Uso de IA generativa para redactar respuestas a clientes

Un agente de soporte que usa un asistente de IA generativa resuelve más incidencias por hora que uno que no lo usa: un 14% más, según el hallazgo central de un estudio con datos reales de un centro de atención al cliente de una empresa del Fortune 500. Pero esa cifra agregada esconde el dato que de verdad importa: el beneficio se concentra casi por completo en los agentes con menos experiencia, no en los expertos. La IA generativa no está sustituyendo el juicio humano en la atención al cliente. Está comprimiendo la curva de aprendizaje de quien todavía no lo tiene.

Esa distinción es la tesis de este artículo. La pregunta que de verdad debería ocupar a un director de experiencia de cliente no es "¿puede la IA redactar la respuesta?" —evidentemente puede— sino "¿en qué punto del proceso debe intervenir, y quién sigue siendo responsable de lo que se envía?". La respuesta corta: la IA generativa funciona mejor como coautora del primer borrador, nunca como emisora final sin supervisión, y el valor que genera depende menos del modelo que de cómo se diseña el flujo de trabajo alrededor de él.

¿Qué cambia realmente cuando una IA generativa redacta la respuesta al cliente?

Lo que cambia no es la calidad del lenguaje —los modelos actuales escriben con fluidez de sobra— sino la arquitectura de la decisión. Antes, un agente enfrentaba una página en blanco y tenía que decidir tono, estructura y contenido desde cero para cada caso. Ahora enfrenta un borrador ya construido y decide, en cambio, si lo acepta, lo corrige o lo descarta. Ese es un cambio de carga cognitiva, no de creatividad.

En términos de economía conductual, esto desplaza al agente de un proceso de generación —costoso, lento, propenso al agotamiento decisional— a un proceso de validación, que es más rápido porque activa el Sistema 1 descrito por Daniel Kahneman en Pensar rápido, pensar despacio (2011): el reconocimiento de patrones familiares, no el razonamiento deliberado desde cero. El riesgo, previsible, es que la validación se vuelva automática también: aceptar sin leer. Volveremos a ese punto porque es donde la mayoría de las implementaciones fallan.

¿Por qué la velocidad no es el verdadero problema que resuelve la IA generativa?

La métrica que más se cita al justificar estos proyectos es el tiempo medio de respuesta. Es la más fácil de medir y la menos interesante. Un centro de contacto puede reducir su tiempo de respuesta y, al mismo tiempo, deteriorar la experiencia si las respuestas más rápidas son también más genéricas.

El estudio de Erik Brynjolfsson, Danielle Li y Lindsey Raymond, "Generative AI at Work" (National Bureau of Economic Research, working paper nº 31161, abril de 2023), analizó a más de 5.000 agentes de soporte técnico con acceso a un asistente basado en modelos de lenguaje. El hallazgo más citado —el aumento medio de productividad del 14%— llega acompañado de otro más relevante para el diseño de la experiencia: los agentes con menor antigüedad mejoraron hasta un 34%, mientras que los agentes más experimentados apenas mostraron cambios. La herramienta no hizo más rápidos a los mejores agentes; hizo que los agentes nuevos se comportaran, en promedio, más parecido a los buenos.

Eso reencuadra el problema. La IA generativa no resuelve un problema de velocidad. Resuelve un problema de varianza: la distancia entre la peor respuesta que puede recibir un cliente y la mejor. Y en experiencia de cliente, la varianza —no la media— es lo que determina la confianza. Un cliente que recibe una respuesta excelente y luego una mediocre no promedia ambas experiencias; recuerda la peor, un efecto emparentado con la regla pico-final de Kahneman, que sostiene que juzgamos una experiencia por su punto más intenso y por cómo termina, no por su media aritmética.

¿Dónde falla la IA generativa al redactar respuestas a clientes?

Fallar es la palabra correcta, y ocurre en tres puntos concretos, no en la tecnología en abstracto.

• Alucinación factual con apariencia de autoridad. Un modelo generativo puede inventar una política de devoluciones, una fecha límite o una cláusula contractual con la misma confianza sintáctica que si estuviera citando el manual real. El cliente no distingue el tono seguro de la certeza factual.
• Sludge invertido. Richard Thaler describió el "sludge" como la fricción artificial que una organización interpone entre el cliente y lo que necesita. La IA generativa produce el problema inverso con la misma raíz: respuestas fluidas, largas y "amables" que en realidad diluyen la información que el cliente busca, obligándolo a leer tres párrafos para encontrar un sí o un no. Fricción disfrazada de cortesía sigue siendo fricción.
• Homogeneización emocional. Entrenados para maximizar cortesía media, los modelos tienden a un tono neutro-amable que resulta correcto en una queja leve y desconectado en una reclamación grave. Aplicar el mismo registro a un cliente furioso por un cobro erróneo que a uno que pregunta un horario es un fallo de lo que en diseño de servicios se llama consistencia de la respuesta al contexto emocional, no de gramática.

Ninguno de estos tres fallos aparece en una demo. Todos aparecen en producción, a las tres semanas, cuando el volumen sube y la supervisión humana baja.

¿Cómo se diseña un flujo de trabajo de IA generativa para respuestas al cliente?

El error habitual es tratar la implementación como un proyecto de tecnología cuando es, sobre todo, un proyecto de diseño de servicio: quién hace qué, en qué orden, con qué margen de decisión. Un flujo defendible sigue esta secuencia.

1. Clasificar antes de generar. No todas las consultas merecen un borrador de IA. Las de alto riesgo —disputas, cancelaciones, quejas legales— deben enrutarse directamente a un humano, sin pasar por el modelo. Esto es, en esencia, una estrategia de escalamiento aplicada antes de la redacción, no después.
2. Generar el borrador con contexto verificado. El modelo debe redactar a partir de la base de conocimiento real de la empresa —políticas, historial del cliente, casos anteriores—, nunca desde su conocimiento general. Sin este anclaje, la alucinación no es una posibilidad remota: es estadísticamente esperable.
3. Exponer, no ocultar, la incertidumbre. El borrador debe señalar qué partes se apoyan en datos confirmados y cuáles son inferencias del modelo. Un asistente que no distingue entre ambas cosas traslada el riesgo de la máquina al agente humano sin que este lo sepa.
4. Confirmación humana explícita antes del envío. El agente lee, ajusta el tono si el contexto emocional lo exige, y aprueba. Este paso no es un trámite: es el único punto del proceso donde la responsabilidad legal y reputacional sigue siendo humana.
5. Medir la corrección, no solo la aceptación. Cuántos borradores se envían tal cual frente a cuántos se editan sustancialmente dice más sobre la calidad real del sistema que cualquier encuesta de satisfacción interna.

Esta lógica de confirmación explícita antes de actuar es, de hecho, un principio de diseño que ya existe en herramientas de software de CX construidas con IA nativa: en René Studio, el asistente integrado propone cambios sobre el espacio de trabajo pero siempre muestra una tarjeta de confirmación antes de aplicarlos —nunca actúa en silencio—. El mismo principio, aplicado a la redacción de respuestas al cliente, es lo que separa un asistente útil de un riesgo operativo.

¿Qué papel le queda al agente humano cuando la IA redacta el primer borrador?

El papel del agente cambia de autor a editor, y ese cambio es más exigente cognitivamente de lo que parece, no menos. Editar bien un texto ajeno —detectar el matiz que falta, el tono que no cuadra, el dato que suena raro— requiere el mismo tipo de atención deliberada que Kahneman asocia al Sistema 2: lento, esforzado, fácil de saltarse cuando hay presión de volumen.

Aquí aparece el riesgo operativo más subestimado de estos proyectos: la fatiga de aprobación. Cuando un agente revisa cientos de borradores de IA al día y la mayoría son correctos, el cerebro aprende —de forma completamente racional— a dejar de leer con atención. El sistema entrena al humano para confiar antes de que el humano haya verificado que la confianza está justificada. Esto no se corrige con más formación; se corrige rediseñando el trabajo, por ejemplo introduciendo revisiones aleatorias de calidad y no solo revisiones por excepción, y tratando la experiencia del agente —no solo la del cliente— como una variable de diseño, algo que conecta directamente con la experiencia del empleado como motor previo de la experiencia de cliente.

La IA generativa no elimina la necesidad de criterio humano en la atención al cliente: la traslada del momento de escribir al momento de aprobar, y ese segundo momento es más fácil de descuidar que el primero.

¿Cómo evitar que las respuestas generadas por IA suenen iguales para todos los clientes?

