LAB AI
Atención

Automatizar la atención al cliente con IA sin que se note mal

Todos conocemos el sistema que no entiende nada y no te deja salir. Es el resultado de automatizar sin decidir dos cosas: qué preguntas contesta y cómo se sale de él. Las dos se definen antes de armar nada.

Por Sebastián Chuffer · Ruptive AI y LAB AI 6 min de lectura

Operadora de atención al cliente con auriculares en su puesto de trabajo
Foto: Yan Krukau / Pexels

En resumen

  • Automatizá lo invariable: lo que se contesta igual para todos. Suele ser la mayoría del volumen.
  • Diseñá la salida antes que las respuestas: visible siempre, automática tras dos fallos, con contexto incluido.
  • Decí que es un sistema. Mejora las preguntas y baja la frustración.
  • Medí cómo llega el cliente cuando escala, no solo cuántas consultas resolviste.

La atención al cliente es el primer lugar donde casi todas las empresas piensan en usar inteligencia artificial, y con razón: es repetitiva, consume horas y el volumen es medible desde el día uno.

También es donde más fácil se rompe la confianza. Un sistema que responde rápido y mal hace más daño que no responder, porque el cliente ya gastó su paciencia antes de llegar a una persona.

La diferencia entre un caso y el otro no está en la herramienta. Está en tres decisiones de diseño.

Primera decisión: qué contesta el sistema

El criterio que mejor funciona es la variabilidad de la respuesta. Si la respuesta es la misma para todos los clientes, es buena candidata. Si depende del historial, del humor o de una negociación, no lo es.

Conviene automatizarConviene que lo vea una persona
Horarios, ubicación, formas de pagoReclamos y quejas
Estado de un pedido o trámitePedidos de excepción o descuento
Requisitos y documentación necesariaSituaciones donde el cliente ya está molesto
Disponibilidad y turnosVentas complejas o consultivas
Preguntas frecuentes de productoCualquier cosa con implicancia legal o de plata

En la mayoría de los negocios, la columna izquierda es entre el sesenta y el ochenta por ciento del volumen de mensajes. Automatizar solo eso ya libera la mayor parte del tiempo, sin tocar nada delicado.

No hace falta automatizar todo para que valga la pena. Resolver bien el sesenta por ciento aburrido libera a las personas para el cuarenta por ciento que de verdad necesita criterio.

Segunda decisión: cómo se sale

Este es el punto donde fallan casi todos los sistemas que odiamos.

Uno que no sabe decir "esto no lo sé" atrapa al cliente. Da vueltas, repite opciones, pide que reformule. Y cada vuelta suma enojo que después recibe la persona que atiende.

1La salida existe desde el primer mensaje

"Si preferís hablar con alguien del equipo, escribí humano y te paso." Visible siempre, no escondida en el menú tres.

2Después de dos intentos fallidos, escala solo

Si no entendió dos veces, no va a entender a la tercera. Que derive sin que el cliente tenga que pedirlo, y también ante señales de fastidio: mensajes cortantes, preguntas repetidas.

3Cuando escala, pasa el contexto

La persona tiene que recibir lo que el cliente ya escribió. Hacer repetir todo desde cero es la forma más rápida de convertir una consulta en un reclamo.

Tercera decisión: decir que es un sistema

Hay una intuición común de que conviene disimular. Es al revés, y por motivos prácticos antes que éticos.

Cuando la persona sabe que habla con un sistema, escribe distinto: más directo, más concreto, con menos rodeos. Y perdona mucho más una respuesta imperfecta. El enojo real no aparece por hablar con un bot: aparece al descubrir que era un bot después de haber contado un problema complejo.

Una línea alcanza: "Hola, soy el asistente de tal empresa. Puedo ayudarte con horarios, pedidos y turnos. Para otros temas te paso con alguien del equipo."

De dónde saca las respuestas

Acá hay una decisión con consecuencias grandes, y se puede explicar sin tecnicismos.

Un sistema puede responder de dos maneras: con lo que sabe en general, o con tus documentos. Para atención al cliente, la segunda es la única aceptable. Si improvisa sobre tus plazos de entrega o tu política de devoluciones, va a inventar algo verosímil y equivocado, con total seguridad en el tono.

En la práctica eso significa juntar en un solo lugar la información real: preguntas frecuentes, políticas, catálogo, horarios. Ese documento es el trabajo principal del proyecto.

Efecto secundario que sorprende a todos: armar la base de conocimiento ordena la empresa. Casi siempre aparece que no había una respuesta única, sino que cada persona contestaba distinto. La mitad del valor del proyecto llega antes del primer mensaje respondido.

El período de revisión, que no se saltea

Antes de dejarlo responder solo, conviene un período donde el sistema propone la respuesta y una persona la aprueba antes de enviarla. Dos semanas suelen alcanzar.

Ese período cumple dos funciones: corrige los errores antes de que lleguen a un cliente, y le muestra al equipo qué tan bien funciona, lo cual resuelve la resistencia interna mejor que cualquier explicación.

Pasadas esas semanas casi siempre se ve el patrón: hay un grupo de preguntas donde acierta siempre, y un grupo donde falla seguido. Se automatiza el primero y se deja el segundo con revisión.

Cómo saber si está funcionando

Qué medirQué te dice
Porcentaje resuelto sin intervenciónCuánto tiempo estás liberando de verdad
Cómo llega el cliente al escalarSi el sistema está ayudando o generando fricción

El segundo importa más y casi nadie lo mide. Una forma simple: que quien atiende marque con una palabra cómo llegó el cliente. Tres semanas de eso dan un diagnóstico más honesto que cualquier tablero.

60-80%

En la mayoría de los negocios, entre el sesenta y el ochenta por ciento de las consultas entrantes tienen la misma respuesta para todos los clientes. Esa franja es la que conviene resolver primero, y la que más horas devuelve.

Los errores que se repiten

ErrorQué provoca
Automatizar los reclamosEs donde el cliente menos tolera una respuesta genérica. Se pierde gente.
Esconder la salida a un humanoConvierte consultas simples en quejas sobre la empresa.
Dejar que improvise precios o plazosPromesas que después alguien tiene que desmentir.
Prenderlo sin período de revisiónLos primeros errores los descubre el cliente, no vos.
No actualizar la base de conocimientoEl sistema responde con precios de hace seis meses, con toda seguridad.

El resumen

  1. Automatizá lo invariable: lo que se contesta igual para todos.
  2. Diseñá la salida antes que las respuestas.
  3. Decí que es un sistema.
  4. Que responda con tus documentos, nunca de memoria general.
  5. Dos semanas de revisión antes de soltarlo.
  6. Medí cómo llega el cliente cuando escala.

En el LAB esto se arma con tu negocio adentro

Doce semanas en vivo donde elegís los procesos de mayor impacto y salís con tres funcionando. Si el tuyo es la atención al cliente, salís con tu base de conocimiento armada y el sistema andando, no con un apunte sobre cómo se haría.

Conocer el LAB AI ›

Preguntas frecuentes

¿Qué parte de la atención al cliente conviene automatizar primero?

Las preguntas repetidas cuya respuesta no cambia según el cliente: horarios, formas de pago, cómo llegar, estado de un pedido, requisitos de un trámite. Son las de mayor volumen y menor riesgo. Todo lo que implique una excepción, un reclamo o una negociación conviene que siga pasando por una persona.

¿Hay que avisarle al cliente que está hablando con un sistema?

Sí, y conviene hacerlo por una razón práctica además de la ética: cuando la persona sabe que habla con un sistema formula mejor sus preguntas y se frustra menos ante una respuesta imperfecta. El enojo real no viene de hablar con un bot: viene de descubrir que era un bot después de haber contado un problema complejo.

¿Cuál es el error más común al armar atención automatizada?

No diseñar la salida. Un sistema que no sabe decir "esto no lo sé, te paso con alguien" atrapa al cliente en un circuito y convierte una consulta simple en un reclamo. La puerta de salida tiene que estar disponible desde el primer mensaje.

¿Cómo se mide si está funcionando?

Con dos números: qué porcentaje de consultas se resuelve sin que intervenga una persona, y cómo llega el cliente cuando sí escala. El segundo importa más: un sistema que resuelve el setenta por ciento pero enoja al treinta restante puede estar costando más de lo que ahorra.

Escrito a partir de lo que vemos en las sesiones del LAB AI, el programa en vivo donde cada participante implementa IA en los procesos reales de su negocio.