La atención al cliente en la era de la IA: cómo equilibrar eficiencia y experiencia con la atención inteligente

La atención al cliente es uno de los ámbitos en los que las empresas incorporaron la IA antes y con más decisión. Desde las respuestas automáticas hasta los agentes capaces de consultar pedidos y tramitar reembolsos, la atención inteligente permite gestionar más consultas con menos personas. Pero los clientes no siempre lo aceptan: respuestas que no vienen a cuento o vueltas interminables sin encontrar a una persona empeoran la experiencia e incluso pueden acarrear responsabilidad legal para la empresa. El objetivo de la atención inteligente no debería ser «atender menos llamadas», sino «resolver los problemas del cliente con más rapidez y precisión»; eficiencia y experiencia deben contabilizarse juntas.

¿Cómo encontrar el equilibrio entre ambas? En este artículo repasamos cómo ha evolucionado la atención inteligente, de los bots basados en reglas a los grandes modelos de lenguaje y los agentes; qué piensan realmente los clientes de la atención con IA; la lección del caso del chatbot de Air Canada; qué consultas conviene dejar en manos de la IA; y los principios de diseño, el método de despliegue por fases y los indicadores que de verdad importan.

¿Cómo ha evolucionado la atención al cliente inteligente?

La atención inteligente ha pasado, a grandes rasgos, por tres etapas: bots basados en reglas, asistentes con grandes modelos de lenguaje y agentes de atención al cliente. En cada etapa la capacidad aumenta, pero también cambia la forma de equivocarse: de «no entender» a «sonar muy convincente, pero estar equivocado».

• Bots basados en reglas. Los primeros bots de atención al cliente funcionaban con palabras clave y árboles de preguntas y respuestas predefinidos. Si el cliente escribía «devolución», enviaban un enlace a la política de devoluciones. Rara vez decían algo incorrecto, pero en cuanto la pregunta se salía un poco de lo previsto solo podían responder «no te he entendido, prueba a reformularlo».
• Asistentes con grandes modelos de lenguaje. La atención basada en grandes modelos de lenguaje (LLM) entiende el lenguaje natural y construye respuestas a partir de una base de conocimiento, lo que mejora claramente la experiencia de conversación. Sin embargo, puede «improvisar» allí donde la base de conocimiento no llega y dar respuestas que suenan razonables pero no se ajustan a la política de la empresa.
• Agentes de atención al cliente. Un agente de IA no se limita a responder: puede conectarse a los sistemas de negocio para ejecutar operaciones, como consultar el estado de un envío, modificar la dirección de entrega o iniciar un reembolso. Resuelve más problemas, pero, si se equivoca, las consecuencias recaen directamente sobre los pedidos y el dinero.

Este cambio se está produciendo con rapidez. La encuesta «State of Service: AI Agents Edition» de Salesforce, publicada en mayo de 2026 y realizada a 3.075 profesionales de atención al cliente, concluye que la proporción de organizaciones de servicio que usan agentes pasó del 39 % en 2025 al 66 % en 2026; entre los equipos que ya los utilizan, el 70 % afirma haber visto un valor medible en los 60 días siguientes al despliegue (fuente). Hay que tener en cuenta que la encuesta fue promovida por un proveedor de software de atención al cliente y que los encuestados son profesionales del sector, no clientes finales, de modo que sus conclusiones reflejan la percepción de la empresa.

¿Qué opinan los clientes de la atención con IA?

Las empresas se muestran entusiastas con la atención con IA, pero los clientes son claramente más cautelosos. Lo que de verdad preocupa a los clientes no es la «IA» en sí, sino que esta les cierre la puerta y no encuentren a nadie que resuelva su problema.

Gartner encuestó a 5.728 clientes en diciembre de 2023 y publicó los resultados en julio de 2024: el 64 % de los clientes preferiría que las empresas no usaran IA en la atención al cliente y el 53 % afirma que se plantearía cambiarse a la competencia si supiera que una empresa usa IA en su servicio de atención. La principal preocupación de los clientes es que sea «más difícil contactar con una persona»; después vienen que la IA sustituya puestos de trabajo y que dé respuestas erróneas (fuente). La encuesta se realizó a finales de 2023 y, desde entonces, la capacidad y la adopción de la atención con IA han cambiado mucho, por lo que las proporciones actuales podrían ser distintas; aun así, los tipos de preocupación de los clientes siguen siendo una referencia útil.

