisión clara (continuar, ajustar recursos, escalar a CEO). Incluye comentario de impacto en coste y servicio."

Resultado

Que vas a obtener

Este es el tipo de output que genera ChatGPT con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — Logística Norte S.A., sector logística y distribución

Estructura del output

El prompt genera un informe ejecutivo estructurado: resumen ejecutivo, reglas de priorización numeradas, plantillas de respuesta, matriz de escalado, métricas y plan de implementación. Cada sección debe ser corta, accionable y con responsables claros.

Senales de un buen output

Las reglas son específicas y verificables
Las plantillas incluyen variables sustituyables y asuntos claros
La matriz de escalado tiene umbrales temporales y responsables nombrados
Se propone un plan de implementación con plazos y entregables

Senal de que el output es bueno: Listado de reglas con condiciones precisas y ejemplos aplicados que coinciden con los correos de muestra

Costes

Inversion y retorno

30$/usuario/mes ChatGPT Business / usuario / mes

5-15 min por ejecución típica Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: La automatización del triaje reduce tiempos de respuesta y reenvíos innecesarios, lo que mejora el cumplimiento de SLA y la satisfacción de clientes. Para una unidad de 50 usuarios, la reducción de horas operativas y la mejora en retención de clientes suele justificar el coste en menos de 3 meses.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
Clasificaciones inconsistentes en correos similares	Ejemplos de entrenamiento incompletos o contradictorios	Reunir y etiquetar 50-100 ejemplos adicionales representativos y re-ejecutar el prompt; documentar la regla preferida.
Plantillas con variables genéricas no rellenables	Ausencia de campos estándar en el correo (p. ej. número de pedido)	Definir campos obligatorios en el flujo de intake y solicitar parámetros mínimos en la plantilla de ingreso de correo.
Demoras en la generación de respuesta	Prompt demasiado extenso o límite de tokens alto	Dividir la tarea: primero clasificar, luego generar plantilla en segundo prompt; optimizar ejemplos enviados.
Escalados incorrectos a dirección	Reglas de escalado con umbrales mal definidos o conflictos con SLA	Revisar y ajustar la matriz de escalado; establecer una revisión humana en las primeras 48 horas para correcciones.
Falsos positivos en correos de baja prioridad marcados como críticos	Palabras clave ambiguas o lenguaje figurado	Añadir contrafiltros basados en contexto (por ejemplo, remitente interno + asunto indica no crítico) y ejemplos negativos en el prompt.

Modo avanzado

Como hacer este tutorial con ChatGPT en modo avanzado

El modo agente permite a ChatGPT operar de forma autónoma con permisos controlados: clasificar correos, crear tickets en un sistema y enviar respuestas estandarizadas. Use este modo solo tras validar reglas y establecer límites de escalado y supervisión humana.

Modo avanzado

Flujo de trabajo avanzado

1
Conceder permisos mínimos al agente para leer correos etiquetados de prueba
2
Configurar acciones automatizadas: etiquetar, crear ticket y enviar plantilla aprobada
3
Supervisar 72 horas en paralelo con revisión humana para calibrar reglas
4
Escalar automáticamente según la matriz si se superan umbrales temporales o de impacto

Actúa como agente automatizado de triaje para [EMPRESA]. Toma cada correo nuevo y: 1) clasifícalo en Crítico/Alta/Media/Baja usando las reglas de [PRIORIDADES] y los tiempos de [SLA_TIEMPOS]; 2) crea ticket en el sistema con asunto estandarizado, etiqueta y prioridad; 3) si la acción es 'Respuesta estándar', envía la plantilla correspondiente incluyendo campos extraídos; 4) si aplica escalado, notifica al responsable nombrado y registra la justificación. Registra cada decisión con timestamp y fragmento de texto justificativo (máx. 120 caracteres). Si detectas ambigüedad que impide decisión automática, marca para revisión humana inmediata. Limita envíos automáticos a 50 por hora y reporta cada 4h un resumen de errores, falsos positivos y cumplimiento SLA.

Cuando usar el modo avanzado en este tutorial: Especialmente valioso cuando hay alto volumen no estacional y se dispone de integraciones a ticketing; también cuando la organización necesita reducir ruido para directivos sin perder control operativo.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · ChatGPT

Explorar mas tutoriales de ChatGPT

Descubre otros casos de uso de ChatGPT para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Tras implementar, programe una revisión de 14 días con métricas reales y ajuste reglas basadas en falsos positivos/negativos; documente cambios para auditoría y aprendizaje continuo.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere