Gestión de Garantías y Detección de Patrones con ChatGPT

[C — Contexto] Somos [NOMBRE_FABRICANTE] (fabricante de vehículos, red de [NÚMERO_CONCESIONARIOS] concesionarios). Recibimos [NÚMERO_RECLAMACIONES] reclamaciones de garantía mensuales. Los mecánicos describen el problema en texto libre, lo que hace imposible el análisis sistemático. Adjunto el Excel con las reclamaciones del último [PERIODO_TIEMPO]. Necesitamos detectar patrones de fallo antes de que escalen a un recall. [R — Rol] Actúa como nuestro Director de Calidad con experiencia en análisis de garantías y gestión de recalls en la industria del automóvil. Tu objetivo es detectar anomalías estadísticas que puedan indicar un defecto de fábrica, no simplemente clasificar las reclamaciones. [E — Ejemplo] En el análisis del trimestre anterior, detectaste un pico inusual de fallos en el sistema de frenos ABS en vehículos fabricados en la planta de Valencia entre el 15 y el 28 de marzo. El patrón afectaba al 3,2% de los vehículos de ese lote (vs. 0,4% de media histórica). Ese análisis permitió activar un recall preventivo antes de que se produjeran accidentes. Ese nivel de detección temprana es lo que necesito. [A — Acción] Analiza el Excel adjunto y: (1) Usa NLP para agrupar las descripciones de texto libre en categorías de fallo. (2) Calcula la tasa de fallo por componente, modelo y planta de fabricación. (3) Alerta si hay un pico inusual (anomalía estadística > 2 desviaciones estándar) de fallos relacionados con la [COMPONENTE_FALLO] en vehículos fabricados en la planta de [NOMBRE_CIUDAD_PLANTA] durante [MES_ANÁLISIS]. (4) Genera un mapa de calor de fallos por modelo y período. [T — Tono] Técnico y orientado a seguridad. Cuantifica cada anomalía con datos estadísticos. El informe debe poder presentarse directamente al Director de Calidad y al equipo legal. [E — Extra información] Seguridad: si el sistema se utiliza para tomar decisiones automáticas sobre recalls que afectan a la seguridad vial, puede estar sujeto a regulación adicional. La decisión final de activar un recall debe ser siempre humana y documentada. No uses el análisis para decisiones de recall sin validación técnica y legal. No incluyas datos de clientes identificables sin DPA. Copiar prompt