# 3.5. Casos de estudio RAG

## 3.5.1. Casos de uso reales: RAG en la trinchera

La teoría convence, pero los resultados arrastran. \
Ejemplificamos 3 implementaciones en México, con sus métricas, dolores y victorias.<br>

{% tabs %}
{% tab title="⚖️ Despacho Legal (GDL)" %}

#### El "Abogado Jr." automático

**Contexto:** Despacho boutique en Guadalajara con 19 abogados. \
**Especialidad:** Derecho Corporativo. \
**El Dolor:** La investigación de antecedentes para nuevos casos consumía **12 horas semanales** por abogado senior. Leer jurisprudencia, buscar en contratos viejos y revisar el DOF era manual y propenso a errores por fatiga. \
**Costo estimado:** $720k MXN anuales en horas-hombre desperdiciadas.

**La Solución (RAG):** Implementaron un sistema local con **Llama 3.1 70B** (vía Together AI por el contexto largo).

* **Corpus:** Indexaron 850 documentos internos (contratos anonimizados, sentencias ganadas, estrategias procesales).
* **Input:** El abogado describe el caso nuevo en lenguaje natural.
* **Output:** El sistema devuelve 5 antecedentes relevantes de la base interna + referencias a leyes vigentes.

**Resultados a 90 días:**

* 📉 **Tiempo de investigación:** Reducción del 68% (de 12h a 3.8h por caso).
* 🎯 **Precisión:** El sistema encuentra el 87% de los precedentes relevantes automáticamente.
* 🚀 **ROI:** 420% en el primer año.
* **Cualitativo:** Se convirtió en la herramienta #1 de *onboarding* para abogados junior.
  {% endtab %}

{% tab title="🏥 Distribuidora Médica (CDMX)" %}

#### Automatización de pedidos

**Contexto:** Distribuidora de insumos (42 empleados) atendiendo a 180 hospitales y clínicas. \
**El Dolor:** Recibían los pedidos por correo electrónico en texto libre ("Mándame 5 cajas de lo de siempre y checa si tienes jeringas del 5"). Tres ejecutivas dedicaban **42 horas semanales** a leer correos y capturar pedidos en el ERP. Tasa de error manual: 6.8% (envíos equivocados).

**La Solución (Agente RAG):**

* **Inferencia:** Llama 3.2 8B procesando los correos.
* **RAG:** Conectado al catálogo de productos (SKUs, precios, equivalencias) y al historial de compra del cliente ("lo de siempre").
* **Acción:** Make.com toma la respuesta estructurada JSON y crea la pre-orden en el ERP.

**Resultados a 120 días:**

* 📉 **Tiempo de captura:** Reducción del 74% (de 42h a 11h semanales).
* 🎯 **Errores:** Bajaron del 6.8% al 1.9%.
* ⭐ **Satisfacción:** Las ejecutivas ahora dedican el tiempo libre a ventas proactivas y atención al cliente.
  {% endtab %}

{% tab title="🛠️ Ferretería Regional (Puebla)" %}

#### El experto de bolsillo

**Contexto:** Cadena con 3 sucursales y 8,000 SKUs. Alta rotación de personal de piso. \
**El Dolor:** Los clientes llegaban con preguntas técnicas ("¿Qué tubería uso para gas en exterior?"). Los vendedores nuevos no sabían la respuesta o tardaban 20 minutos buscando al gerente o en catálogos físicos. Se perdían ventas por falta de confianza.

**La Solución (Chatbot RAG):**

* **Interfaz:** WhatsApp Business (herramienta que ya usaban).
* **Cerebro:** RAG conectado a las fichas técnicas de los 8,000 productos y manuales de instalación de proveedores.
* **Uso:** El vendedor escribe la duda del cliente en el grupo de WhatsApp y el bot responde al instante con el producto exacto y su ubicación en pasillo.

**Resultados a 90 días:**

* ⏱️ **Atención:** Tiempo de consulta reducido de 25 min a 3 min.
* 💰 **Ventas:** Aumento del 15% en ticket promedio (el bot sugería complementos: "Si llevas tubo, ofrece teflón y codos").
* **Cultura:** Los vendedores nuevos se sienten expertos desde la primera semana.
  {% endtab %}
  {% endtabs %}

***

#### Lecciones transversales de estos casos

1. **Empieza por el dolor:** Ninguno de estos casos empezó diciendo "queremos usar IA". Empezaron diciendo "Odiamos capturar pedidos" o "Perdemos mucho tiempo investigando".
2. **Human-in-the-Loop:** En todos los casos, la IA **sugiere**, el humano **decide**. El abogado revisa la jurisprudencia, la ejecutiva aprueba el pedido, el vendedor confirma el producto.
3. **Datos sucios = Fracaso:** La ferretería tuvo que dedicar 2 semanas a limpiar su Excel de productos antes de que funcionara. Sin ese paso, el RAG fallaba.

{% hint style="info" %}
**TU TURNO** ¿Cuál de estos patrones se parece más a tu negocio?

* **El Buscador:** (Legal) Buscar agujas en pajares de documentos.
* **El Traductor:** (Médica) Convertir pedidos desordenados en datos estructurados.
* **El Asistente:** (Ferretería) Dar conocimiento experto en tiempo real.
  {% endhint %}