Cómo utilizar inteligencia artificial para mejorar la atención al cliente sin perder el trato humano

Casi todos hemos tenido la experiencia: escribes a una empresa, te responde un bot, no entiende lo que preguntas, y terminas escribiendo “ejecutivo” tres veces hasta que aparece una persona. Esa implementación no mejoró la atención: agregó un obstáculo.

Usar inteligencia artificial para atención al cliente puede funcionar muy bien, pero exige asumir algo que muchos proyectos evitan: el objetivo no es evitar el contacto humano, es que el contacto humano ocurra cuando aporta valor.

Los tres errores que arruinan el canal

Poner la IA como filtro. Cuando el objetivo declarado es “reducir el volumen que llega al equipo”, el diseño se orienta a impedir el paso en lugar de resolver. El cliente lo nota de inmediato.

Automatizar sin datos. Un asistente que responde generalidades porque no tiene acceso al pedido, al contrato o al historial. No ahorra nada: el cliente igual tendrá que hablar con alguien.

Ocultar la salida. No ofrecer una vía clara para hablar con una persona. Es el motivo más frecuente de abandono y de reclamos en redes sociales.

Qué automatizar y qué no

Tipo de consulta	¿Automatizar?	Por qué
Estado de un pedido o caso	Sí	Dato objetivo, alta frecuencia
Horarios, cobertura, precios	Sí	Información estable y verificable
Política de garantía o devolución	Sí, citando la fuente	El cliente quiere certeza
Agendamiento y reagendamiento	Sí	Flujo definido
Recepción de documentos	Sí	Clasificación y registro
Preguntas técnicas simples	Sí, con manual	Respuesta consultable
Reclamos	No	Requiere reconocimiento y criterio
Solicitudes de excepción	No	Requiere decisión
Cliente molesto	No, derivar de inmediato	El tono importa más que la respuesta
Situaciones de riesgo o salud	No	Responsabilidad no delegable
Negociación de condiciones	No	Requiere autoridad

La regla que resume la tabla: automatiza lo que se responde con un dato; deriva lo que se responde con criterio.

La condición que hace la diferencia: acceso a datos reales

Comparemos dos respuestas a la misma consulta.

Sin acceso a datos:

“Tu pedido está siendo procesado. Los tiempos de entrega son de 3 a 5 días hábiles.”

Con acceso a datos:

“Tu pedido 4821 salió a despacho ayer a las 16:40 con la guía 90233. Según el transportista, la entrega está estimada para mañana entre 9:00 y 14:00. ¿Necesitas cambiar la dirección?”

La segunda resuelve. La primera solo posterga la conversación real.

Por eso, antes de implementar IA en atención hay que responder qué sistemas podrá consultar el asistente. Si la respuesta es “ninguno”, el proyecto no está listo. Frecuentemente lo que hace falta primero es conectar los sistemas.

Cómo diseñar la derivación

Es la parte más importante y la que menos atención recibe.

Cuándo derivar automáticamente:

El cliente lo pide, en cualquier momento y con cualquier palabra.
Se detecta molestia o urgencia.
La consulta excede los temas definidos.
Hay dos intentos fallidos de resolver lo mismo.
El caso involucra dinero, salud, seguridad o un compromiso contractual.

Cómo derivar bien:

Con el resumen de la conversación, para que el cliente no repita.
Con el contexto del cliente ya cargado.
Informando el tiempo estimado de espera.
Fuera de horario, comprometiendo un plazo concreto de respuesta.

Un traspaso donde la persona empieza preguntando “¿en qué le puedo ayudar?” desperdicia toda la conversación anterior y molesta más que si no hubiera habido asistente.

Dónde la IA ayuda al equipo, no al cliente

Este uso suele tener mejor retorno y menos riesgo, y casi nunca se considera primero:

Sugerir respuestas al ejecutivo, que revisa y envía.
Resumir el caso antes de que tome la conversación.
Buscar en la base de conocimiento el procedimiento aplicable.
Recuperar casos similares ya resueltos.
Redactar el registro posterior de la interacción.
Clasificar y priorizar la bandeja de entrada.

Aquí la IA no habla con el cliente: hace más rápido y más consistente al equipo. Para muchas empresas, es el mejor primer paso.

Qué medir, y qué no

Los indicadores mal elegidos generan malos incentivos.

Medir:

Tasa de resolución en el primer contacto.
Tiempo hasta la resolución, no solo hasta la primera respuesta.
Satisfacción posterior a la conversación.
Motivos de derivación, para entender qué falta.
Precisión de las respuestas sobre una muestra revisada.
Consultas que el asistente no supo responder.

No medir como objetivo:

“Porcentaje de casos que no llegaron a un humano.” Incentiva a bloquear en lugar de resolver.
“Reducción de dotación.” Convierte el proyecto en un ajuste encubierto y destruye la colaboración del equipo.

El último indicador de la primera lista es el más útil para mejorar: las preguntas sin respuesta son el mapa de lo que falta.

Transparencia y confianza

Tres decisiones que conviene tomar temprano:

Identificarse como asistente. No engañar sobre la naturaleza del interlocutor. Reduce fricción y evita el momento incómodo en que el cliente se da cuenta.

Citar la fuente cuando corresponda. “Según la política de garantía vigente desde marzo” es verificable.

Reconocer los límites. “No tengo esa información, te comunico con un ejecutivo” es una respuesta mucho mejor que una invención.

Datos personales en la atención

Por los canales de atención circula información personal, y a veces sensible. Hay que definir qué datos se almacenan, por cuánto tiempo, quién accede y si el proveedor del modelo los usa para entrenar. Es materia de la Ley 21.719; revisa seguridad de datos e IA.

Un punto adicional: el asistente debe verificar identidad antes de entregar información de una cuenta. Que alguien escriba desde un número no prueba que sea el titular.

Preguntas frecuentes

¿La IA va a reemplazar a mi equipo de atención?

En las implementaciones que funcionan, no. Absorbe las consultas repetitivas y de dato objetivo, y libera al equipo para los casos que requieren criterio, negociación o contención. Los proyectos planteados como reducción de dotación suelen fracasar por falta de colaboración interna.

¿Cuándo debe derivar el asistente a una persona?

Siempre que el cliente lo pida, ante señales de molestia, cuando la consulta excede su alcance definido, tras dos intentos fallidos y en cualquier caso que involucre dinero, salud, seguridad o compromisos contractuales.

¿Sirve para una empresa con pocas consultas diarias?

Con volúmenes bajos, el uso más rentable suele ser el interno: sugerir respuestas y resumir casos para el equipo, en lugar de atender directamente al cliente. El costo de construir y mantener un asistente de cara al cliente se justifica con volumen.

¿Qué pasa si el asistente da una respuesta equivocada a un cliente?

Por eso el alcance debe estar acotado a temas verificables, las respuestas deben citar su fuente y debe existir revisión periódica de una muestra de conversaciones. Ante cualquier ambigüedad, el diseño correcto es derivar en lugar de arriesgar.

¿Puedo integrarlo con WhatsApp?

Sí, y en Chile suele ser el canal principal. Requiere WhatsApp Business Platform y considerar reglas específicas como la ventana de 24 horas. Lo detallamos en cómo integrar un agente de IA con WhatsApp Business.

Mejora la atención sin deteriorar la relación

En Syscode implementamos asistentes de IA para atención al cliente conectados a datos reales, con reglas de derivación explícitas y métricas centradas en resolución, no en evitar contacto.

Cuéntanos cómo atiendes hoy y definamos qué conviene automatizar y qué no.