Agentes de IA para soporte al cliente: qué funciona realmente en producción.

El alcance acotado gana a la ambición amplia

Los agentes que aguantan en producción son los que se limitan a un conjunto específico de tareas, estado de pedidos, elegibilidad de reembolso, reprogramación de citas, en vez de un asistente abierto pensado para responder cualquier cosa. Un alcance acotado hace predecibles los modos de fallo, y los fallos predecibles se pueden diseñar de antemano.

Los negocios que lanzan un agente de propósito general desde el día uno suelen pasar los meses siguientes acotándolo después de que aparecen casos límite dolorosos frente a clientes reales. Empezar acotado y expandir con evidencia es menos vistoso al anunciarlo, pero mucho más barato de operar.

Las rutas de escalamiento importan más que el modelo

Todo agente se topará con una solicitud que no puede resolver. Lo que separa un sistema de soporte que los clientes toleran de uno que resienten es qué tan bien pasa el caso a una persona, con todo el contexto transferido, en vez de obligar al cliente a repetir todo desde cero.

El trabajo técnico de pasar el historial de la conversación, los datos del pedido y la intención detectada al agente humano es poco vistoso comparado con elegir un modelo, pero es lo que determina si la escalada se siente como una red de seguridad o como un callejón sin salida.

Basarse en datos reales evita respuestas equivocadas con seguridad

Un agente que responde desde una base de conocimiento conectada a datos reales de pedidos y cuentas dirá cosas correctas incluso cuando no entienda del todo la pregunta. Un agente que depende solo de un modelo general sin esa base ocasionalmente inventará una política de devolución que no existe, y lo dirá con total seguridad.

Esta es la mayor fuente de fallos reportada por equipos que operan estos sistemas en producción, y se resuelve con recuperación contra sistemas reales, no eligiendo un modelo más nuevo.

El control del tono necesita ajuste constante

Los agentes de soporte demasiado formales frustran a clientes que quieren ayuda rápida, mientras que agentes ajustados para sonar demasiado casuales pueden minar la confianza en temas serios como disputas de facturación. El tono correcto cambia según la categoría del ticket, y los equipos que revisan transcripciones cada semana detectan la desviación de tono mucho antes de que aparezca en las métricas de satisfacción.

Mide la calidad de la desviación, no solo la tasa de desviación

Un porcentaje alto de tickets cerrados sin intervención humana se ve bien en un tablero y puede esconder un aumento de clientes que se rindieron en vez de resolverse. Combina la tasa de desviación con una revisión de satisfacción posterior y una tasa de recontacto para saber si los tickets realmente se resuelven o solo se cierran.