El enrutamiento ineficiente de tickets y los tiempos de respuesta largos son dos de los problemas operativos más comunes en equipos que gestionan solicitudes a escala. Make los aborda desde su propia propuesta: conectar la infraestructura que el equipo ya usa para enrutar tickets entrantes y generar respuestas automáticas, sin necesidad de reemplazar las herramientas existentes ni implementar una plataforma de tickets específica.
En la práctica, eso significa que Make puede procesar solicitudes entrantes de cualquier canal —email, formulario, Slack, chat— y clasificarlas automáticamente usando IA: categoría, urgencia, área responsable y sentimiento del mensaje, sin que un agente tenga que leerlo primero para decidir a dónde va. El resultado es un flujo que recibe el ticket, lo interpreta y lo deriva al lugar correcto antes de que intervenga ninguna persona, tanto a equipos que gestionan solicitudes externas —soporte al cliente, postventa, atención comercial— como a áreas que operan hacia adentro de la organización: RRHH que recibe pedidos de licencias o liquidaciones, IT que gestiona incidentes internos, operaciones que centraliza solicitudes de distintos sectores.
<<<Procesamiento de tickets con IA: mejora tu soporte al usuario con Make>>>
Antes de que un agente toque el problema, ya gastó tiempo. Leyó el ticket, identificó de qué se trata, evaluó qué tan urgente es, decidió si lo resuelve o lo deriva y, si lo deriva, buscó a quién. En organizaciones con volumen alto de solicitudes, ese proceso se repite decenas o cientos de veces por día.
El impacto no es solo de tiempo. Clasificar es un trabajo cognitivamente repetitivo que convive con la presión de responder rápido: el contexto ideal para que aparezcan errores. Un ticket mal categorizado va a la cola equivocada. Un ticket urgente que no se identificó como tal espera en la fila general. Un caso que requería escalada inmediata se resuelve tarde.
La clasificación manual tampoco escala. Un equipo que hoy maneja cien tickets diarios con tres agentes no puede absorber doscientos sin sumar personas o sin rediseñar el proceso. La automatización de la clasificación no reemplaza al agente: le devuelve el tiempo para trabajar en lo que requiere criterio humano real.
El flujo de procesamiento de tickets con IA en Make tiene cinco etapas. Cada una puede configurarse con las herramientas que el equipo ya usa, sin necesidad de adoptar una plataforma de tickets específica.
Entrada El ticket llega por el canal donde el equipo ya recibe solicitudes: un email a una casilla compartida, un formulario de Google o Typeform, un mensaje en un canal de Slack, un chat embebido. Make escucha ese canal mediante un módulo disparador y captura el contenido en el momento en que llega.
Extracción del contenido Make toma el texto del ticket —asunto, cuerpo, datos del remitente— y lo estructura como variables disponibles para los pasos siguientes. Si el canal es email, extrae asunto y cuerpo. Si es un formulario, extrae cada campo por separado. Si es Slack, toma el mensaje y el usuario que lo envió.
Clasificación con IA El texto extraído se envía a una API de IA con un prompt estructurado que instruye al modelo para devolver la clasificación: categoría, urgencia, área responsable, sentimiento y nivel de confianza. Make recibe esa respuesta, la parsea y convierte cada campo en una variable independiente que el flujo puede usar en los pasos siguientes.
Routing Con las variables de clasificación disponibles, el módulo Router de Make bifurca el flujo según las condiciones definidas: urgencia alta va a una cola prioritaria, tickets de RRHH van al canal del área de personas, tickets ambiguos o de baja confianza se derivan a revisión humana. Cada rama puede incluir también una búsqueda en sistema —una base de conocimiento, un CRM, un registro interno— para enriquecer la respuesta antes de entregarla.
Respuesta El ticket derivado llega al destino correcto: se crea un ítem en monday.com, se abre un caso en HubSpot, se envía una notificación al agente responsable en Slack, o se genera una respuesta automática al remitente con la información disponible. Si el flujo incluye respuesta directa, esta puede incorporar datos recuperados del sistema en el paso anterior.
Make conecta cada etapa del proceso mediante módulos que se configuran visualmente, sin necesidad de escribir código. En un flujo de clasificación de tickets, estos módulos cumplen roles específicos y trabajan en secuencia.
El primero es el punto de escucha: Make monitorea el canal por donde llegan las solicitudes —una casilla de email, un formulario, un canal de Slack— y activa el flujo en el momento en que llega un mensaje nuevo. Desde ahí, el contenido del ticket queda disponible como información estructurada para los pasos siguientes.
