Fichajes fiables, cada mañana.
Semat distribuye y mantiene piezas industriales en cuatro centros. Cada día, la responsable de RR. HH. comparaba a mano los fichajes con las horas registradas en las órdenes de trabajo. Construimos el agente que hace esa conciliación y avisa al jefe de taller adecuado.
Proyecto en despliegue. Las cifras siguientes proceden de pruebas con datos reales. El agente es la primera pieza de una plataforma global que reunirá todos los agentes de Semat, incluidos dos asistentes conversacionales en desarrollo.
Dos archivos, cada día.
Cada día laborable, la responsable de RR. HH. comparaba dos fuentes en una hoja de cálculo: las horas de entrada y salida, y las horas registradas en las órdenes de trabajo.
Después avisaba de cada diferencia a los jefes de taller, por teléfono o en persona.
Un error que un responsable no corrige se queda para siempre en el ERP.
Conciliar, priorizar, avisar.
- Cada día laborable a las 4:00, recupera los datos del día anterior. Excepto fines de semana y festivos belgas.
- Cruza los fichajes, las horas de las órdenes de trabajo y las ausencias declaradas.
- Aplica 7 reglas: fichaje ausente, diferencia de más de 15 minutos, jornada anormalmente larga, pausa no registrada… Una ausencia justificada nunca se señala.
- Envía a cada jefe de taller un correo con solo las anomalías de su equipo, ordenadas por gravedad.
- Un panel conserva el historial: cada anomalía se marca como corregida, justificada o falsa alarma.
Salvaguardas. Sin datos, no sale ninguna alerta. Si más de la mitad del personal parece ausente, señal de un cierre colectivo no registrado, el agente no envía nada a los responsables y señala un problema técnico.
Cada día, dos exportaciones que comparar a mano.
| Operario | Presencia | Pausa | Horas en órdenes de trabajo | Diferencia |
|---|---|---|---|---|
| Operario A | 8 h 05 | 30 min | 7 h 05 | ? |
| Operario B | — | — | 6 h 20 | ? |
| Operario C | 8 h 10 | 30 min | 7 h 40 | ? |
| Operario D | 7 h 40 | 0 min | 7 h 35 | ? |
| … | … | … | … | … |
Asunto: 3 anomalías de fichaje en su equipo, ayer
Operario B: 6 h 20 en órdenes de trabajo, ningún fichaje.
Regla: fichaje ausenteOperario A: 7 h 35 fichadas sin pausa, 7 h 05 en órdenes de trabajo. Diferencia de 30 min.
Regla: diferencia fichaje / prestacionesOperario D: 7 h 40 trabajadas, ninguna pausa registrada.
Regla: pausa no registradaQuitamos la IA.
Nuestro objetivo es el resultado, no la IA a toda costa. Para detectar las anomalías, primero probamos un modelo de IA en un día de control: 14 anomalías verificadas a mano.
| Reglas | Modelo de IA | |
|---|---|---|
| Anomalías encontradas | 14 de 14 | 6 de 14 |
| Falsas alarmas | 0 | 9 |
| Anomalías no detectadas | 0 | 8 |
En esta tarea, la IA se equivocaba sobre todo al comparar cifras cercanas a los umbrales y no detectaba casi ninguno de los casos graves. Así que ajustamos la solución: la detección está escrita en código, donde es más fiable. La IA conserva el papel en el que destaca: redactar correos claros para cada responsable.
Las trampas de los datos reales. En el ERP, las piezas de recambio y las horas de trabajo comparten la misma tabla, y las horas de las órdenes de trabajo están reconstruidas, por lo que no se pueden usar. El agente se basa solo en las duraciones.
Publicaremos el ahorro de tiempo tras unas semanas de uso. Ya se está midiendo en el panel.
Dos archivos que comparar cada día.
Un agente puede hacerlo por usted, cada mañana, con las mismas reglas.