IA en atención al cliente: hasta dónde llega hoy y dónde estropea
La pregunta que llega al estudio casi siempre viene mal formulada. "Queremos poner una IA en el chat." Vale. Pero eso puede significar cinco cosas distintas, con costes y riesgos que no se parecen en nada. Y una de ellas, la que más se vende, es la que más clientes quema.
Vamos a separar qué resuelve bien la automatización con IA en atención al cliente en 2025, qué hace mal, y sobre todo qué pasa cuando falla. Porque el fallo no es simétrico: ahorrarte una respuesta cuesta céntimos, perder a un cliente que llevaba tres años comprando cuesta bastante más.
Tres cosas distintas que la gente llama "IA en el chat"
Antes de decidir nada, conviene tener claro de qué hablamos. Hay tres arquitecturas y se confunden todo el rato.
El bot de reglas de siempre. Árbol de botones. "Pulsa 1 para pedidos." No es IA, funciona desde hace quince años y para tres o cuatro flujos muy repetidos sigue siendo razonable. Aburre al cliente, pero no le miente.
El agente con LLM conectado a tus datos. Un modelo de lenguaje (el motor tipo ChatGPT) que lee tu base de conocimiento y, si está bien montado, consulta tu sistema en tiempo real: pedido, estado del envío, política de devolución que aplica a ese cliente concreto. Aquí está el salto real de los últimos dos años, y también el riesgo.
El copiloto para tu agente humano. La IA no habla con el cliente. Redacta el borrador, clasifica el ticket, lo enruta y resume el histórico. La persona revisa y envía. Es lo que menos se vende en LinkedIn y lo que más rinde en la mayoría de negocios medianos.
Un LLM sin acceso a tu base de datos no es atención al cliente. Es un buscador de FAQ con mejores modales. Si no puede leer el estado real del pedido 48291, va a improvisar, y la improvisación en logística se paga.
Lo que resuelve bien, con condiciones
Hay un bloque de consultas que la automatización se come sin despeinarse. En un e-commerce medio suelen ser la mayoría del volumen.
- "¿Dónde está mi pedido?" Es la reina. En muchas tiendas se lleva entre el 40 % y el 60 % de los contactos, y en campaña más. Si el bot puede identificar al cliente, leer el estado y el tracking del transportista y responder con la fecha estimada, resuelve de verdad.
- Iniciar una devolución estándar. Producto sin usar, dentro de plazo, motivo normal. Generar la etiqueta y explicar el proceso es un flujo cerrado con pocas variables.
- Preguntas de catálogo con respuesta objetiva. Tallaje, composición, compatibilidad, medidas, si hay stock en la tienda de Valencia.
- Facturas, cambios de dirección antes de la preparación, horarios, plazos, métodos de pago. Todo lo que es consulta de un dato que existe en algún sitio.
Condición innegociable: que la IA lea el dato, no lo recuerde. Un agente que responde "tu pedido debería llegar en 24-48 horas" porque eso pone en tu página de envíos, cuando el paquete lleva cinco días parado en un hub de Zaragoza, no te ha ahorrado un ticket. Te ha generado dos y ha cabreado a alguien.
Dónde estropea, y estropea caro
Aquí es donde conviene ser tajante. Hay conversaciones que no deberían tocar un bot ni de refilón.
Cuando hay dinero en disputa. Cobro duplicado, reembolso que no aparece, promoción que no se aplicó. El cliente ya viene tenso. Una respuesta genérica ("lamento las molestias, los reembolsos tardan de 5 a 10 días hábiles") sobre un caso que lleva veinte días abierto es gasolina.
Cuando el cliente ya está enfadado. Los detectores de sentimiento funcionan regular con el español coloquial, y peor con ironía. "Genial, otra semana sin mi pedido, muchas gracias" se clasifica como positivo más veces de las que te imaginas. El escalado por tono es una red útil, pero no es una red fina.
Cuando el caso tiene excepción. Un B2B con condiciones pactadas, un cliente al que le prometiste algo por teléfono, un pedido que ya se tocó a mano en el ERP. La IA responde según la política publicada. Tu negocio, en la práctica, no funciona solo con la política publicada.
Cuando hay responsabilidad legal o de seguridad. Alimentación con alérgenos, cosmética, suplementos, productos infantiles, cualquier cosa con normativa. Aquí una frase mal generada no es un cliente perdido, es un problema.
