Automatizar atención al cliente con IA es tentador y peligroso a partes iguales. La diferencia entre un buen agente y uno que daña la marca está en tres decisiones que casi nadie discute al principio y que luego son casi imposibles de corregir sin rehacer el sistema entero.
Sección 01
El tono no se prompta, se entrena
Pegar el manual de marca en el prompt del sistema no convierte a un modelo en parte del equipo. El tono se construye con ejemplos: cien respuestas reales bien etiquetadas —positivas, negativas, incómodas— valen más que dos mil palabras de instrucciones abstractas sobre valores corporativos.
Los mejores conjuntos de ejemplos incluyen los casos que a la marca le gustaría olvidar: la queja pública, la devolución con motivo confuso, el cliente que grita. Un modelo entrenado sobre respuestas edulcoradas suena falso desde la primera interacción difícil.
En proyectos donde el equipo de soporte participa activamente en etiquetar respuestas, la calidad percibida sube de forma casi inmediata. Cuando el etiquetado se delega a una agencia externa que no ha hablado nunca con un cliente real, el agente suena a folleto.
Sección 02
Los límites del agente
Un agente honesto sabe cuándo derivar a una persona. Definir esa frontera al principio evita el 90% de los incidentes posteriores. Las respuestas sobre facturación disputada, devoluciones fuera de política, asuntos legales o cualquier cosa que implique tomar una decisión no reversible suelen quedar fuera del alcance del bot.
La forma de derivar importa tanto como cuándo derivar. Un traspaso limpio incluye un resumen de la conversación, los datos que ya se han recogido y el motivo por el que el agente prefiere no responder. Sin ese contexto, el humano recibe un problema en frío y el cliente repite información.
Un pequeño detalle marca la diferencia: dejar que el propio agente admita cuando no está seguro, en lugar de inventar. Un “no tengo esa información, te paso con alguien del equipo” funciona mucho mejor que una respuesta plausible pero equivocada que luego habrá que desmentir.
Sección 03
Qué medir, qué ignorar
La métrica útil no es el porcentaje de tickets resueltos. Es la tasa de derivación útil: cuántas veces el agente pasa la conversación a un humano con un resumen claro, datos relevantes y una hipótesis del problema. Un agente que resuelve el 80% de los tickets pero deriva mal el 20% restante suele costar más que ahorrar.
También conviene medir la reincidencia: cuántos clientes vuelven a abrir un ticket sobre el mismo tema en los siete días siguientes. Es la mejor señal de si el agente cierra conversaciones o simplemente las aparca.
Ignora casi por completo la satisfacción medida en la encuesta post-chat: el sesgo hacia respuestas positivas es enorme y no refleja la realidad. Escucha en su lugar a los agentes humanos cuando comentan qué conversaciones les llegan mal preparadas.
Preguntas frecuentes
Lo que más se pregunta
Seguir leyendo
