Blog

IA en atención al cliente: chatbots que resuelven, no solo desvían

Pablo Cabrera

Fundador de OperandIA

9 de noviembre de 202611 min de lectura

Casi todas las empresas que venden software de atención al cliente dicen hoy tener "agentes de IA". El problema es que durante años el indicador que usaban para presumir era la tasa de desvío: cuántas conversaciones conseguía absorber el bot antes de llegar a una persona, sin medir si el cliente salía de ahí con el problema resuelto o solo cansado de repetirse. En 2026 varios de los proveedores grandes han empezado a cobrar solo cuando el bot resuelve, no cuando simplemente contesta, lo que es una confesión bastante clara de que la métrica anterior no servía. Este artículo compara lo que hay disponible hoy —Claude, ChatGPT, Gemini y las plataformas de atención al cliente que se construyen sobre ellos— desde la pregunta que le importa a una pyme: no "qué tan listo es el bot", sino "cuántos de mis clientes se van sin tener que llamar por segunda vez".

Por qué la mayoría de los chatbots frustra (y no es por falta de inteligencia)

El problema casi nunca es que el modelo de IA "no entienda". Es estructural. Según varias fuentes del sector que citan estudios de experiencia de cliente de 2026, dos quejas se repiten por encima de todas: tener que repetir la misma información varias veces dentro de la misma conversación, y no encontrar una forma clara de llegar a una persona cuando el bot no resuelve. Ninguna de las dos tiene que ver con lo avanzado que sea el modelo; tiene que ver con cómo se ha diseñado el flujo alrededor de él.

El caso de Verizon en EE. UU. es el ejemplo más citado este año: la compañía ha invertido fuerte en agentes de IA para su atención al cliente, y varios usuarios han descrito en redes sociales bucles donde el bot repite las mismas opciones sin resolver, con trucos informales circulando en foros para intentar "forzar" la transferencia a un humano. La IA no es el problema en sí —Verizon reporta mejoras reales de satisfacción en los casos donde el flujo está bien diseñado—, pero cuando no hay una salida clara hacia una persona, la frustración se dispara exactamente en los casos donde más importa: los complicados.

El caso contrario, y más instructivo, es Klarna. En 2024 la empresa presentó su asistente de atención al cliente construido sobre un modelo de OpenAI con un titular rotundo: hacía el trabajo de 700 personas, gestionaba dos tercios de las conversaciones y proyectaba una mejora de beneficio de unos 40 millones de dólares en el año. Dos años después, varias fuentes coinciden en que Klarna ha dado marcha atrás: su CEO, Sebastian Siemiatkowski, ha reconocido que la apuesta por la IA "fue demasiado lejos" en calidad de servicio, y la empresa está volviendo a contratar personas, con un modelo bajo demanda similar al de un conductor de VTC, mientras el chatbot sigue gestionando la mayoría de las consultas sencillas. La lectura honesta no es "la IA no funciona": es que automatizar el 100% de la atención al cliente, incluidos los casos difíciles, cuesta más en reputación de lo que ahorra en nómina.

Desviar no es resolver: el cambio que está pasando en 2026

Durante años el marcador estrella de cualquier chatbot era la tasa de desvío (deflection rate): el porcentaje de conversaciones que nunca llegaban a una persona. Es una métrica fácil de inflar: basta con poner trabas para llegar a un humano, y sube sola, aunque el cliente no haya resuelto nada.

En 2026, los proveedores más grandes del sector han empezado a cambiar el modelo de cobro precisamente para corregir ese incentivo perverso. Zendesk presentó en mayo una "fuerza de trabajo autónoma" en la que, según su propio anuncio, los agentes de IA se facturan solo por resoluciones verificadas, no por conversaciones ni por asientos. Salesforce lanzó en junio su Agentforce Help Agent con un precio fijo de 2 dólares por resolución autónoma y, lo más revelador, sin coste si el cliente pide hablar con una persona o abandona la conversación insatisfecho. Intercom, con su producto Fin (ahora el nombre de toda la compañía), factura de forma parecida: alrededor de 0,99 dólares por resolución confirmada.

Que tres proveedores distintos adopten el mismo modelo en el mismo año no es casualidad: es el mercado admitiendo que "cuántas conversaciones absorbió el bot" nunca fue la pregunta correcta. La pregunta correcta es cuántas resolvió sin que el cliente tuviera que volver a escribir, y esa es también la pregunta que debería guiar a cualquier pyme antes de montar uno de estos sistemas.

El ecosistema en 2026: quién ofrece qué para atención al cliente

Ninguno de los grandes modelos de IA generalista —Claude, ChatGPT, Gemini— vende directamente "atención al cliente" como producto de empresa. Lo que hacen es ponerse por debajo de plataformas especializadas (Zendesk, Intercom/Fin, Salesforce Agentforce, Decagon) que sí construyen la experiencia completa: la integración con tu base de tickets, el histórico del cliente, los flujos de escalado a una persona. Para una pyme esto importa porque casi nunca tiene sentido construir un chatbot desde cero sobre una API: lo razonable es elegir una de estas plataformas y decidir qué modelo corre detrás, si es que se puede elegir.

	Dónde se usa normalmente	Precio orientativo	Punto fuerte	Límite a tener en cuenta
Claude (Anthropic)	Motor detrás de plataformas como Decagon, o API propia para desarrollos a medida	Plan Team desde 20$/puesto/mes (anual); uso de API aparte	Sigue instrucciones y políticas complejas con pocos errores; buena opción para procesos con muchas reglas (garantías, devoluciones, normativa)	Sin producto de atención al cliente propio: hace falta una plataforma encima o un desarrollo a medida
ChatGPT / modelos OpenAI	Motor detrás de Intercom Fin y otras plataformas; también vía API	Fin: ~0,99$ por resolución confirmada (cifra de varias fuentes, no de la web oficial)	El ecosistema de plataformas construidas encima es el más grande del mercado	La calidad depende mucho de cómo la plataforma que lo integra haya configurado el flujo de escalado
Gemini Enterprise (Google)	Suite propia para atención al cliente (antes Contact Center AI), integrada con Workspace	Cifras no publicadas; estimaciones de terceros entre 100-200$/agente/mes	Fuerte si ya tienes todo tu soporte en Google Workspace o Salesforce/SharePoint conectado	El precio real exige hablar con ventas de Google Cloud; nada de lista de precios pública
Mistral	Sin producto de atención al cliente dedicado; solo API/Le Chat para quien quiera construir	Según uso de API	Soberanía de datos en la UE, relevante si el cliente pide que los datos no salgan de Europa	Para una pyme sin equipo técnico, hoy no es una opción "lista para usar" en este caso de uso
Zendesk / Salesforce / Intercom (plataformas)	La opción que la mayoría de pymes debería mirar primero: ya incluyen el flujo completo	Por resolución: ~1,50-2$ (Zendesk), 2$ (Salesforce), ~0,99$ (Intercom); cifras de fuentes secundarias, a confirmar con cada proveedor	Listas para usar sobre tu base de tickets actual, sin desarrollo	El coste por resolución sube rápido con volumen si no se negocia el contrato antes de escalar

Nota de verificación: los precios de Gemini Enterprise, Zendesk AI agents, Salesforce Agentforce e Intercom Fin de esta tabla proceden de varias fuentes secundarias especializadas que coinciden aproximadamente entre sí, no de las páginas oficiales de precios (bloqueadas en nuestro barrido de esta semana, salvo claude.com). Hay que confirmarlas con cada proveedor antes de presupuestar un proyecto.

Caso 1: un hotel boutique en Palma de Mallorca que dejó de repetirse

Ejemplo compuesto, no un cliente real de OperandIA. Un alojamiento turístico de 22 apartamentos en Palma de Mallorca recibía en temporada alta más de 300 mensajes de WhatsApp a la semana, casi todos durante las horas en que la persona de reservas no podía contestar al instante. Al revisar un mes de conversaciones, el 70% eran siempre las mismas ocho preguntas: hora de check-in y check-out, si se aceptan mascotas, dónde aparcar, el código del wifi, cómo llegar desde el aeropuerto, la política de cancelación y si hay piscina.

Montaron un asistente conectado a WhatsApp Business que responde esas ocho preguntas con la información exacta de cada apartamento (no una respuesta genérica: cada unidad tiene su propia ficha), y deriva a la persona de reservas cualquier mensaje que no encaje con esos patrones —sobre todo quejas, solicitudes de cambio de fecha o preguntas sobre grupos grandes—. El tiempo de primera respuesta para esas preguntas repetitivas pasó de una media de 40 minutos (cuando la persona estaba libre) a menos de 2 minutos a cualquier hora. La persona de reservas liberó unas 10-12 horas semanales en temporada alta, que ahora dedica a gestionar las reservas de grupo y las quejas, que son precisamente los casos donde una respuesta humana marca la diferencia.

Caso 2: una tienda de informática en Las Palmas de Gran Canaria que midió lo que sí resolvía

Ejemplo compuesto, no un cliente real de OperandIA. Una tienda de informática y electrónica con web propia y dos tiendas físicas en Las Palmas de Gran Canaria (12 empleados) recibía cada día entre 35 y 45 tickets de atención al cliente, la mayoría sobre tres temas: estado de un pedido, plazo de devolución y cómo tramitar una garantía. La persona encargada de atención al cliente pasaba buena parte del día respondiendo variaciones de las mismas tres preguntas, con el inventario y el sistema de pedidos abiertos en otra pestaña para ir mirando cada caso uno a uno.

