Skip to main content

La nueva evolución de las operaciones de campo

Las tecnologías emergentes están transformando los servicios de posventa, lo que puede beneficiar tanto a los clientes como a sus proveedores.

Es jueves por la tarde cuando recibe una alerta proveniente de un sensor. Una de las máquinas fabricadas por su empresa está a punto de experimentar una falla en la planta de un cliente. Su cliente también recibe la alerta; ambos saben que el activo es crítico para las operaciones: si sale de servicio, puede costarle millones. En minutos, usted convoca a técnicos disponibles a demanda en una plataforma online, todos con certificación en ese tipo de equipamiento. Inmediatamente después de asignado el trabajo, el cliente ya puede monitorear a los técnicos usando una aplicación móvil. En lugar de esperar a realizar un diagnóstico tradicional in situ, los técnicos utilizaron los sensores integrados durante el viaje a la planta, que les dicen exactamente qué está fallando, cómo repararlo y las piezas y herramientas que deben transportar. Una vez en el lugar, cuentan con dispositivos de realidad aumentada y soporte remoto de expertos desde la oficina central que los guían paso a paso. Adicionalmente, el equipo identifica otros dos problemas inminentes con la maquinaria y los soluciona proactivamente. Menos de cuatro horas después de la alerta inicial, la crisis es evitada y el cliente queda satisfecho.

Así será el futuro de las operaciones de campo. Los fabricantes industriales con servicios de posventa han experimentado la disrupción de las nuevas tecnologías y la analítica avanzada, pero las mejores organizaciones no están resistiendo sino capitalizando esas tendencias. Estas compañías están transformando sus operaciones para mejorar radicalmente los niveles de servicio y la experiencia del cliente, aumentando la eficiencia y la productividad y creando valor de nuevas maneras – tanto para los clientes como para ellas mismas como fabricantes de equipos originales (OEMs).

En base a nuestra experiencia, las organizaciones de campo que se transforman para aprovechar las nuevas tecnologías pueden lograr mejoras significativas en costos laborales, productividad y otras métricas de desempeño (Gráfico 1).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Cuatro tendencias tecnológicas esenciales

La función de operaciones de campo ha evolucionado a lo largo de las últimas décadas a la par de los avances tecnológicos. Sin embargo, las nuevas tecnologías implican que los servicios de campo darán un salto cualitativo en términos de eficiencia, efectividad, productividad y experiencia del cliente (Gráfico 2).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

En el escenario actual, existen cuatro áreas críticas en las que la evolución tecnológica está transformando al personal de campo. Cada una de ellas amerita una mirada más detallada.

Herramientas de flujo de trabajo más inteligentes e integradas

En el pasado, las compañías procuraban agrupar la información en paneles de control. No está mal como primer paso, pero los paneles tienen algunas desventajas, como abrumar a sus usuarios con demasiados datos y pocas revelaciones. Tampoco abordan la variabilidad de la efectividad gerencial, y tienden a agrupar los problemas en ciclos de reporte largos, por lo general semanales o mensuales.

A la inversa, la analítica avanzada permite a las compañías generar acciones específicas basadas en la información monitoreada. Estas acciones, presentadas por medio de tableros inteligentes o “actionboards”, pueden ser extremadamente prescriptivas, hasta el nivel de dar coaching a individuos, hacer seguimiento de clientes específicos para resolver problemas de insatisfacción, o visitar plantas para analizar deficiencias de los acuerdos de nivel de servicio (SLA). La ventaja de este método es que elimina el paso casi siempre manual de analizar datos en un panel y decidir qué hacer en base a esos datos. En cambio, los tableros inteligentes indican a los gerentes un curso de acción claro a tomar, por medio de medidas estandarizadas para garantizar que actúen en forma consistente y efectiva. Aún más, el abordaje permite a las compañías reaccionar a las métricas en tiempo real.

Inteligencia artificial y aprendizaje automático

La inteligencia artificial (IA) y el aprendizaje automático (ML) contribuyen a mejorar el mantenimiento predictivo. Sensores integrados y otros dispositivos permiten a los fabricantes monitorear todos sus activos en tiempo real, con alertas visibles en una única pantalla. Vistas detalladas proveen indicadores clave de desempeño de las máquinas, que posibilitan crear instantáneamente un ticket de servicio con probables soluciones.

Cuando los equipos fallan, los técnicos son asistidos por IA y ML para acortar el tiempo de diagnóstico. Por ejemplo, las aplicaciones inteligentes de IoT brindan a los técnicos una vista en una sola pantalla de todos los requerimientos de servicio y detalles de cada trabajo, junto con documentos informativos de fácil acceso para resolver rápidamente los pedidos de asistencia. Los técnicos también pueden obtener soporte a demanda y trabajar en paralelo con un técnico experimentado remoto que los guiará a través de procesos de reparación complejos. Un OEM global utilizó esta metodología con unos 25.000 técnicos de campo en todo el mundo, y logró reducir los costos de mantenimiento en toda la organización el 15 por ciento.