También existe una brecha de percepción evidente entre empresas y clientes. El informe de Salesforce antes citado muestra que el 65 % de los profesionales de atención al cliente cree que sus clientes confían plenamente en la IA, mientras que la encuesta a consumidores de Metrigy que el propio informe cita revela que solo el 44 % de los consumidores confía en que la IA gestione sus necesidades de atención al cliente (fuente).

La valoración de la propia Gartner también es mesurada. En septiembre de 2025 predijo que, para 2028, ninguna empresa de la lista Fortune 500 habrá eliminado por completo la atención al cliente humana, y que, para 2027, la mitad de las empresas que planeaban recortar de forma drástica su plantilla de atención al cliente gracias a la IA abandonarán ese plan por no alcanzar el objetivo de un servicio «sin personas» (fuente). Los analistas de Gartner consideran que la IA sigue teniendo dificultades con las excepciones y los escenarios de alto riesgo, y que la vía más realista es un modelo híbrido de «personas más IA», y no un centro de atención totalmente automatizado.

¿Qué enseña el caso del chatbot de Air Canada?

El caso Moffatt v. Air Canada, de 2024, es la lección más citada en el ámbito de la atención inteligente. Ilustra una verdad sencilla: lo que dice el bot de atención al cliente lo dice la empresa.

Según la resolución del Civil Resolution Tribunal de la Columbia Británica (Canadá) del 14 de febrero de 2024, los hechos fueron, a grandes rasgos, los siguientes (fuente):

• En noviembre de 2022 falleció la abuela del pasajero Jake Moffatt. Él consultó al chatbot de atención al cliente de la web de Air Canada sobre las tarifas por duelo.
• El bot le dijo que podía comprar el billete a precio normal y, después del viaje, solicitar el reembolso de la diferencia con la tarifa por duelo dentro de los 90 días siguientes a la fecha de emisión del billete. Sin embargo, la página oficial enlazada en la propia respuesta del bot indicaba que la tarifa por duelo no se aplica a las solicitudes presentadas una vez concluido el viaje.
• Moffatt compró los billetes de ida y vuelta según lo que dijo el bot y, después, su solicitud de reembolso de la diferencia fue rechazada. Air Canada reconoció que la información del bot era engañosa, pero alegó que no debía responder de la información facilitada por sus agentes o representantes, incluido el chatbot.
• El tribunal consideró que eso equivalía a afirmar que el chatbot es una entidad jurídica independiente que responde de sus propios actos, calificó la tesis de «afirmación notable» y concluyó que Air Canada había incurrido en una declaración errónea por negligencia. La resolución señala que, aunque el chatbot es interactivo, sigue siendo solo una parte del sitio web de Air Canada, y que la empresa debe responder de toda la información de su web, ya proceda de una página estática o de un chatbot.
• Finalmente, Air Canada fue condenada a abonar la diferencia de 650,88 dólares canadienses; con los intereses y las costas del procedimiento, el total ascendió a 812,02 dólares canadienses.

La indemnización fue modesta, pero el alcance del caso es considerable. Para las empresas, deja al menos tres enseñanzas: primero, no se puede eludir la responsabilidad diciendo que «lo dijo el bot»; segundo, los detalles de la política que aparezcan en las respuestas del bot deben coincidir con la política oficial, y cuando ambas se contradicen es difícil exigir al cliente que lo «compruebe por su cuenta»; y tercero, los compromisos relacionados con reembolsos, compensaciones o excepciones de precio son los que más fácilmente dan problemas y los que más necesitan límites estrictos.

¿Qué consultas pueden resolverse con IA y cuáles deben pasar a una persona?

Para decidir quién atiende una consulta hay que fijarse sobre todo en dos cosas: si la respuesta es clara y cuánto cuesta equivocarse. Las consultas con respuesta clara, verificable y fáciles de corregir si hay un error pueden dejarse en manos de la IA; las que implican criterio, emociones, dinero o consecuencias legales deben atenderlas personas o, al menos, ser confirmadas por una persona.

La siguiente tabla ofrece una referencia habitual de reparto:

La tabla es solo orientativa; los límites concretos deben ajustarse a las características del sector, a los requisitos regulatorios y a la tolerancia al riesgo de cada empresa.

¿Qué principios deben guiar el diseño de la atención inteligente?

Una buena atención inteligente no consiste en «hacer que el cliente no encuentre a una persona», sino en «que el cliente resuelva su problema por el camino más corto». El núcleo de los cinco principios siguientes es que el cliente sepa en todo momento con quién habla y quién es responsable de su problema.

Posibilidad de pasar a una persona en cualquier momento. El acceso a una persona debe ser visible y fácil de encontrar, no estar escondido tras varias rondas de conversación. En la encuesta citada, Gartner recomienda que, cuando el bot no pueda resolver el problema, informe de forma proactiva al cliente de que lo va a transferir a una persona (fuente).

Decir que es una IA. Que el cliente sepa desde el principio que al otro lado hay una IA es una muestra de respeto y ayuda a gestionar las expectativas. Para las empresas que se dirigen a clientes de la UE, además, ya es una obligación legal: el artículo 50, apartado 1, del Reglamento de Inteligencia Artificial de la UE (Reglamento (UE) 2024/1689) establece que los proveedores velarán por que los sistemas de IA destinados a interactuar directamente con personas físicas se diseñen de forma que estas sepan que están interactuando con un sistema de IA, salvo que resulte evidente para una persona razonablemente informada, atenta y perspicaz; el apartado 5 exige que esa información se facilite de forma clara y distinguible, a más tardar en el momento de la primera interacción (fuente). Según el artículo 113, estas obligaciones son aplicables a partir del 2 de agosto de 2026; y conforme al artículo 99, el incumplimiento de las obligaciones de transparencia del artículo 50 puede sancionarse con multas de hasta 15 millones de euros o el 3 % del volumen de negocios anual mundial, si esta cifra es superior. El análisis publicado en julio de 2026 por el despacho irlandés McCann FitzGerald señala que el posterior «Digital Omnibus» de la UE solo ajusta el calendario de aplicación a los sistemas existentes del artículo 50, apartado 2 (marcado legible por máquina de los contenidos generados por IA), y que la obligación de informar en los chatbots sigue el calendario de agosto de 2026 (fuente). Para saber cómo se reparten exactamente las responsabilidades de cumplimiento, conviene consultar a un abogado especializado.

Pasar el contexto en la derivación. Lo que más molesta al cliente tras ser derivado a una persona es tener que explicar el problema desde el principio. El bot debe transmitir a la persona la identidad del cliente, la información ya confirmada, las acciones intentadas y el historial de la conversación. Gartner recomienda también que el traspaso sea «fluido» y que el agente humano continúe donde lo dejó el bot.

No hacer promesas que excedan sus atribuciones. El caso de Air Canada ya demostró que la promesa del bot es la promesa de la empresa. En todo lo relativo a importes de reembolso, indemnizaciones o excepciones de precio, el bot solo puede explicar la política y el procedimiento, no prometer por su cuenta, y, cuando sea necesario, debe pasar el caso a una persona con atribuciones para confirmarlo.

Responder solo con una base de conocimiento veraz y actualizada. Las respuestas del bot deben basarse en documentos de política revisados por la empresa, materiales de producto y datos de negocio, e indicar la fuente siempre que sea posible; si algo no está en la base de conocimiento, es preferible responder «necesito derivarlo a una persona para confirmarlo» que dejar que el modelo especule. Cuando cambie una política, la base de conocimiento debe actualizarse a la vez.

¿Cómo desplegar la atención inteligente por fases y qué indicadores seguir?

La forma más segura de poner en marcha la atención inteligente es empezar con un alcance reducido y consultas de bajo riesgo, y dejar que los datos decidan el siguiente paso. Primero hay que demostrar que resuelve bien las consultas sencillas y, después, ampliar poco a poco su alcance.

Paso 1: analiza las consultas actuales e identifica las más frecuentes y sencillas. Exporta las incidencias y los registros de chat de los últimos meses y calcula, por tipo de consulta, el volumen y el tiempo de gestión. Normalmente, unos pocos tipos (como consulta de pedidos, facturas o plazos de entrega) concentran la mayor parte del volumen y son el mejor punto de partida.

Paso 2: ordena y revisa la base de conocimiento. Unifica las políticas, los materiales de producto y las preguntas frecuentes en una versión única y actualizada, y asigna a una persona concreta su mantenimiento. La calidad de la base de conocimiento marca el techo de las respuestas del bot.

Paso 3: diseña las reglas de derivación a personas y el proceso de traspaso. Define qué consultas pasan directamente a una persona, en qué situaciones debe detenerse el bot y qué información se transmite al derivar. Asegúrate también de que los turnos del equipo humano puedan absorber las consultas derivadas.

