IA en atención al cliente: sube la carga de los agentes

La IA absorbe lo simple y deja lo complejo al humano

El 70% de las interacciones en algunos contact centers ya las resuelve la tecnología y solo el 30% llega a una persona. Ese reparto suena a eficiencia, pero esconde un problema para cualquier founder que esté automatizando su soporte: lo que queda del lado humano es, por definición, lo más difícil.

Detrás de cada interacción automatizada opera un agente que absorbe los casos que la IA no puede cerrar. A medida que las empresas escalan sus implementaciones, el patrón se vuelve estructural: las tareas rutinarias —consultas de saldo, cambios de contraseña, seguimiento de pedidos— desaparecen del escritorio, pero las que persisten son sistemáticamente más complejas, emocionalmente cargadas y exigen más criterio.

ArvatoConnect, la firma británica de experiencia de cliente, opera con ese objetivo explícito: su CEO, Debra Maxwell, dijo a CNBC que la compañía apunta a que el 70% de las interacciones las maneje la tecnología y el 30% las personas. Es el mismo esquema que describe el reporte de noticiasneo: agentes de voz con IA para lo rutinario, asesores humanos para disputas y situaciones de vulnerabilidad del cliente.

La brecha entre automatizar bien y automatizar mal

La experiencia del agente depende del nivel de madurez de cada organización, y la diferencia es abismal.

En entornos donde la integración se ejecutó bien, los agentes reportan más tiempo por cliente y menos carga administrativa. Kaylee Harris, que trabaja en atención al cliente de una emisora de tarjetas de crédito, contó a CNBC que antes sus horas se llenaban de llamadas, toma de notas y largas divulgaciones; hoy puede concentrarse más en cada cliente.

En el otro extremo está Shannon, que atiende en una teleco en Cardiff, Gales, y pidió no dar su apellido por temor a su empleador. Las notas generadas por IA en su trabajo actual «están llenas de errores, así que escribo las mías». En su empleador anterior, la gerencia le decía al equipo que «lo pasara por ChatGPT» cuando no sabía una respuesta. Los agentes de IA reservaban citas, pero cuando no podían ofrecer la fecha pedida derivaban el caso a una persona. El resultado: «todos los casos complicados nos llegaban a nosotros, generando mucho burnout».

Esa brecha —herramientas que duplican esfuerzos en lugar de reducirlos— es uno de los riesgos más subestimados de cualquier estrategia de automatización.

¿Por qué más de la mitad de los responsables reporta más carga laboral?

Según el informe 2025/26 U.K. Contact Centre KPI Benchmarking Insights Report de MaxContact, más de la mitad de los responsables de contact centers encuestados dijo que la carga de trabajo de sus agentes había aumentado, frente a alrededor del 40% en 2024. El estudio no establece qué impulsa ese alza, pero la investigación académica apunta a una explicación.

Amanda Jones, que estudia comportamiento organizacional y el futuro del trabajo en el King's College de Londres y está especializada en intensificación laboral, explicó a CNBC que la IA puede volver el trabajo de call center más intenso si los agentes humanos quedan cada vez más con las interacciones más duras. «Algunos clientes ya pueden estar frustrados cuando llegan a esa persona», dijo. Y agregó un punto que suele pasarse por alto: las tareas relativamente simples ofrecían un respiro psicológico entre las demandantes. Si desaparecen, la intensidad de la jornada puede subir aunque el volumen total de trabajo no lo haga.

Jones también advirtió que las ganancias de productividad pueden traer metas de desempeño más exigentes, y que al automatizar lo rutinario los trabajadores pierden oportunidades de desarrollar la experiencia que necesitan para el trabajo más demandante. «Podríamos terminar esperando que las personas hagan un trabajo más exigente mientras reducimos las experiencias que tradicionalmente las preparaban para eso».

El argumento que sí convence: resultados medibles

El caso más citado es el de una herramienta de IA desarrollada para la Crown Commercial Service, la agencia de compras del gobierno del Reino Unido. Genera evaluaciones de viabilidad de proveedores con una precisión del 97% y reduce de forma significativa las horas de extracción manual de datos, según Debra Maxwell de ArvatoConnect.