Implementaron un asistente conectado a su plataforma de tickets y a su sistema de pedidos (solo lectura, sin permiso para modificar nada) que responde automáticamente consultas de estado de pedido y plazos de devolución citando la política exacta de la tienda, y clasifica el resto por tipo antes de que llegue a la persona. A los dos meses, el asistente resolvía sin intervención humana el 55% de los tickets de ese tipo —no "desviaba": el cliente recibía la respuesta correcta y no volvía a escribir por lo mismo—, y la carga diaria de tickets simples de la persona de atención al cliente bajó de 40 a unos 18, dejando tiempo para los casos de garantía que de verdad requieren criterio (daños, piezas discontinuadas, negociación con el fabricante).

Los 5 pasos para montar un asistente que resuelve (no que solo contesta)

Clasifica un mes de conversaciones reales por tipo de pregunta, no por canal. El objetivo es encontrar el 20-30% de preguntas que explican el 70-80% del volumen; sin ese dato, se automatiza a ciegas.
Escribe las respuestas correctas para esas preguntas, con la información real de tu negocio (horarios, políticas, plazos exactos), no genéricas. Esta es la base de conocimiento del asistente, y de su fiabilidad depende todo lo demás.
Define desde el primer día qué dispara el paso a una persona: palabras clave de queja, cualquier mención a una reclamación, cualquier pregunta que no encaje con la base de conocimiento, y siempre que el cliente lo pida explícitamente. No negociable, aunque reduzca la "tasa de resolución" en el informe.
Conecta el asistente de solo lectura a los sistemas que necesita (pedidos, reservas, tickets) antes de darle ningún permiso de escritura. Resolver bien con datos reales vale más que automatizar también la acción.
Mide resolución real, no desvío: ¿el cliente volvió a escribir por el mismo motivo en las siguientes 48 horas? Si sí, no se resolvió, aunque el bot haya "contestado". Revisa ese número cada mes el primer trimestre.

Dónde no conviene automatizar (todavía)

La honestidad aquí importa más que el entusiasmo. Hay situaciones donde meter un chatbot, incluso uno bueno, hace más daño que no tener nada:

Quejas y reclamaciones formales. Un cliente enfadado que recibe una respuesta automática lo interpreta como que a la empresa no le importa, incluso si la respuesta es correcta.
Cualquier caso con dinero en disputa (reembolsos discutidos, facturación errónea de importe relevante): necesita a alguien con margen de decisión, no un flujo fijo.
Datos personales sensibles. Si tu atención al cliente puede tocar datos de salud (una clínica), menores o categorías especiales de datos, cualquier asistente necesita un acuerdo de tratamiento de datos claro con el proveedor y, lo mínimo, que no entrene modelos con tus conversaciones por defecto (Claude Team, por ejemplo, no entrena con el contenido de los clientes por defecto).
El aviso de que es una IA no es opcional. Desde el 2 de agosto de 2026, el artículo 50 del Reglamento de IA europeo obliga a que cualquier sistema que interactúe directamente con una persona informe de que está hablando con una IA, salvo que sea evidente por el contexto, con sanciones de hasta 15 millones de euros o el 3% de la facturación mundial. No es un matiz legal menor: es un mensaje claro al principio de la conversación.

Ya hablamos en detalle de los requisitos de protección de datos para cualquier sistema de IA que toque datos de clientes en nuestro artículo sobre RGPD e IA para pymes, y de cómo elegir entre proveedores según el proceso concreto en qué IA usar en cada departamento.

Conclusión

El chatbot que frustra no es el que usa IA: es el que mide si contestó en vez de medir si resolvió, y el que no deja una salida clara hacia una persona cuando hace falta. La buena noticia de 2026 es que el propio mercado —Zendesk, Salesforce, Intercom— ha empezado a cobrar por resolución, no por conversación, lo que obliga a diseñar mejor desde el principio. El primer paso que puedes dar hoy sin ayuda de nadie: coge un mes de tickets o mensajes reales y cuenta cuántos son, de verdad, las mismas diez preguntas. Esa cifra es el tamaño real de tu oportunidad, antes de elegir ninguna herramienta.

Si quieres identificar qué parte de tu atención al cliente se puede automatizar sin perder el trato humano donde importa, en OperandIA hacemos un diagnóstico de IA de una semana, sin compromiso.

Fuentes

← Volver al blog