Quimpac es el productor integrado de sal y productos químicos del Perú, empresa listada en el mercado de valores, con operaciones en sus plantas de Oquendo (Callao) y Paramonga (Lima) y empresas vinculadas en Colombia, Ecuador y Chile. Su logística de planta mueve productos químicos industriales a diario, y cada vehículo que ingresa debe pasar por un control estricto en garita.
El reto: un pre-registro manual que frenaba el despacho
Antes de autorizar un ingreso, Quimpac debe validar los datos del EIR (Equipment Interchange Receipt): conductor, placa, precinto y contenedor. Ese pre-registro era completamente manual. El personal recibía fotos y PDFs heterogéneos por WhatsApp y volvía a digitar lo
s datos, en un proceso que tomaba entre 3 y 4 horas por validación y generaba errores recurrentes de transcripción. Cuando vigilancia detectaba una discrepancia entre el EIR físico y el registro, el camión era rechazado y todo debía corregirse. Un intento previo basado solo en OCR había fracasado porque confundía caracteres y no permitía corregir. A esto se sumaba una restricción de privacidad: los EIR contienen datos personales de los conductores, sujetos a la Ley 29733, que debían viajar entre AWS y la aplicación operativa del cliente en Azure.
La solución: un agente conversacional sobre Amazon Bedrock
Diseñamos junto a Quimpac un agente de IA generativa que opera 100% dentro de WhatsApp, sin nueva interfaz ni entrenamiento para los operadores, sobre Amazon Bedrock. La arquitectura combina dos modelos por costo y precisión. Amazon Nova Pro maneja la capa conversacional y Claude Sonnet 4.5, junto con Amazon Textract, se encarga de la extracción semántica de los campos del EIR desde imágenes y PDFs de calidad variable.
El operador envía la foto del EIR, el agente extrae los datos, los presenta para confirmación y solo registra cuando el humano aprueba, permitiendo corregir campos individuales sin reingresar todo. Antes de que cualquier dato personal salga de AWS hacia Azure, se cifra a nivel de campo con AWS KMS, resolviendo la exposición de PII que exige la Ley 29733.
El papel de Applying
Priorizamos este caso con los equipos de Quimpac dentro de nuestro programa GenAI Builders Lab, evaluamos los modelos disponibles en Amazon Bedrock por rendimiento medido y validamos la solución contra ocho criterios de éxito cuantitativos acordados antes de construir. Entregamos la infraestructura como código, la documentación técnica y operativa, y la transferencia de conocimiento. La solución está desplegada en producción desde julio de 2026, y sienta un patrón de agentes replicable para más casos de uso del grupo en Perú, Colombia y Ecuador.
Los beneficios
El pre-registro pasó de 3 a 4 horas a 5 a 10 minutos por operación. Extracción de datos validada en al menos 90% de precisión sobre documentos heterogéneos, con confirmación humana antes de registrar. Datos personales de los conductores cifrados extremo a extremo en la integración entre nubes, en línea con la Ley 29733. Cero fricción de adopción, porque todo ocurre en el canal que los operadores ya usan.
Quimpac muestra cómo un agente de IA generativa bien diseñado no solo automatiza una tarea. Elimina un cuello de botella operativo, protege datos sensibles y libera horas de personal, sobre una base replicable a toda la operación del grupo.
¿Tienes un proceso documental manual que frena tu operación? Conversemos sobre cómo un agente de IA generativa sobre AWS puede convertirlo en minutos.