La IA no mató la atención al cliente; la está reconstruyendo

Hace unos meses, entré en la oficina de uno de nuestros clientes, una empresa de software vertical que cotiza en bolsa y cuenta con decenas de miles de pequeñas empresas. Esperaba encontrarme con un equipo de soporte tradicional con filas de agentes al teléfono, sentados frente a computadoras, clasificando tickets. En cambio, parecía más bien una sala de control.

Había especialistas que supervisaban paneles de control, optimizaban el comportamiento de la IA, depuraban fallos de la API e iteraban en los flujos de trabajo de conocimiento. Un miembro del equipo, que había comenzado su carrera atendiendo las consultas de los clientes por chat y correo electrónico (restableciendo contraseñas, explicando funciones, solucionando problemas puntuales y escalando errores), ahora escribía scripts de Python para automatizar el enrutamiento. Otro desarrollaba modelos de evaluación de calidad para el agente de IA de la empresa.

Esto parecía muy diferente de la exageración que había escuchado sobre la desaparición de los puestos de atención al cliente, en gran parte debido a la IA. Lo que observaba en nuestra base de clientes parecía más bien un cambio en la definición del trabajo de soporte.

Así que decidí analizarlo más detenidamente. Analicé 21 ofertas de trabajo de atención al cliente en empresas nativas de IA, startups de alto crecimiento y SaaS empresarial. Estos puestos abarcan desde soporte técnico para productos de software complejos hasta soporte comercial más transaccional que incluye facturación y otros problemas comunes.

Lo que descubrí fue que la atención al cliente se está reestructurando en torno a flujos de trabajo nativos de IA y un enfoque a nivel de sistemas. Si bien responder a tickets individuales sigue siendo importante, los puestos están diseñando y operando los sistemas técnicos que resuelven los problemas de los clientes a gran escala.

El resultado es un nuevo tipo de puesto de soporte, que es en parte operador, en parte tecnólogo y en parte estratega.

Las habilidades de IA son ahora esenciales

Durante la mayor parte de las últimas dos décadas, la contratación de personal de soporte se optimizó en función de las habilidades de comunicación y la familiaridad con el producto. Pero ese punto de referencia ya no existe.

En las 21 ofertas de trabajo que analicé, casi tres cuartas partes requerían explícitamente experiencia con herramientas de IA, plataformas de automatización o sistemas de IA conversacional.

Estos puestos se centran en la configuración, la supervisión y la mejora de los sistemas de IA a lo largo del tiempo. Revisan registros de conversaciones, auditan el comportamiento de la IA e identifican modos de fallo.

En otras palabras, la alfabetización en IA se ha convertido en la base del trabajo de soporte moderno. Si no se comprende cómo se comportan los sistemas de IA, no se puede dar soporte a los clientes que dependen de ellos.

Más de la mitad de los puestos que analicé requerían que los candidatos depuraran API, analizaran registros, escribieran consultas SQL o crearan scripts de automatización en Python o Bash. Muchos esperaban que estuvieran familiarizados con la infraestructura en la nube, herramientas de observabilidad o sistemas de control de versiones como Git.

Eso habría sido impensable en las descripciones de puestos de soporte incluso hace cinco años.

Pero tiene sentido. Cuando los sistemas de IA fallan, fallan a gran escala. Diagnosticar esos fallos requiere fluidez técnica, como comprender cómo interactúan los modelos con los sistemas externos y cuándo un problema se origina en la configuración o en la lógica del producto.

El trabajo ha evolucionado de solucionar problemas ticket por ticket a prevenir los siguientes mil tickets.

Se necesitan personas para resolver problemas más complejos

Una vez que la IA se convierte en parte del flujo de trabajo de soporte, la naturaleza del trabajo se vuelve más técnica. Un responsable de soporte con el que hablé en una empresa que ahora gestiona más del 80% de sus tickets con IA lo explicó claramente: una vez que la automatización gestiona las preguntas fáciles, el trabajo que queda pendiente se vuelve más difícil. Los mismos agentes de primera línea que antes se centraban en soluciones rápidas ahora gestionan a los clientes más frustrados y los casos extremos, y han tenido que ampliar sus habilidades en consecuencia.

En la práctica, esto suele parecerse a un cliente que intenta completar un flujo de trabajo crítico, como sincronizar datos entre sistemas antes de ejecutar la facturación. Un agente de IA comienza trabajando con la documentación que un experto en la materia ha sintetizado de múltiples funciones de la empresa. A partir de ahí, el agente de IA puede confirmar que todo está configurado correctamente.

Sin embargo, es posible que el agente de IA no esté integrado en el sistema subyacente correcto que falló silenciosamente horas antes. El cliente sigue las instrucciones, solo para descubrir posteriormente que los datos no se movieron como se esperaba. Cuando el problema se agrava, el experto en la materia debe reconstruir lo que sucedió en los diferentes sistemas, analizar lo que el agente de IA pasó por alto y ayudar al cliente a recuperarse sin perder la confianza.

Este es el tipo de trabajo integral que la IA aún no puede realizar por sí sola. Requiere fluidez técnica para rastrear fallos en sistemas dispares, además del criterio humano para decidir qué se puede solucionar de inmediato y qué requiere una intervención más profunda del producto o de ingeniería. De esta manera, el soporte se centra menos en responder preguntas del manual y más en crearlo y resolver los problemas que no cubre.

El modelo híbrido humano-IA es el predeterminado

A pesar del temor generalizado de que la IA sustituya los puestos de soporte, ninguna publicación que analicé sugería que el soporte estaría 100% automatizado en el futuro.

En cambio, casi todos los roles se inclinaron hacia un modelo híbrido donde la IA gestiona las interacciones rutinarias, mientras que los humanos supervisan la calidad y mejoran continuamente el sistema.

Esto tiene sentido si tenemos en cuenta que, en una encuesta de Gartner del año pasado, 95 % de los líderes de atención al cliente afirmaron que mantendrían a agentes humanos en sus operaciones para ayudar a definir el rol de la IA.

Títulos como “Especialista en Soporte de IA”, “Analista de Calidad de IA” y “Especialista en Operaciones de Soporte” se centraban casi exclusivamente en la orquestación, el diseño de la lógica de escalamiento y la definición de cuándo intervenían los humanos.

Aquí es donde la imagen anterior de “sala de control” se hace realidad. El trabajo de los humanos pasa de simplemente responder preguntas a configurar los sistemas.

En conjunto, estas tendencias apuntan a una única conclusión: la atención al cliente se está especializando. El trabajo repetitivo está desapareciendo, pero el trabajo técnico, que requiere un alto criterio, se está expandiendo. Ese cambio ya es visible en la forma en que las empresas contratan. La pregunta ahora es si las organizaciones (y los trabajadores) están preparados para adaptarse con la suficiente rapidez.