Replicar ese resultado sin infraestructura de datos robusta y procesos de validación continua es considerablemente más difícil. La lección no es que la IA no funcione, sino que ese 97% no viene del modelo: viene del trabajo previo de datos y control de calidad.

Qué dicen los consumidores sobre el modelo híbrido

El índice de experiencia del consumidor en IA de Metrigy, elaborado con NiCE sobre 1.000 consumidores estadounidenses, muestra que la satisfacción con la IA fue la métrica que más subió entre el primer y el segundo trimestre, con un alza del 11,8%, seguida por la confianza en la IA (7,6%).

Pero la preferencia está fragmentada. Entre los 35 y 44 años, el 55,7% dice que la experiencia tecnológica importa más que la interacción humana. Entre los mayores de 65, nueve de cada diez siguen diciendo que las personas importan más, y casi el 95% elegiría un agente humano incluso si un sistema de IA le garantizara la resolución. Y el 89,6% de los consumidores afirma que el servicio es un criterio para decidir con quién hacer negocios.

Del lado de la frustración, datos recogidos por Puro Marketing señalan que el 75% de los consumidores prefiere hablar con una persona cuando el problema es complejo, mientras que el 40% opta por el autoservicio para casos simples. El 60% no está dispuesto a esperar más de dos minutos al teléfono.

¿Qué significa esto para tu startup?

Si estás automatizando soporte con un equipo chico, el riesgo no es que la IA falle: es que tu equipo humano termine haciendo solo lo peor.

• Mide el bienestar del agente como KPI, no solo el tiempo de resolución. Las organizaciones que sostienen resultados invirtieron en validar la calidad de las salidas de IA antes de escalar, rediseñaron los flujos humanos en paralelo —no como consecuencia— y midieron el bienestar como indicador de desempeño. Debra Maxwell lo dice sin rodeos: evalúan si el agente entendió la necesidad del cliente y llegó a la resolución correcta, «no si siguió un guion o cumplió un objetivo de tiempo arbitrario».

• Diseña el traspaso con contexto, no solo con la llamada. Si tu agente de IA deriva un caso sin pasar el historial, el cliente repite todo y la persona arranca la conversación con alguien ya irritado. Esa es exactamente la dinámica que dispara el desgaste.

• Presupuesta el costo real antes de firmar. Según la comparativa de Periodista Digital, las plataformas de autoservicio arrancan gratis o por debajo de los 100 euros al mes, mientras que los despliegues empresariales gestionados suelen partir de decenas de miles de euros al año. Partidas como minutos salientes, números de teléfono, voces personalizadas e integración con el CRM se facturan aparte de la cuota base.

• Mantén una ruta de escape visible. El 59% de los consumidores aceptaría una llamada proactiva de un agente de IA siempre que exista un camino de escalado disponible, según Metrigy. La escalada no es una derrota del sistema: es la condición para que lo acepten.

Cómo se ve un despliegue que no quema al equipo

La experiencia de HappyRobot, la startup fundada por los hermanos Javier y Pablo Palafox junto a Luis Paarup, que pasó por Y Combinator, apunta al mismo modelo híbrido. La compañía, que hoy tiene unas 120 personas a nivel global —cerca de 40 de ellas en España—, trabaja con más de cien clientes, entre ellos DHL, CMA CGM y Jobandtalent, y sostiene que la IA debe asumir el grueso de las tareas repetitivas para que los humanos se concentren en excepciones y casos complejos, según La Razón.

En España el diseño tiene además una capa regulatoria: la posibilidad de acceder a un agente humano desde el primer menú, la necesidad de atender el 95% de las llamadas en menos de tres minutos y la obligación de dar servicio en las lenguas cooficiales cuando se solicite. Son requisitos que, bien usados, obligan a diseñar la escalada desde el día uno en lugar de parchearla después.

Para las empresas de México y América Latina en fases tempranas de adopción, la conclusión es la misma: la automatización no es un proyecto de tecnología, es un rediseño de puestos. Si el equipo humano termina con la peor parte de cada conversación y sin las tareas simples que le daban aire, el ahorro en costo por contacto se paga en rotación.

Fuentes

• noticiasneo (fuente original)
• CNBC
• No Jitter
• Puro Marketing
• La Razón
• Periodista Digital