Cuando la IA se encarga de las conversaciones sencillas: ¿quién ayuda a los asesores a gestionar todo lo demás?

Un menor volumen no significa necesariamente una menor carga de trabajo. La automatización va concentrando progresivamente las interacciones humanas en las situaciones más complejas.

1. La paradoja: menos llamadas, más peso por llamada

Desde hace dos años, el discurso es el mismo en casi todos los centros de atención al cliente: los agentes de IA, ya sean de voz o de chat, se hacen cargo de una parte cada vez mayor de las consultas sencillas. Seguimiento de pedidos, horarios, contraseñas, cambios de dirección, clasificación inicial de una reclamación. El volumen de consultas que reciben los asesores está disminuyendo, o lo hará, y esto se presenta como un alivio.

En parte es cierto, y en parte es una ilusión óptica. Lo que se les quita a los asesores son las conversaciones breves, predecibles y que se pueden seguir un guion, aquellas que les permitían tomarse un respiro en un día entre dos casos difíciles. Lo que les queda es todo aquello que el sistema automatizado no ha sabido, o no ha tenido permiso para gestionar: la reclamación que ya ha sido rechazada una vez, el litigio de facturación, el cliente que amenaza con marcharse, la situación que el guion no había previsto, la persona vulnerable a la que hay que dedicar tiempo para escucharla. Conversaciones menos numerosas, más largas, más intensas, y cuyo resultado afecta directamente a la imagen de la marca.

La carga no desaparece. Se concentra.

2. Lo que dicen Cresta, PwC y McKinsey

Esta observación no es una intuición aislada surgida sobre el terreno; se desprende de tres fuentes que no comparten ni el método ni el enfoque.

• Un 50 %de reducción del volumen de llamadas en un plazo de cinco años gracias a la IA, según los responsables de atención al cliente encuestados por McKinsey. Los «momentos que realmente importan» siguen siendo humanos, y el agente se convierte en un «superagente».McKinsey, The evolution of customer care, 2024
• El 86 %de los consumidores consideran que la interacción humana es importante en su experiencia con la marca; el 52 % ha dejado de comprar una marca tras una mala experiencia.PwC, Encuesta sobre la experiencia del cliente 2025, 5 511 consumidores
• 49 %de los asesores afirman haber recibido una formación eficaz sobre el terreno. Con una formación personalizada, el 91 % se declara satisfecho en el trabajo, frente al 57 % con una formación estándar.Cresta, State of the Agent Report, 1 000 asesores

Cresta, proveedor de IA para centros de atención al cliente, lo expresa sin rodeos: a medida que la IA gestiona el volumen habitual, las interacciones que se derivan a los humanos se vuelven «más complejas, con más matices emocionales y de mayor importancia». McKinsey ya observaba en 2022 que las llamadas eran «más numerosas y complejas que antes», y que casi uno de cada dos directivos constataba un aumento de la rotación de personal, siendo el agotamiento una de las principales causas. PwC añade la pieza que faltaba: el cliente acepta de buen grado la IA para realizar el seguimiento de un envío, pero mucho menos cuando se trata de lo que realmente le importa, y castiga a la marca, no al canal, cuando la experiencia es mala.

En conjunto, estas tres observaciones dibujan un sector que se está centrando en lo que tiene de más difícil, con clientes más exigentes en estos momentos y asesores de los que menos de la mitad se sienten debidamente acompañados.

3. La profesión hace diez o quince años, y hoy en día

Hace quince años, el rendimiento de un centro de llamadas se medía por el tiempo medio de atención, la tasa de llamadas contestadas y el cumplimiento del guion. En una jornada se atendían entre cuarenta y ochenta llamadas, de las cuales la gran mayoría eran consultas estándar; la competencia se medía por la rapidez y el cumplimiento de las normas; una llamada difícil era la excepción que se remitía al supervisor. El Quality Monitoring evaluaba una muestra, unas pocas llamadas al mes por asesor, y la reunión de análisis se celebraba cuando la agenda lo permitía.

Hoy en día, lo que antes era una excepción se ha convertido en la norma. El asesor es el último rostro humano de la marca, aquella persona a quien se le confía al cliente precisamente porque un autómata no ha sido suficiente. Es una profesión más interesante, más cualificada y mejor valorada cuando se la valora como es debido. También es una profesión sin momentos de respiro y sin red de seguridad, en la que los errores ya no se diluyen en el volumen de trabajo.

4. Carga cognitiva y carga emocional

Se acumulan dos cargas, y los indicadores habituales no detectan ninguna de las dos.

La carga cognitiva: cada conversación compleja requiere el uso de varias herramientas, varias reglas, excepciones, un historial que hay que reconstruir y una decisión que hay que tomar con un margen de maniobra real y, por lo tanto, una responsabilidad real. Mientras que antes la decisión recaía en el guion, ahora recae en el asesor.

La carga emocional: los sociólogos del trabajo llevan mucho tiempo hablando del «trabajo emocional» para referirse al esfuerzo que supone mantener una actitud profesional ante la ira, la angustia o la mala fe. Cuando las llamadas sencillas servían para tomarse un respiro, ese esfuerzo era intermitente. Cuando desaparecen, se vuelve continuo. Un día entero de clientes insatisfechos no es lo mismo que cuarenta llamadas, de las cuales cinco son difíciles, aunque el contador marque menos contactos.

Esto es lo que la paradoja volumen/complejidad provoca en la práctica: una disminución del número de interacciones que puede ir acompañada de un aumento del cansancio, el desgaste y el riesgo de error en las interacciones que más importan.

5. Por qué el coaching mensual ya no es suficiente

El modelo tradicional de coaching en los centros de atención al cliente es mensual o, en el mejor de los casos, bimensual: unas cuantas llamadas evaluadas, una reunión programada y un plan de acción genérico. Se diseñó para un trabajo basado en el volumen y el cumplimiento de normas. En un trabajo de naturaleza compleja, adolece de tres defectos.

1. Llega demasiado tarde. Tres semanas después de la llamada, el asesor ya no recuerda lo que sintió en el momento de pasar la llamada, ni por qué sacó conclusiones precipitadas. El recuerdo se basa en un rastro, no en una experiencia.
2. Es demasiado esporádico como para que se convierta en un hábito. Las habilidades interpersonales se desarrollan mediante la repetición frecuente. Un recordatorio al mes no crea un hábito; es una crítica recurrente.
3. