Cómo elegir una solución de IA para atención al cliente según la tarea, los datos y el riesgo
Imagen generada por el Equipo Editorial de Inferama
01

Empieza por el resultado que quieres conseguir

Elegir una solución de IA para atención al cliente no empieza por escoger un modelo. Empieza por describir el trabajo que se quiere cambiar y el resultado que contará como satisfactorio. «Mejorar el soporte» es demasiado amplio para orientar una decisión: puede significar clasificar mensajes con menos intervención, encontrar información vigente con más facilidad, preparar borradores para un agente o completar una acción solicitada por un cliente. Cada objetivo requiere datos, controles y pruebas distintos.

Delimita el caso con cinco preguntas: qué solicitudes entran, por qué canales e idiomas; quién recibe hoy cada solicitud; qué resultado debe producir el sistema; qué excepciones quedan fuera; y quién se hace cargo cuando el sistema no puede resolver el caso. Define también qué significa resolver un contacto: una respuesta enviada no equivale necesariamente a una solución correcta, y cerrar un ticket no demuestra por sí solo que se haya atendido la necesidad.

Separa el objetivo operativo del objetivo de automatización. Reducir el tiempo de preparación de una respuesta puede ser útil aunque una persona siga revisándola. En cambio, reducir el número de agentes que intervienen no debe considerarse un éxito si aumentan las respuestas incorrectas, las rectificaciones o los contactos repetidos. Estos criterios son recomendaciones para diseñar una evaluación; deben ajustarse a la política, el servicio y los compromisos de cada organización.

Ficha inicial del caso

Completa estos puntos antes de comparar tecnologías:

  1. 01Describe una clase concreta de solicitud y cómo se reconoce.
  2. 02Anota el canal, los idiomas y el sistema donde se gestiona.
  3. 03Define el resultado correcto y los errores que no serían aceptables.
  4. 04Indica qué casos se excluyen y cómo se deriva una excepción a una persona.
  5. 05Establece quién puede revisar cambios en las reglas, fuentes y respuestas.
02

Clasifica la tarea antes de elegir la tecnología

En una misma conversación pueden aparecer varias tareas, pero conviene evaluarlas por separado. Clasificar y enrutar consiste en asignar una categoría o destino; recuperar información consiste en localizar contenido pertinente; redactar consiste en proponer una respuesta; resumir consiste en condensar un intercambio; ejecutar una acción implica modificar algo fuera de la conversación, por ejemplo, en una cuenta o un sistema de tickets. Cuanto más se acerca la tarea a cambiar el estado de una cuenta, mayor importancia tienen la autorización, la verificación y la posibilidad de revertir el cambio.

No todas estas tareas necesitan generación de texto. Si una solicitud se identifica con campos estables y reglas claras, una automatización convencional puede ser más sencilla de probar y mantener. Un clasificador acotado puede servir cuando hay variación en el lenguaje que las reglas no manejan bien; un sistema generativo puede ser pertinente si hace falta interpretar una pregunta y formular una respuesta. La decisión es contextual: no se puede deducir que un modelo generativo sea la mejor opción solo porque la interacción ocurra por chat.

IA en atención al cliente puede automatizar tareas y asistir al personal. La comparación entre patrones de uso plantea hipótesis, no una superioridad independiente demostrada para cualquier caso. Prueba las alternativas con solicitudes representativas del servicio y mide sus resultados antes de elegir.

Mapa de tareas y patrón inicial

La columna de patrón es una propuesta de evaluación, no una garantía de eficacia.

TareaResultado buscadoPatrón mínimo que conviene evaluarControl principal
Clasificar y enrutarAsignar categoría, cola o prioridadReglas, clasificación acotada o combinaciónMedir errores por categoría y permitir corregir la asignación
Buscar informaciónEncontrar contenido pertinente y vigenteBúsqueda en una base documental autorizadaComprobar que la respuesta se apoya en contenido aplicable
Redactar o resumirPreparar texto para un agenteBorrador revisable o resumen de conversaciónRevisión humana y comprobación de omisiones o afirmaciones no sustentadas
Ejecutar una acciónCambiar un dato o completar una operaciónHerramienta limitada con autorización y confirmaciónVerificar la acción, su alcance y la respuesta ante fallos
03

Ajusta la delegación a las consecuencias de un error

El nivel de autonomía no debería depender solo de la dificultad técnica. Pregunta qué puede ocurrir si la respuesta es incorrecta, incompleta o se aplica a la cuenta equivocada. Una explicación general, fácil de comprobar y sin efectos duraderos no presenta el mismo tipo de riesgo que una decisión que modifica una cuenta, afecta a un pago o condiciona el acceso a un servicio. También importan la reversibilidad, el tiempo disponible para corregir el problema y la capacidad real de una persona para intervenir.

Como marco operativo, distingue tres niveles. En el primero, el sistema organiza o busca información, pero no responde al cliente ni modifica su cuenta. En el segundo, prepara una respuesta o recomendación que una persona valida antes de enviarla. En el tercero, puede responder o ejecutar acciones bajo límites explícitos. Pasar de un nivel a otro requiere evidencia de que el anterior cumple los criterios acordados y controles adecuados para el siguiente; no es necesario automatizar más para demostrar utilidad.

Reserva una vía visible de abstención y escalado. Si faltan datos, la solicitud es ambigua, las fuentes no coinciden o el cliente plantea una disputa, el sistema debería poder dejar de proponer una resolución automática. En casos delicados, que una persona pueda revisar el resultado debe significar algo más que tener un registro: debe disponer de contexto suficiente, autoridad para corregirlo y un proceso para detener la acción.

La IA agéntica permite que un sistema realice tareas, por lo que la autorización, la revisión y el diseño de controles son decisiones relevantes. Los controles propuestos en esta sección son criterios de decisión y no reglas jurídicas atribuidas a una guía concreta de la Agencia Española de Protección de Datos. Deben contrastarse con las políticas y obligaciones aplicables al caso.

04

Examina los datos antes de conectarlos

Haz un inventario de las fuentes que usaría cada patrón: mensajes entrantes, historial de conversaciones, registros de cuenta, documentación de ayuda, políticas internas o información sobre productos. Para cada fuente, anota quién es responsable, cuándo se actualizó, quién tiene permiso para consultarla y si contiene datos personales, confidenciales o información que no debería salir del entorno previsto. No des por hecho que una base documental es segura o vigente por el hecho de que ya se use en soporte.

Minimiza el material necesario para la tarea. Para clasificar una consulta quizá no haga falta trasladar todo el historial de la cuenta; para responder desde documentación, puede bastar con recuperar el contenido pertinente en vez de incluir grandes volúmenes de datos en la instrucción. Evalúa si se puede excluir, ocultar o sustituir información identificativa y comprueba, con documentación primaria actual, qué tratamiento ofrece cualquier servicio externo que se considere. La información disponible aquí no permite afirmar políticas específicas de retención, seguridad o uso de datos de proveedores.

Registra las condiciones de uso y las responsabilidades internas. La evaluación debe incluir la privacidad y las decisiones sobre recopilación y uso de datos. Las recomendaciones generales de buenas prácticas pueden orientar esa evaluación, pero no sustituyen una revisión jurídica, de seguridad o de las políticas aplicables a la organización.

Si el conocimiento cambia con frecuencia, asigna una persona o equipo responsable de revisar documentos, fechas de vigencia y contenido retirado. Diseña una prueba que compruebe no solo si el sistema encuentra una respuesta, sino si distingue entre información vigente, incompleta y contradictoria. Si no puedes establecer qué fuente tiene autoridad para cada tema, es prematuro pedir al sistema que responda sin revisión.

Comprobación de datos y fuentes

  1. 01Enumera cada fuente de datos y el propósito concreto para el que se usaría.
  2. 02Confirma permisos, responsable, fecha de actualización y restricciones de uso.
  3. 03Identifica información sensible y decide si puede excluirse o reducirse.
  4. 04Comprueba cómo se tratarían los datos en cada servicio externo, sin asumir condiciones que no estén documentadas.
  5. 05Define cómo retirar contenido obsoleto y quién valida cambios en la base de conocimiento.
05

Escoge el patrón mínimo suficiente para la tarea

Para clasificación y enrutamiento, compara reglas existentes con una alternativa basada en clasificación. Evalúa ambas sobre mensajes variados, incluidos los que contienen varias cuestiones, errores tipográficos o información insuficiente. La pregunta no es solo qué porcentaje queda bien asignado, sino qué categorías concentran los fallos, cómo se corrigen y qué pasa cuando el sistema no tiene confianza suficiente. Si las reglas ya resuelven el problema con claridad y un coste operativo aceptable, sustituirlas por generación de texto puede añadir complejidad sin aportar valor demostrado.

Para buscar respuestas en documentación, delimita primero qué colección puede consultarse y cómo se reconoce una respuesta respaldada. Una prueba útil presenta preguntas cuya respuesta está en la documentación, preguntas fuera de ella y preguntas donde el contenido está desactualizado o es contradictorio. Comprueba que el sistema pueda señalar la fuente empleada y abstenerse cuando no hay evidencia suficiente. Mostrar una cita o un fragmento no garantiza por sí solo que la respuesta sea correcta: una persona debe verificar si la fuente corresponde a la pregunta y sigue vigente.

Para redactar o resumir, trata el resultado como un borrador. Define qué puede cambiar el agente antes de enviarlo y revisa errores de contexto, omisiones, tono inadecuado y promesas no autorizadas. Si el equipo no puede dedicar tiempo a revisar y corregir, el supuesto ahorro de redactar más borradores podría desaparecer. Mide la utilidad con trabajo efectivamente ahorrado y calidad, no solo contando textos generados.

Para ejecutar acciones, limita las operaciones disponibles y separa la interpretación de la solicitud de la autorización para hacer un cambio. Antes de una acción, comprueba identidad y permisos según los procedimientos vigentes de la organización. Para una prueba inicial, considera acciones reversibles y de alcance reducido, con registro de lo solicitado, lo autorizado y lo ejecutado. La verificación posterior debe confirmar el estado real del sistema, no limitarse a confiar en el mensaje que devuelve el modelo.

Estos patrones pueden combinarse, pero hacerlo multiplica los puntos que hay que probar: recuperación de información, interpretación, generación, integración y ejecución. Empieza con un flujo pequeño, registra dónde falla y añade componentes solo si resuelven una carencia observada.

06

Compara el coste y las condiciones de operación

Compara el coste por caso resuelto, no solo el precio de una llamada o una licencia. Incluye, cuando aplique, integración con el sistema de tickets, infraestructura, mantenimiento de reglas o documentación, supervisión, tiempo de revisión humana, corrección de errores y atención de los casos escalados. El coste debe medirse con un volumen y una definición de resolución comparables a los del proceso actual; de otro modo, la comparación puede enfrentar tareas distintas.

La operación diaria también condiciona la elección. Comprueba si la integración puede mostrar al agente el contexto necesario, si la latencia encaja con el canal, quién mantiene la base de conocimiento, qué ocurre si una dependencia deja de estar disponible y quién se responsabiliza de revisar resultados. Si hay cobertura fuera de horario, define con claridad qué puede resolverse sin una persona y qué debe esperar o escalarse. No asumas que «disponible» equivale a «resuelto».

Las guías empresariales de Softeng y el material general de IBM sobre IA en atención al cliente ofrecen orientación sobre casos de uso, gobierno del dato, seguridad y retorno. Estos recursos ayudan a estructurar la conversación de evaluación, pero no proporcionan datos comparables de costes o rendimiento para un equipo concreto, ni constituyen prueba independiente de la eficacia o de los resultados esperables.

Tabla de decisión inicial

Úsala para ordenar preguntas y escoger un alcance de prueba; no sustituye una evaluación técnica, de privacidad o de obligaciones aplicables.

ProblemaDatos y evidenciaImpacto de un errorPresupuesto y operaciónPunto de partida prudente
Enrutamiento de consultasMensajes etiquetados y categorías acordadasRetraso o asignación a una cola incorrectaRevisar integración con tickets y corrección de etiquetasComparar reglas con clasificación acotada
Respuesta basada en documentaciónContenido autorizado, vigente y pertinenteInformación incorrecta o aplicada a un caso distintoMantener fuentes, medir escalados y prever revisiónBúsqueda y borrador con evidencia visible
Preparación de respuestasContexto necesario y ejemplos representativosOmisión, afirmación no sustentada o tono inadecuadoContabilizar tiempo de revisión y correcciónBorrador no enviado automáticamente
Acción sobre una cuentaSolicitud, permisos y estado verificableCambio incorrecto o difícil de revertirIntegración, registro, confirmación y recuperaciónSimulación o acción reversible con aprobación
07

Diseña una prueba que pueda cambiar la decisión

Antes de desplegar, prepara una muestra que refleje las solicitudes reales, pero que también incluya casos difíciles: mensajes ambiguos, solicitudes fuera del alcance, cambios de política, conversaciones con varias necesidades y ausencia de información clave. Define quién revisa cada salida y con qué criterio. Si solo se prueban ejemplos sencillos elegidos para mostrar el sistema en su mejor situación, el resultado no informa bien sobre su uso cotidiano.

Acordad de antemano los indicadores y los umbrales que harán avanzar, revisar o detener la prueba. Según la tarea, puede ser relevante medir clasificación correcta por categoría, respuestas respaldadas por fuentes vigentes, escalados apropiados, errores graves, tiempo hasta una respuesta útil, tiempo de revisión y coste por caso resuelto. No conviertas una métrica general en una decisión automática: un promedio favorable puede ocultar fallos concentrados en una categoría o grupo de solicitudes.

Compara la prueba con el proceso vigente usando las mismas clases de solicitudes y una definición compartida de resultado correcto. Registra los errores y su consecuencia, no solo su frecuencia. Distingue un fallo que un agente puede corregir antes de enviar de una acción ejecutada que ya alteró una cuenta. Cuando haya incidentes o resultados inesperados, define quién decide si se suspende el flujo y cómo se vuelve al procedimiento anterior.

Una ficha de decisión útil documenta el caso, el patrón elegido, los datos permitidos, los casos excluidos, la revisión requerida, las métricas, los umbrales y la persona responsable. También deja constancia de lo que aún no se sabe. De esta manera, comparar alternativas o descubrir nuevos casos de uso no obliga a repetir desde cero las preguntas de riesgo y operación.

Prueba antes de ampliar

  1. 01Selecciona una muestra representativa y añade casos límite y solicitudes fuera de alcance.
  2. 02Define criterios de éxito y de parada antes de observar los resultados.
  3. 03Revisa salidas y errores por tarea, categoría, fuente y consecuencia.
  4. 04Compara con el proceso vigente incluyendo el tiempo de revisión y el escalado.
  5. 05Documenta fallos, correcciones, responsables y condiciones para ampliar, mantener o detener la prueba.
08

Decide con evidencia y mantén abierta la revisión

La decisión no es simplemente adoptar o rechazar IA. Puede ser mantener una automatización convencional, probar clasificación en una sola categoría, usar búsqueda con borradores revisados o detener la iniciativa hasta ordenar los datos y el proceso. Si la principal incertidumbre es la calidad de la documentación, una prueba de búsqueda puede ser más informativa que automatizar respuestas. Si no hay forma de verificar una acción o recuperarse de un error, mantén la ejecución bajo control humano.

Para explorar las opciones, separa tres preguntas: qué solución encaja con la tarea; cómo se comparan los patrones posibles bajo las mismas condiciones; y qué otros casos de uso podrían tener sentido después. Esa secuencia ayuda a elegir con un alcance concreto, comparar alternativas con criterios consistentes y descubrir oportunidades sin confundirlas con casos ya validados.

La solución adecuada depende de la tarea, de los datos procesados y del riesgo de automatizarla. El cumplimiento de los requisitos de una organización, los costes de implantación, la retención de datos y las normas aplicables a cada sector o país deben comprobarse para el servicio elegido. Confirma esas condiciones con las funciones responsables antes de enviar datos, contratar o automatizar una decisión.

El criterio práctico final es sencillo: empieza por una tarea acotada, conserva la intervención humana donde las consecuencias lo exijan y amplía solo cuando una prueba representativa demuestre que el resultado es aceptable, operable y sostenible. Si la evidencia no alcanza, la abstención o el proceso actual pueden ser la decisión correcta.

09

Continúa explorando

Fuentes consultadas

03

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.

Proponer una corrección