Centauro: 900 agentes de IA resuelven 60% de reclamos

¿Qué construyó Centauro con 900 agentes de IA?

Centauro, la cadena brasileña de artículos deportivos del Grupo SBF, opera más de 900 agentes de IA en una plataforma que lanzó en el primer trimestre de 2026. El dato que importa no es el conteo: más del 60% de los reclamos de posventa se resuelven sin la participación de un atendente.

La decisión de diseño es la que un founder debería mirar con atención. La plataforma no es un chatbot corporativo ni un proyecto encapsulado dentro del equipo de datos: es una base común sobre la que cada área construye sus propios agentes. Comercial monta recomendaciones de producto, ingeniería usa la misma infraestructura para sistemas que escriben código y operaciones automatiza reglas de inventario. La compañía usa tecnología de partners como base y desarrolla internamente las aplicaciones de cada área.

El despliegue tiene 1.400 usuarios activos, 14 integraciones y más de 2.300 personas capacitadas en 59 entrenamientos desde el lanzamiento. Ese último número explica el resto: sin gente entrenada, 900 agentes son 900 bots que nadie abre.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Cuánto mejoró el negocio? Los números que la empresa sí midió

Los resultados se reparten en cinco frentes, con distinto grado de solidez:

Posventa: más del 60% de los reclamos se cierran sin contacto con un humano, según la propia vendedora.
Asistente de compras: en un test de la categoría de calzado de fútbol, 27% de las conversaciones terminaron en venta y el ticket promedio fue 46% mayor en el grupo con acceso al asistente.
Probador virtual: la conversión subió 7% en el grupo con acceso a la herramienta de IA generativa frente al grupo de control.
Catálogo: la automatización recortó 42% el plazo para lanzar nuevos ítems, y la clasificación automática acertó en 95% de los casos evaluados.
Inventario y precios: el tiempo para actualizar las reglas de stock de 230 tiendas cayó de 4 horas a 5 minutos, y la proporción de tiendas que cumplen las reglas de remarcación de precios pasó de 65% a 90%.

El asistente vive en el sitio, la app y WhatsApp: recibe la pregunta en lenguaje natural y recomienda productos. Son tres superficies con una sola lógica de recomendación detrás, que es la parte difícil de sostener cuando cada canal crece por su lado.

De 4 horas a 5 minutos: el número que menos suena y más impacta

De todos los datos, el de las 230 tiendas es el más instructivo para cualquier operación con inventario distribuido. Una compra online puede despacharse con producto que está en la estantería de una tienda física, pero para eso la empresa necesita definir cuánto del stock de cada local puede quedar disponible para pedidos digitales. Esa regla, aplicada a mano en 230 puntos de venta, tardaba cuatro horas. Ahora tarda cinco minutos.

El detalle que remata el caso es el otro número: la proporción de tiendas que efectivamente seguían las reglas de actualización pasó de 65% a 90%. Durante años, el cuello de botella no estaba en diseñar la regla, sino en que un tercio de la red no la cumplía. Ahí no hubo un modelo espectacular: hubo menos fricción operativa.

La lección es incómoda y útil. Los proyectos de IA con mejor retorno suelen ser los que eliminan un SLA interno que nadie diseñó, no los que prometen inteligencia.

Ingeniería: 60% más entregas y una atribución honesta

Entre enero y septiembre, el Grupo SBF registró un aumento de cerca del 60% en el volumen de entregas de software y de 30% en el promedio mensual por desarrollador. Los agentes escriben código junto a los desarrolladores y, en algunos casos, entregan cambios de forma autónoma.

La compañía atribuye el avance a la adopción de IA y a cambios en la organización de los equipos y en el orden de prioridad de los proyectos. Esa matización vale más de lo que parece: cuando el resultado se presenta como IA más reorganización, el número no sirve para aislar el efecto de la IA. Cualquier founder que intente replicar el 60% debería asumir que una parte del resultado viene de haber cambiado cómo se prioriza, no de haber sumado un agente.

¿Cómo se comparan estos resultados con el retail global?