Paso 4: pruebas internas y ejecución en modo sombra. Primero, que los empleados simulen preguntas de clientes; después, que el bot procese consultas reales en segundo plano y solo genere respuestas propuestas, que una persona compara y revisa. Comprueba sobre todo si se equivoca en los detalles de la política, en los importes y en las excepciones.

Paso 5: lanzamiento a pequeña escala y ampliación gradual. Empieza por un solo canal o un solo tipo de consulta, por ejemplo, atender solo consultas de pedidos en la web; cuando el rendimiento sea estable, amplía a más canales y a gestiones operativas.

Paso 6: revisión continua para cerrar el ciclo de mejora. Cada semana, revisa por muestreo los registros de conversación y analiza en especial los casos de derivación a personas, las valoraciones negativas de clientes y las llamadas repetidas; con ello, completa la base de conocimiento y ajusta las reglas.

Al medir la atención inteligente, el error más habitual es fijarse solo en la «tasa de contención» (containment rate), es decir, cuántas consultas no se derivan a una persona. Una tasa de contención alta puede significar que se resolvieron los problemas, o que el cliente no encontró a una persona y se rindió. Lo más fiable es mirar juntos los indicadores de eficiencia y los de experiencia:

• Tasa de resolución. Si el problema del cliente se ha resuelto de verdad puede comprobarse con una confirmación al final de la conversación o con un seguimiento posterior.
• Tasa de recontacto. Que el mismo cliente vuelva a contactar poco después por el mismo asunto suele indicar que la vez anterior no se resolvió.
• Tasa de derivación a personas y sus motivos. Cuanto menor sea la tasa de derivación, no necesariamente mejor; lo importante es analizar los motivos: si el bot no es capaz, si falta contenido en la base de conocimiento o si la consulta debía atenderla una persona desde el principio.
• Satisfacción del cliente. Mide por separado la satisfacción en las consultas atendidas por la IA y en las atendidas por personas, y presta especial atención a cómo cambia la satisfacción tras pasar del bot a una persona.
• Errores y reclamaciones. Haz seguimiento de las reclamaciones originadas por información errónea o compromisos indebidos del bot; aunque sean pocas, conviene revisarlas una por una.

Preguntas frecuentes sobre la atención al cliente con IA

¿Necesita una pyme una atención inteligente? Si el volumen de consultas es alto y hay muchas preguntas repetidas, merece la pena planteárselo; si el volumen es bajo y los clientes valoran más el trato personal, puede empezar por ordenar la base de conocimiento y las respuestas automáticas. Lo esencial es calcular antes qué consultas consumen más recursos humanos.

¿Hay que decir al cliente que está hablando con una IA? Es recomendable. Ayuda a generar confianza y a gestionar las expectativas; además, para los servicios dirigidos a usuarios de la UE, desde el 2 de agosto de 2026 es también un requisito del artículo 50 del Reglamento de Inteligencia Artificial.

Si el bot se equivoca, ¿responde la empresa? A la vista del caso de Air Canada, a una empresa le resulta muy difícil quedar exenta alegando que «lo dijo el bot». Por eso conviene limitar los compromisos del bot en materia de reembolsos o indemnizaciones y comprobar periódicamente que sus respuestas coinciden con la política oficial.

¿Se puede reducir drásticamente la plantilla de atención al cliente tras implantar la atención inteligente? Con cautela. Gartner prevé que la mitad de las empresas que planean recortar de forma drástica su plantilla de atención al cliente con ayuda de la IA abandonarán ese plan antes de 2027. Lo más prudente es dejar que la IA gestione las consultas sencillas y repetitivas, y concentrar a los agentes humanos en los problemas complejos y en la relación con el cliente.

Referencias

• State of Service: AI Agents Edition (nota de prensa: AI service agents improve customer satisfaction), Salesforce, mayo de 2026
• Gartner Survey Finds 64% of Customers Would Prefer That Companies Didn't Use AI For Customer Service, Gartner, julio de 2024
• Gartner Predicts None of the Fortune 500 Companies Will Have Fully Eliminated Human Customer Service by 2028, Gartner, septiembre de 2025
• Moffatt v. Air Canada, 2024 BCCRT 149, Civil Resolution Tribunal (Columbia Británica, Canadá), febrero de 2024
• Regulation (EU) 2024/1689 (Artificial Intelligence Act), EUR-Lex, junio de 2024
• One Month to Go: EU AI Act Transparency Compliance, McCann FitzGerald, julio de 2026