¿Qué caso de uso de la IA en la experiencia del cliente debería ser el primero? 

Por Jeff Tropeano

Hay un chiste antiguo que me gusta mucho sobre un hombre que va gateando bajo una farola, dando palmaditas al suelo. Un desconocido se detiene y le pregunta qué está haciendo.

«Estoy buscando mi reloj», dice. «Se me ha caído».

El desconocido se agacha y le ayuda a buscar. Recorren dos veces todo el círculo de luz y no encuentran nada. Finalmente, el desconocido le pregunta: «¿Estás seguro de que se te cayó aquí?».

«Ay, no», dice el hombre. «Se me cayó por allí, en el callejón».

«Entonces, ¿por qué estamos buscando aquí?»

«Porque aquí es donde está la luz».

La tecnología industria hace lo mismo. Los proveedores suelen desarrollar soluciones en aquellos ámbitos en los que la ingeniería resulta más fácil de mostrar, y no en aquellos en los que el impacto operativo es mayor. Las organizaciones se dejan convencer, lo que les lleva a «buscar bajo la farola»: invierten en inteligencia artificial (IA) para casos de uso relacionados con la experiencia del cliente (CX) que parecen impresionantes en una demostración, pero que no mejoran de forma significativa el trabajo que los clientes, los agentes o los directivos realizan a diario.

Las estrategias de IA más sólidas en el ámbito de la experiencia del cliente (CX) hacen justo lo contrario. Ordenan los casos de uso en función del grado de preparación, el riesgo y las condiciones operativas que permiten que la tecnología funcione. Los momentos difíciles y de gran impacto, las directrices reguladas, las interacciones emocionales, la automatización orientada al cliente y cualquier aspecto que requiera criterio suelen necesitar datos más limpios, una « gobernanza » más sólida, una responsabilidad más clara y vías de escalación más estrictas antes de que estén listos. Ahí es «donde realmente está el reloj», pero puede resultar más difícil de encontrar cuando hay menos luz.

Empieza por donde el equipo pueda detectar los errores desde el principio.

Recomendamos empezar por casos de uso que faciliten el trabajo de los empleados y mejoren la ejecución, antes de pasar a las formas más delicadas de automatización orientadas al cliente.

Normalmente, se trata de tareas que tu equipo de operaciones de experiencia del cliente (CX) ya sabe cómo revisar.

• Los resúmenes posteriores al contacto proporcionan a los supervisores y a los agentes información concreta que pueden comprobar, como el asunto, el resultado, el siguiente paso y la documentación necesaria.
• El soporte de conocimientos permite a los equipos comparar una respuesta recomendada por la IA con las políticas aprobadas, los artículos de la base de conocimientos y la situación real del cliente.
• El análisis de calidad ofrece a los equipos de control de calidad (QA) una forma de comprobar si la inteligencia artificial está identificando los patrones correctos en las interacciones.
• La búsqueda interna y la extracción de información ayudan a los responsables a comprobar si la IA está detectando tendencias útiles en las fuentes de datos conocidas.
• La formación basada en simulaciones permite a los formadores revisar el escenario, orientar la respuesta y ajustar el programa formativo antes de que los clientes se vean afectados.

Hay que tener en cuenta que, aunque rara vez se trate de las demostraciones más llamativas, son más fáciles de gestionar, más fáciles de evaluar y tienen más probabilidades de reforzar el funcionamiento antes de que la organización se embarque en una automatización de mayor riesgo.

Adapta las herramientas de IA para la experiencia del cliente (CX) a la función que deben mejorar.

Una vez que estén claros los primeros casos de uso, agrúpalos según el trabajo que se supone que deben mejorar.

Un problema de formación no requiere las mismas herramientas de IA y experiencia del cliente (CX) que un problema de visibilidad de las causas raíz. Por ejemplo, los largos tiempos de incorporación pueden apuntar a la formación basada en simulaciones, el apoyo al rendimiento y el « coaching » específico. Una escasa visibilidad de los motivos por los que los clientes vuelven a llamar puede apuntar a la calidad automatizada, el análisis de datos y la detección de patrones. La presión para reducir el esfuerzo del cliente puede acabar apuntando al autoservicio o al empoderamiento del cliente, una vez que el recorrido y el modelo de escalación estén listos.