Realidad aumentada (AR)

La forma más simple de AR es una tablet en manos de un técnico. Imaginen un técnico en una planta que necesita reparar un circuito impreso pero no sabe cómo. Puede optar entre buscar la solución al problema en un manual – con altas probabilidades de desperdiciar tiempo –, o pedir al despachador que envíe otro colega más experimentado, lo que resulta en más tiempo ocioso y una experiencia de cliente negativa.

Como alternativa, ese mismo técnico puede usar una tablet, gafas u otras herramientas preparadas para AR para obtener información útil sobre un activo caído. Por ejemplo, un trabajo de servicio realizado con un auricular puede liberar una o las dos manos, generando fuertes ganancias de productividad. Nuevas herramientas de AR más avanzadas permitirán a los trabajadores sostener una tablet frente a una máquina para descargar un diagrama esquemático, y así ver cómo es el interior del dispositivo antes de retirar la cubierta. Un tema común de la AR es que estas herramientas permiten a los técnicos solicitar ayuda de un experto remoto, capaz de guiarlo en el terreno por medio de indicaciones visuales paso a paso con la ayuda de realidad aumentada. Esto permite resolver los problemas más rápidamente, mejorando al mismo tiempo la experiencia del cliente. Compañías de sectores que van desde semi-conductores y high-tech a petróleo & gas y equipamiento pesado están usando aplicaciones de AR para sus técnicos de campo.

Personal a demanda

Por último, la tecnología está cambiando la manera de gestionar la mano de obra en las organizaciones de trabajo de campo. En lugar de contratar a un plantel completo de empleados a tiempo completo, las empresas pueden recurrir a personal temporario para reducir la complejidad. Básicamente un modelo de talento “tipo Uber”, el staffing a demanda permite a profesionales calificados como técnicos, codificadores, electricistas y otros especialistas ofrecer sus servicios a través de una plataforma. Para los OEMs, este abordaje puede optimizar los costos laborales, en especial para tareas no esenciales. Las compañías también pueden racionalizar sus funciones de soporte, y al mismo tiempo mejorar los niveles de servicio y extender el alcance geográfico de sus actividades.

Poniendo las herramientas a trabajar

Para conocer cómo integrar estas herramientas en el mundo real, consideremos las siguientes aplicaciones.

  1. Adecuarse a la demanda. Muchos OEMs tienen problemas para estimar la demanda con exactitud. Al utilizar herramientas analíticas avanzadas como aprendizaje automático, es posible integrar múltiples fuentes de información – tanto internas como externas – para elaborar proyecciones precisas de demanda para cada mercado. También pueden definir el nivel adecuado de personal interno y combinarlo con recursos temporarios ajustables a la demanda, y establecer sistemas de despacho dinámico para asignar rápidamente a los técnicos al lugar de trabajo, con la posibilidad de reaccionar a los cambios en tiempo real. Ahorros totales: 5-20 por ciento de los costos laborales.
  2. Aumentar la eficiencia. Al automatizar y digitalizar los procesos, los OEMs pueden ejecutar sus operaciones de campo mucho más eficientemente. Por ejemplo, digitalizando los procesos manuales y la documentación en papel y reemplazándola por dispositivos inteligentes. Otra posibilidad es utilizar analítica avanzada para examinar los reportes de trabajo e identificar mejoras prácticas para estandarizarlas en toda la organización, y definir métricas de gestión del desempeño y crear tableros orientados a la acción para administrarlo mejor. Ganancia total: 10-30 por ciento de mejora de la productividad.
  3. Mejorar la experiencia del cliente. Quizás lo más importante, los OEMs pueden usar las nuevas tecnologías para elevar la experiencia de los clientes. Por ejemplo, una opción es usar analítica para identificar los principales factores de satisfacción a lo largo de todo el recorrido para eliminar los puntos débiles y refinar la oferta. Los OEMs también pueden usar la analítica para mejorar el desempeño en conversiones de servicio a ventas. Ganancia total: 5-15 por ciento de aumento de ventas, y 20-40 por ciento de aumento de la satisfacción de clientes.

Analicemos el caso de una empresa de telecomunicaciones que enfrentaba dificultades debido al alto costo de las operaciones de campo. Lo que es peor, estaba rezagada respecto de sus competidores en métricas de desempeño clave como niveles de utilización de técnicos y porcentaje de visitas a clientes cumplidas en tiempo y forma. Un importante problema era que las diferentes divisiones – ventas, planeación, despacho y operaciones de campo – operaban en silos, cada una enfocada en la ejecución en su propia unidad más que en el objetivo real de servir a los clientes. Para superar este escollo, la compañía estableció un flujo de trabajo por el que todas las unidades comenzaron a colaborar en tiempo cuasi-real. Eso permitió a la organización flexibilizar la programación de la mano de obra, implementar un mecanismo de rendición de cuentas por los resultados, poner el foco en el cliente final y mejorar continuamente sus operaciones de campo, todo al mismo tiempo. Como resultado, la organización mejoró la productividad de los técnicos de campo el 10 por ciento y el índice de puntualidad de las visitas el cinco por ciento.