Los benchmarks públicos ayudan a calibrar. Libertad Digital documentó que el chatbot Billie de IKEA resuelve el 47% de las consultas más comunes y redujo 25% las consultas repetidas, y que más de 30.000 vendedores en Europa usan las herramientas de automatización de catálogo de Amazon, que generan títulos, descripciones e imágenes a partir de fotos del producto. El mismo recuento menciona a CaixaBank, que redujo 80% el tiempo de resolución de incidencias con tarjetas.

En cuanto a adopción, el informe State of Service: AI Agents Edition de Salesforce, recogido por PuroMarketing, señala que 54% de los equipos de servicio en España ya utiliza IA agéntica y que otro 24% prevé adoptarla en los próximos seis meses. El 95% de los profesionales que ya trabajan con agentes confía en ellos para resolver solicitudes simples y rutinarias, mientras que solo el 78% los considera adecuados para peticiones moderadamente complejas. El mismo informe identifica la seguridad de los datos de clientes como la principal preocupación regulatoria que frena despliegues, señalada por el 78% de las organizaciones.

Con ese marco, el 60% de Centauro queda por encima del 47% de IKEA, aunque no son comparables directos: IKEA mide consultas del chatbot y Centauro mide reclamos cerrados sin contacto con un atendente, un criterio más amplio que incluye derivaciones que nunca llegan a una persona.

Lo que la empresa no dijo (y por qué importa para leer el caso)

Un artículo sobre resultados corporativos se juzga tanto por lo que reporta como por lo que omite. En este caso:

Centauro no informó cuántas solicitudes entraron en la cuenta del 60%, ni el periodo analizado, ni cuáles fueron los problemas que más exigieron intervención humana.
En el test del asistente de compras, no detalló la base de comparación del ticket promedio 46% mayor.
La reducción de más de 30% en el error de previsión de demanda es una proyección de la vendedora, no un resultado medido. Lo que sí reporta como medido es que el error en la previsión de falta de stock cayó casi a la mitad en el canal digital.
La mejora de 7% en conversión del probador virtual mide una etapa distinta a la del asistente: una cosa es que la conversación termine en venta, otra que la herramienta cambie la proporción de clientes que compran.

Nada de esto invalida el caso. Lo vuelve legible. Un resultado sin denominador es una anécdota, y la previsión de demanda es justamente donde el retail se equivoca más caro.

La hoja de ruta que viene apunta en la misma dirección: una búsqueda que interprete lo que el cliente pide aunque use palabras distintas a las del catálogo, IA para decidir qué productos aparecen primero y para repartir el presupuesto entre campañas de marketing.

¿Qué significa esto para tu startup?

La tentación es comprar la herramienta. El caso de Centauro sugiere lo contrario: lo que funcionó fue la arquitectura organizativa alrededor de la herramienta.

Empieza por un proceso con dueño y con reloj. El proyecto de inventario tenía una métrica obvia (horas por actualización de reglas) y un responsable claro. Elige un proceso donde puedas medir tiempo antes y después en la misma semana, no un piloto de doce meses que nadie puede comparar con nada.
Construye una plataforma, no un chatbot. Si cada área puede crear su propio agente sobre una base común, el costo marginal del segundo caso de uso baja. Si cada área necesita un proyecto nuevo, tienes 900 ideas y cero infraestructura.
Instrumenta gobernanza desde el día uno. Centauro monitorea en un solo lugar quién tiene acceso a la herramienta, cuánto se usa y cuánto cuesta mantenerla. Sin ese panel, el gasto en tokens y licencias se te escapa en silencio.
Define la línea base antes de presumir deltas. El 46% de ticket es un buen titular y una mala prueba sin grupo de control documentado. Si vas a reportar resultados a inversores o a tu board, fija la métrica y el grupo de comparación por escrito antes de lanzar.
Presupuesta la capacitación como parte del proyecto. 2.300 personas en 59 entrenamientos no es un anexo de comunicación interna: es la razón por la que la adopción no se quedó en el equipo de datos.

Conclusión

Centauro no demuestra que 900 agentes de IA arreglen el retail. Demuestra algo más específico y más replicable: que una plataforma interna compartida, con métricas de tiempo en procesos aburridos y con la capacitación incluida en el presupuesto, convierte la IA en algo que las áreas usan sin pedir permiso. El 60% de posventa es el titular; los cinco minutos para actualizar reglas en 230 tiendas son el argumento.