Choco automatiza la distribución de alimentos con OpenAI y duplica la productividad de ventas

Choco ha mostrado cómo los agentes de IA pasan de ser herramientas auxiliares a infraestructura crítica de un negocio real. La plataforma de distribución de alimentos integró la API de OpenAI en el procesamiento de pedidos y, según sus propios datos, ahora gestiona más de 8,8 millones de pedidos al año, reduce hasta un 50% la entrada manual y permite a los equipos de ventas trabajar el doble de productivos sin ampliar la plantilla.

Choco opera en el sector de food & beverage distribution y reúne en un mismo sistema a restaurantes, proveedores y distribuidores. La empresa afirma que atiende a más de 21.000 distribuidores y 100.000 compradores en Estados Unidos, Reino Unido, Europa y los países del golfo Pérsico.

Al crecer el negocio, el principal problema no resultó ser las interfaces ni el CRM como tal, sino un flujo caótico de pedidos entrantes: llegaban por correo, SMS, mensajes de voz, fotografías de documentos e incluso notas manuscritas. Después, los empleados lo convertían todo a mano en pedidos estructurados para sistemas ERP, lo que frenaba el crecimiento y creaba un riesgo constante de errores.

Según explica la compañía, lo más difícil ni siquiera era reconocer texto o voz. La capa crítica es el contexto oculto: las equivalencias de SKU propias de cada cliente, las unidades de medida habituales, los patrones de entrega y otros detalles que suelen quedar en la cabeza de los empleados del order desk. Por eso Choco apostó no solo por automatizar pasos con plantilla, sino por un sistema de inferencia capaz de resolver la ambigüedad en el momento en que llega el pedido. En esencia, se trata de trasladar el conocimiento operativo de la memoria humana a una capa de software disponible 24/7 y que no depende de un turno ni de un empleado concreto.

Sobre esa base, la empresa lanzó OrderAgent, un agente para procesar entradas multimodales que acepta correos, SMS, imágenes y documentos y los convierte en pedidos listos para el ERP. Después llegó VoiceAgent, basado en la Realtime API: permite a los clientes hacer pedidos por teléfono con una latencia inferior a un segundo, también fuera del horario laboral.

Según Choco, eligió OpenAI por la calidad de sus modelos, la multimodalidad, las respuestas estructuradas y la fiabilidad en producción. Técnicamente, la implantación incluyó speech-to-text, embeddings y function calling, y encima el equipo montó su propio circuito de evaluación de calidad: conjuntos de datos de referencia, monitorización continua y pruebas A/B. Es un detalle importante: en sistemas así no basta con «conectar un LLM»; hay que medir de forma constante dónde se equivoca el modelo y cómo cambia la calidad con pedidos reales.

Los resultados parecen ya no un experimento, sino una operación industrial. Choco asegura que en producción pasan por OpenAI más de 200.000 millones de tokens, que la recepción de pedidos funciona las 24 horas y que la tasa de errores se mantiene baja con umbrales de automatización configurables. Reducir hasta un 50% la entrada manual libera a los empleados del trabajo mecánico y los lleva a tareas de más valor, mientras que duplicar la productividad de ventas sin contratar demuestra que el efecto no se limita a los costes operativos, sino que alcanza la eficiencia comercial.

También cuenta la experiencia de usuario: los clientes no tuvieron que cambiar sus hábitos. Siguen enviando el pedido como les resulta cómodo, y es el sistema el que se adapta.

Choco destaca además varias lecciones de gestión. La primera: construir la evaluación de calidad desde el primer día, aunque el equipo solo tenga 10–20 ejemplos etiquetados. La segunda: los sistemas de IA necesitan su propia observabilidad; los logs habituales no bastan si no se ven las entradas del modelo, las salidas y las causas de los fallos. La tercera: la empresa debe asumir de antemano la naturaleza probabilística de los LLM. Estos sistemas no se comportan como código determinista, así que las expectativas de los usuarios, los SLA y los escenarios de escalado hay que diseñarlos de otra manera.

Es una señal bastante madura para el mercado: ganarán no los que antes añadieron un chatbot, sino los que aprendieron a construir procesos de agentes controlables en torno a datos empresariales complejos.

La conclusión principal del caso Choco es sencilla: los agentes de IA se convierten en una nueva capa operativa en el B2B vertical, donde el valor no lo crea una interfaz bonita, sino la capacidad de descifrar un flujo de datos real y desordenado y convertirlo en acción. Si este modelo escala a otros segmentos de la cadena de suministro, el mercado verá no una automatización puntual, sino la sustitución gradual de funciones manuales enteras por sistemas que saben escuchar, leer, aclarar el contexto y hacer el trabajo por sí mismos.