Casi todas las direcciones de venta y atención no presencial tienen hoy un proyecto de IA encima de la mesa. Hay proyectos que ahorran mucho dinero en pocas semanas y pilotos que nadie sabe cómo escalar. Por lo que vemos, la diferencia suele estar en la gestión que se eligió para empezar.
Usos que ya funcionan
- Gestiones de mucho volumen y respuesta cerrada, resueltas por voz o chat. Consultas de factura, estado de un pedido, cambios de datos, citas. En una operadora con más de dos millones de clientes, automatizar estas gestiones bajó un 40% el volumen que llegaba al equipo de atención, y la solución estaba en producción en menos de cuatro semanas.
- Asistencia al agente durante la llamada. Resumen automático al terminar, propuesta de la siguiente oferta según el perfil del cliente, acceso a la información sin saltar entre cinco pantallas. El agente puede atender al cliente sin estar tomando notas.
- Priorizar los leads según su probabilidad de compra, para decidir cuál se llama primero, a qué hora y desde qué canal. Con el mismo equipo se trabajan antes los contactos que más convierten.
- Análisis del cien por cien de las llamadas. Con la muestra pequeña que se revisaba hasta ahora era imposible saber en qué momento de la llamada se pierde la venta o qué objeción aparece más esa semana.
Terreno de personas
La retención de clientes de alto valor, las ventas que exigen asesorar y las reclamaciones delicadas siguen siendo terreno de personas. La IA puede preparar la conversación y ayudar al agente, pero no conviene que la lleve. Si un cliente que quiere darse de baja se topa con un bot, retenerlo es mucho más difícil.
Hay además un límite legal. La Ley 10/2025 de servicios de atención a la clientela prohíbe atender estos servicios solo con contestadores automáticos o inteligencia artificial, y el cliente tiene derecho a pedir hablar con una persona en cualquier momento. Cualquier diseño tiene que prever el paso a un agente.
Proyectos que se atascan
El fallo más común es empezar por la herramienta. Se elige un proveedor, se monta una demo vistosa y luego se descubre que los sistemas del cliente no devuelven la información que el bot necesita, o que nadie había definido qué gestiones tenían que resolverse solas.
También es habitual medir mal. Si el objetivo es contar llamadas que no llegan al agente, el proyecto puede parecer un éxito mientras el cliente vuelve a llamar al día siguiente porque no le han resuelto nada. Recomendamos medir gestiones resueltas sin nuevo contacto, satisfacción en las interacciones automatizadas y, en venta, oportunidades detectadas y cerradas.
Con los datos pasa algo parecido. Un modelo de priorización de leads que no sabe qué leads acabaron en venta no puede aprender. Antes de pensar en scoring, cada lead tiene que llevar registrado de dónde vino y si acabó en venta.
Nuestro planteamiento
- Elegir entre tres y cinco gestiones con mucho volumen, respuesta cerrada y datos accesibles. Ahí está la mayor parte del ahorro.
- Diseñar desde el principio el paso al agente, con el contexto de lo hablado para que el cliente no tenga que repetirlo.
- Integrar con los sistemas que ya existen, aunque sean antiguos, para que el bot pueda consultar y cambiar datos del cliente.
- Poner en producción pronto, con un perímetro pequeño, y ampliar con datos de uso.
- Medir resolución y satisfacción desde el primer día, junto al volumen.
En venta, empezaríamos por la asistencia al agente y la priorización antes que por un bot de cara al cliente. Son los usos con menos riesgo para la experiencia y con un retorno más fácil de medir.