Cuando el cliente pide cancelar. Baja de suscripción, cancelación de pedido grande, cierre de cuenta. No por retenerlo a la fuerza, sino porque es la conversación donde más se aprende y donde un humano todavía puede arreglar algo.
| Tipo de consulta | Automatizar | Motivo |
|---|---|---|
| Estado de pedido con tracking | Sí, extremo a extremo | Dato objetivo, verificable |
| Devolución estándar en plazo | Sí, con confirmación | Flujo cerrado |
| Consulta de producto (medidas, stock) | Sí, si lee el catálogo | Riesgo bajo si el dato es real |
| Retraso ya reclamado antes | No. Escalar directo | Segundo contacto = frustración acumulada |
| Incidencia de cobro o reembolso | No | Dinero + tensión |
| Producto defectuoso o dañado | Borrador para humano | Requiere criterio y fotos |
| Pedido B2B con condiciones propias | No | Excepciones no documentadas |
| Cancelación o baja | No | Momento de retención e información |
La asimetría del error
Este es el cálculo que casi nadie hace antes de firmar.
Automatizar una consulta te ahorra, tirando por lo alto, entre 1 y 3 euros de tiempo de agente. Las plataformas que cobran por resolución están en el entorno de 0,80 a 1 euro por conversación resuelta, y una implementación propia sobre API puede bajar el coste de modelo a céntimos, aunque el mantenimiento no sea gratis. Los números concretos dependen mucho del montaje, y hay un artículo entero sobre cuánto cuesta de verdad meter IA en un proceso, así que no me alargo.
Ahora el otro lado. Un cliente recurrente de una marca de moda o de alimentación puede valer entre 200 y 600 euros a lo largo de su vida útil. Si una respuesta automática mal calibrada te lo quita, el ahorro de 1,50 € en soporte te ha costado el equivalente a doscientas conversaciones automatizadas. Y eso sin contar la reseña de una estrella, que en Google no caduca.
Automatizar bien reduce coste. Automatizar de más traslada coste del departamento de soporte a la cuenta de resultados, donde no se ve hasta seis meses después.
Si el peor resultado posible de una respuesta automática es "el cliente se molesta y vuelve a escribir", automatiza. Si el peor resultado es "el cliente se va, pide devolución de todo o publica una reseña", no automatices esa consulta aunque sea repetitiva.
El copiloto: lo aburrido que sí funciona
Si tienes dos o tres personas en atención al cliente y entre 300 y 800 tickets al mes, lo más rentable casi nunca es el bot de cara al público. Es meter la IA detrás.
- Clasificación y enrutado. El ticket llega ya etiquetado (logística, devolución, incidencia de pago, preventa) y con la información del pedido adjunta. El agente no pierde dos minutos buscando en el ERP.
- Borrador propuesto. La IA escribe la respuesta con los datos reales. El agente lee, corrige y envía. El tiempo por ticket baja de forma notable —en implantaciones que hemos visto, del orden de un 25-40 % en los tickets rutinarios—, pero siempre hay un humano firmando.
- Resumen del histórico. Cliente que escribe por tercera vez: el agente ve en cinco líneas lo que pasó, en vez de leer un hilo de cuarenta mensajes.
La ventaja del copiloto es que el fallo no llega al cliente. Es la misma lógica que aplico al empezar a automatizar cualquier proceso: primero automatizas la parte donde un error se detecta antes de salir por la puerta.
La contrapartida honesta: el copiloto no te quita gente del equipo. Te la hace rendir más y te quita picos de saturación en Black Friday o en rebajas. Si lo que buscas es recortar plantilla, esto no lo hace. Si lo que buscas es no contratar al cuarto agente cuando crezcas un 40 %, sí.
Cómo montarlo para que no te queme la marca
Cinco decisiones de diseño que separan un despliegue sensato de un desastre.
1. Alcance cerrado, no abierto
Empieza con tres o cuatro intenciones. Estado de pedido, devolución simple, factura, horario de tiendas. Todo lo demás va a humano sin intentar nada. Es tentador dejar que el LLM conteste "lo que pueda", y es exactamente el origen del 90 % de las respuestas vergonzosas.
2. Salida a humano en un clic, siempre visible
Nada de esconder el botón para forzar la deflexión. Si el cliente escribe "quiero hablar con una persona", se acabó el bot. Sin negociación, sin "antes déjame intentar ayudarte".