Esto evita que la hoja de ruta se convierta en una lista de la compra.

Cuando preguntamos a nuestros clientes qué función pretenden mejorar y cuánta autonomía están dispuestos a conceder, esto suele implicar analizar categorías como:

• Atraer y desarrollar el talento
• Apoyo a las interacciones en directo
• Potenciar a los clientes
• Analizar datos y extraer conclusiones
• Garantizar la seguridad y optimizar las operaciones
• IA incorporada y robótica

La categoría que debe priorizarse es aquella que, en este momento, está más preparada, tiene mayor valor y resulta más fácil de gestionar.

Evalúa los riesgos antes de ampliar la escala.

Una IA potente en la hoja de ruta de la experiencia del cliente suele avanzar por etapas.

• La fase 1 comienza con un valor más claro y un menor riesgo operativo. Estos casos de uso son más fáciles de revisar, medir y ajustar, lo que los convierte en una base más sólida para generar confianza. En muchos entornos de centros de atención al cliente, esto incluye el soporte de conocimientos, los resúmenes posteriores al contacto, la formación basada en simulaciones, el análisis de calidad y la búsqueda interna o la extracción de información.
• La fase 2 supone un cambio más profundo en el flujo de trabajo. Esto puede incluir bucles avanzados de « coaching », compatibilidad con « Pronóstico », orquestación del flujo de trabajo, orientación en tiempo real consolidada y una capacitación limitada de los clientes. Estos casos de uso requieren una mayor coordinación, mejores datos y un modelo operativo más claro.
• La fase 3 es aquella en la que los responsables deben ser más selectivos. La automatización más amplia orientada al cliente, los momentos de atención al cliente que requieren sensibilidad emocional, las orientaciones reguladas, las decisiones de gran importancia y la IA incorporada suelen requerir las vías de « gobernanza » y de escalación más sólidas antes de poder ampliarse.

Lo vimos en el caso de un cliente del sector sanitario. La tecnología permitía automatizar interacciones con los pacientes de carácter muy delicado. El mejor diseño utilizaba la automatización «entre bastidores» para ayudar al responsable de citas, al agente o a la enfermera, mientras que el paciente seguía disfrutando de una experiencia humana y empática.

Ahí es donde la experiencia objetiva puede resultar de ayuda. COPC Inc. ayuda a los responsables a decidir qué casos de uso están listos ya, cuáles necesitan más preparación y cómo coordinar de forma conjunta a las personas, los procesos, gobernanza y la tecnología.

La demanda no disminuirá. Crecerá.

Es importante señalar que, detrás de muchas de estas decisiones, se esconde el temor de que la IA haya llegado para reducir la plantilla al mínimo. La historia sugiere lo contrario.

En la década de 1860, el economista William Stanley Jevons observó que una máquina de vapor más eficiente no reducía el consumo de carbón. Al contrario, hacía que el carbón resultara más útil y asequible, lo que contribuía a aumentar la demanda. Esta conclusión se conoce a menudo como la paradoja de Jevons: la eficiencia aumenta el consumo cuando reduce el coste de hacer más.

Lo mismo va a ocurrir con el servicio de atención al cliente. A medida que las interacciones resulten más baratas y fáciles de gestionar, los clientes esperarán más: respuestas más rápidas, una asistencia más proactiva, mejores opciones digitales y un proceso de escalación más fluido cuando necesiten hablar con una persona.

Las empresas que triunfen no serán aquellas que automaticen la mayor parte del trabajo. Serán aquellas que aprovechen esa eficiencia para ofrecer experiencias más valiosas a los clientes. Por eso es importante el orden de las cosas. Los líderes no compiten por reducir al mínimo las operaciones. Están decidiendo qué tipo de modelo de servicio quieren crear ahora que la IA está cambiando la economía de la prestación de servicios.

Antes de elegir el siguiente caso de uso, descarga la guía ejecutiva completa de COPC, «La IA en la experiencia del cliente, 2026: cómo modernizar la infraestructura tecnológica de tu centro de atención al cliente sin perder el control».