Un modelo generativo, por defecto, optimiza hacia la respuesta media: la más probable dado el contexto, que es casi por definición la más genérica. Esto colisiona con uno de los hallazgos más consistentes en experiencia de cliente: la personalización no es un extra estético, es lo que hace que un cliente sienta que fue atendido y no procesado.

La solución de diseño no es pedirle al modelo que "suene más humano" —una instrucción vaga que produce resultados vagos— sino alimentarlo con variables concretas: el historial de interacciones del cliente, su canal preferido, la gravedad de casos anteriores, incluso si es la primera vez que escribe o la quinta. Este es exactamente el tipo de dato que una estrategia de voz del cliente bien estructurada ya debería estar capturando, y que rara vez llega conectado al sistema que redacta la respuesta. El fallo, en la mayoría de las implementaciones que no funcionan, no está en el modelo de lenguaje: está en que nadie conectó los datos correctos a él.

Hay también un efecto de anclaje que vale la pena vigilar: si el primer borrador que ve el agente ya trae un tono y una estructura fijados, tenderá a ajustarlo marginalmente en lugar de reconsiderarlo desde cero, incluso cuando el caso lo merece. Es la misma lógica del efecto de anclaje descrito por Amos Tversky y Daniel Kahneman: la primera cifra o el primer marco que vemos condiciona desproporcionadamente el ajuste posterior. Diseñar el borrador para que sea deliberadamente más corto y más neutro en casos de alta gravedad —forzando al agente a reescribir en lugar de pulir— es una forma simple de contrarrestarlo.

¿Qué se debe medir para saber si la IA generativa está funcionando?

La mayoría de los cuadros de mando de estos proyectos miden lo que es fácil de medir: volumen atendido, tiempo de respuesta, coste por interacción. Ninguna de esas tres cifras dice si el cliente quedó mejor o peor atendido. Un panel más honesto incluye:

• Tasa de edición sustancial — qué porcentaje de borradores requiere cambios de fondo, no solo de estilo, antes de enviarse.
• Reincidencia de contacto — si el cliente vuelve a escribir sobre el mismo caso en las 48-72 horas siguientes, la respuesta original probablemente no resolvió nada, aunque se haya enviado rápido.
• Dispersión del CSAT por tipo de caso, no solo su media — para detectar si la IA mejora los casos simples mientras empeora silenciosamente los complejos.
• Escalamientos evitados frente a escalamientos correctos — un sistema que reduce escalamientos a toda costa está optimizando la métrica equivocada; algunos casos deben escalar.

Este es también el punto donde conviene poner cifras al proyecto antes de defenderlo internamente: cuantificar cuánto vale reducir la reincidencia de contacto o mejorar la dispersión del CSAT ayuda a justificar la inversión en supervisión y en datos de contexto, no solo en licencias de modelo. Una calculadora de retorno de la inversión en CX es un punto de partida razonable para esa conversación con finanzas, siempre que se alimente con las métricas correctas y no solo con el ahorro en headcount.

¿Qué significa esto para quien está decidiendo si adoptar IA generativa en atención al cliente?

Significa, primero, que la pregunta correcta no es tecnológica sino de gobierno: quién decide qué casos son elegibles para redacción asistida, quién audita la tasa de edición, quién es responsable legal de lo que se envía con la firma de la empresa. Significa, segundo, que el valor no aparece por comprar la herramienta, sino por rediseñar el proceso alrededor de ella —clasificación previa, contexto conectado, confirmación explícita, medición honesta— dentro de un programa más amplio de transformación digital que trate la tecnología como un medio, no como el objetivo.

Y significa, tercero, que el beneficio real no se reparte igual entre toda la plantilla. Si el hallazgo del NBER se sostiene en tu organización —y hay buenas razones conductuales para pensar que sí—, la IA generativa hará más por tu agente junior de tres meses que por tu agente senior de ocho años. Eso cambia dónde debería concentrarse la formación, cómo se diseñan los incentivos y qué se espera de cada perfil. Tratar la IA generativa como una herramienta uniforme para toda la plantilla es desperdiciar la parte más valiosa del dato.

La organización que gane esta década en atención al cliente no será la que adopte el modelo más avanzado primero. Será la que entienda que un buen borrador de IA solo vale lo que valga el criterio humano que lo revisa después, y que ese criterio, como cualquier otra capacidad crítica, se diseña, se mide y se protege — no se asume.