3. Escalado automático por señales, no solo por petición
Segundo intento fallido, mención de dinero, palabras como "reclamación", "abogado", "OCU", "denuncia", pedido con incidencia abierta, cliente con más de X pedidos al año. Cualquiera de esas dispara el traspaso.
4. Que se note que es un bot
Nombre de bot, aviso claro. La gente perdona bastante a una máquina que se identifica como tal y muy poco a una que finge ser "Laura del equipo de atención al cliente" durante ocho mensajes y luego se descubre.
5. Horario
El caso más limpio para automatizar es la franja en la que ahora mismo no responde nadie: noches, fines de semana, festivos. Ahí compites contra el silencio, no contra un humano. La comparación es mucho más favorable.
Qué medir, y por qué la métrica que te van a enseñar está sesgada
El proveedor te enseñará la tasa de deflexión: porcentaje de conversaciones que no llegaron a un humano. Es una métrica manipulable. Un bot que ignora al cliente hasta que se rinde tiene una deflexión estupenda.
| Métrica | Qué dice | Trampa |
|---|---|---|
| Tasa de deflexión | Cuántos no llegaron a humano | Sube si el cliente abandona |
| Resolución en primer contacto | Si el problema se cerró | Hay que verificar que no reabre |
| Reapertura a 72 h | Fallos encubiertos | Casi nadie la mira |
| CSAT solo del tramo automatizado | Calidad real percibida | Suele darse mezclado con el global |
| Pedidos posteriores del cliente atendido | Impacto de negocio | Requiere cruzar con el CRM |
La combinación útil es: resolución verificada, reapertura a 72 horas y satisfacción medida solo en las conversaciones que gestionó la máquina. Si el CSAT del tramo automatizado está más de 10-15 puntos por debajo del humano, tienes un problema aunque la deflexión sea del 70 %.
Cuándo no conviene, directamente
Casos en los que yo no lo montaría hoy:
- Volumen bajo. Menos de 150-200 tickets al mes. El coste de implantación y mantenimiento no se recupera. Con plantillas de respuesta bien hechas y un buen buscador de ayuda vas servido.
- Datos inaccesibles. Si tu estado de pedido vive en un Excel que actualiza alguien el martes, no hay IA que arregle eso. El problema es de infraestructura, y hay que resolverlo antes.
- Catálogo con fichas inconsistentes. Si las medidas están mal en 400 de tus 3.000 referencias, la IA repetirá los 400 errores con total seguridad y a escala.
- Producto de ticket alto o muy consultivo. Mobiliario a medida, maquinaria, reformas. Ahí la conversación es la venta.
Y la alternativa que no vendo pero que gana más veces de las que parece: arreglar la página de seguimiento del pedido. Una página donde el cliente mete su email y ve el estado real, con el tracking incrustado y la fecha estimada, sin registrarse. Es más barata que cualquier agente de IA, no falla, no alucina y se come una parte enorme de los "¿dónde está mi pedido?". Si esa página no existe o funciona mal, empieza por ahí antes de gastarte nada en modelos de lenguaje.
Primero, autoservicio que funcione (seguimiento, portal de devoluciones, FAQ buscable). Segundo, copiloto interno para el equipo. Tercero, bot de cara al cliente en franja no atendida. Cuarto, ampliar alcance. Saltarse los dos primeros pasos es la vía rápida al desastre caro.
Dónde está la línea hoy
La tecnología de 2025 responde bien preguntas cuya respuesta existe en un sistema al que puede acceder. Eso es mucho más de lo que hacía hace tres años y es suficiente para descargar una parte real del volumen.
Lo que no hace es tener criterio. No sabe cuándo saltarse la política porque el cliente lleva ocho años comprando. No detecta que detrás de "el paquete está bien pero no era esto" hay un error de picking que se va a repetir. No decide regalar los portes para salvar una relación. Todo eso lo hace una persona que conoce el negocio, y por ahora no hay forma de externalizarlo a un modelo.
Así que la pregunta no es cuánta atención al cliente puedes automatizar. Es cuál. Y esa lista, en la mayoría de negocios que facturan entre 50.000 y 300.000 euros al mes, es más corta y más aburrida de lo que promete la demo.
Si este problema está entre dos proveedores tuyos,
es justo donde suelo entrar.