El segundo módulo es el que conecta con la IA. Make envía el texto del ticket junto con las instrucciones de clasificación y recibe como respuesta los campos que el equipo necesita: categoría, urgencia, área responsable, sentimiento y un indicador de confianza sobre esa clasificación. Lo que determina la calidad de ese resultado no es la herramienta en sí, sino qué tan bien definidas están las instrucciones que se le dan a la IA. Cuanto más acotadas y precisas sean las categorías y áreas posibles, más consistente será la clasificación.
Una vez que la IA devuelve esa información, Make la convierte en variables que el resto del flujo puede leer y usar como condiciones. Esto es lo que habilita la derivación automática: el flujo sabe que un ticket con urgencia alta debe ir a una cola prioritaria, que un ticket de RRHH debe notificar al canal del área de personas, o que un ticket con baja confianza de clasificación debe detenerse antes de asignarse y pasar a revisión humana.
Esa lógica de derivación se construye con el módulo Router de Make, que permite definir tantas ramas como escenarios necesite el equipo. Cada rama es una condición: si la categoría es tal, si el área es cual, si la confianza supera o no cierto umbral. El flujo evalúa esas condiciones en tiempo real y ejecuta solo la rama que corresponde a cada ticket.
Lo que hace que este diseño sea especialmente flexible es que las condiciones de derivación no están fijas: el equipo puede ajustarlas a medida que el sistema madura, agregar nuevas categorías, cambiar los criterios de urgencia o incorporar nuevas fuentes de entrada sin rediseñar el flujo desde cero.
Un colaborador envía el siguiente mensaje al canal de consultas internas:
"Hola, necesito saber cuántos días de licencia me quedan disponibles para este año."
La IA procesa ese texto y lo clasifica como una consulta de beneficios, urgencia baja, área RRHH, sentimiento neutro, con un nivel de confianza alto. Con esa clasificación, Make ejecuta la rama correspondiente del Router:
El colaborador recibió una respuesta en segundos. El equipo de RRHH tiene el registro sin haber intervenido. Si la consulta hubiera requerido gestión manual —una licencia por enfermedad con documentación, por ejemplo— el flujo habría derivado el caso a un agente con toda la información ya estructurada.
No todos los tickets son fáciles de clasificar. Un mensaje como "tengo un problema con lo de siempre" no tiene suficiente información para una clasificación confiable. Forzar una asignación automática en esos casos genera más problemas que los que resuelve.
La solución es pedirle a la IA que incluya, junto con la clasificación, un indicador de qué tan segura está de esa lectura. Si ese nivel de confianza está por debajo del umbral que el equipo define como aceptable, el flujo no asigna automáticamente: deriva el ticket a una cola de revisión humana con toda la información disponible ya adjunta.
Esa rama de derivación puede incluir:
Este diseño cumple dos funciones. La primera es obvia: evita asignaciones incorrectas. La segunda es menos visible pero igual de importante: genera un registro de los tickets que el sistema no pudo clasificar con confianza, que es exactamente el insumo que el equipo necesita para afinar las categorías y mejorar el flujo con el tiempo.
Un sistema de clasificación que nunca falla no existe. Uno que falla de forma controlada y mejora con los datos que genera, sí.
<<<Errores en make que afectan a tus automatizaciones (y cómo evitarlos)>>>
La clasificación automática de tickets es el caso de uso más inmediato, pero el mismo flujo tiene extensiones naturales que vale la pena considerar según el contexto de cada equipo.
En soporte externo, el flujo puede integrarse con un CRM para recuperar el historial del cliente antes de asignar el ticket, o para actualizar automáticamente el estado del caso una vez que el agente lo resuelve.
En RRHH, el mismo flujo que clasifica solicitudes de licencia puede extenderse para verificar políticas internas, calcular días disponibles y generar la respuesta sin intervención del área, reservando la gestión humana para los casos que lo requieren realmente.
En operaciones internas, puede procesar solicitudes que llegan desde distintos sectores de la empresa —compras, logística, administración— y derivarlas a la cola correcta aunque lleguen todas por el mismo canal.
El punto de partida no necesita ser el flujo completo. Un primer escenario que conecte la casilla de email con la clasificación por IA y una notificación al canal de Slack del equipo ya cambia la dinámica operativa. Desde ahí, el flujo crece de forma incremental a medida que el equipo valida la clasificación y gana confianza en el sistema.