Cuatro prioridades para la gerencia

Para capitalizar las nuevas tecnologías, y tratarlas como catalizadoras de un desempeño superior en lugar de disruptoras, los equipos de liderazgo de los OEMs deben poner el acento en cuatro prioridades, teniendo en cuenta que los primeros en actuar suelen quedarse con la mayor porción de la recompensa (Gráfico 3).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Desarrollar competencias digitales y analíticas

Muchas organizaciones simplemente carecen de las competencias necesarias. Los OEMs necesitan lanzar un esfuerzo concertado para crear esas competencias, por medio de programas de entrenamiento y desarrollo para los empleados existentes o a través de iniciativas de reclutamiento puntuales. Notablemente, estas capacidades no deben provenir necesariamente de empleados a tiempo completo. Por el contrario, las compañías pueden sacar provecho del expertise externo contratando con proveedores o formando alianzas y joint ventures.

Colaborar con proveedores de soluciones

En lugar de esperar a que las tecnologías emerjan para luego determinar si satisfacen una necesidad de la organización (y de qué manera), los OEMs deben ser mucho más proactivos y colaborar con los proveedores encargados del desarrollo de las nuevas herramientas. Esto no solo les permitirá obtener un mejor entendimiento de lo que está por venir, sino que muchas veces los proveedores de soluciones carecen de la experiencia del mundo real específica de una industria, y por ello recibirán con beneplácito el input de los usuarios finales.

Modernizar las mentalidades de los trabajadores

Muchos OEMs se caracterizan por una poderosa inercia en sus procesos y el personal de campo existentes. Los técnicos asumen una mentalidad de “suma cero”, por la que no colaboran ni comparten mejores prácticas. Es de esperar que algunos se resistan al cambio, argumentando en favor de “seguir haciéndolo de la misma manera que hasta ahora”. Por ello, las compañías deben fomentar una cultura y una mentalidad de mejora continua, por ejemplo estructurando incentivos y recompensas para que técnicos y empleados de línea puedan compartir las ventajas de las mejoras propuestas.

Rediseñar la estructura organizacional

Muchos OEMs poseen estructuras organizacionales que fueron diseñadas para el mundo análogo. Algunos crecieron a través de fusiones y adquisiciones y sin suficiente integración. La digitalización y la analítica avanzada pueden cambiar radicalmente la manera de trabajar, modificando algunos procesos y eliminando por completo otros. Pero las organizaciones no lograrán capturar todos los posibles beneficios de las nuevas tecnologías si no reconfiguran apropiadamente su estructura.

Un ejemplo real: un OEM global buscaba mejorar los tiempos de respuesta a las solicitudes de mantenimiento para su maquinaria. La compañía determinó que el problema subyacente era el tiempo perdido durante el diagnóstico y el envío de técnicos al sitio de trabajo que carecían de las habilidades o de las piezas necesarias para resolver el problema específico. El OEM tenía sensores integrados a algunos de sus equipos capaces de capturar información sobre desempeño, pero esa información estaba siendo enviada a un lago de datos que nadie consultaba. Para mejorar la situación, la compañía estableció un equipo analítico y le encargó desarrollar algoritmos de aprendizaje automático para identificar las fallas más comunes en las principales máquinas y las causas más frecuentes. Cuando los algoritmos estuvieron listos y comenzaron a utilizar la información de los sensores, el equipo logró predecir los tres principales motivos de falla de un dispositivo con una precisión del 75 por ciento. Esto condujo a mejoras significativas en la tasa de reparaciones exitosas al primer intento.


En el pasado, las compañías tenían grandes dificultades para averiguar qué estaba sucediendo con sus máquinas. Hoy día, las máquinas pueden informar en forma remota no solo qué está funcionando mal, sino también cómo repararlo. Esta nueva visión, denominada “Field 4.0”, puede parecer futurista, pero la tecnología digital y la analítica avanzada pertenecen al mundo real y han demostrado su eficacia en organizaciones que miran hacia el futuro. Estas herramientas ofrecen a las empresas un medio eficaz para mejorar el desempeño, reducir los costos y elevar la satisfacción de los clientes. De hecho, la única duda es si los equipos gerenciales tendrán la perspicacia necesaria para capitalizarlas o si dejarán el futuro en manos de sus competidores.

Sobre los autores

Guy Benjamin es Socio Asociado de la oficina de McKinsey & Company en Nueva York; Brett May es Socio Asociado de la oficina de Silicon Valley; Mitesh Prema es Experto Senior de la oficina de Atlanta; y Vaibhaw Raghubanshi es Experto del Centro de Conocimientos de Waltham.

Related Articles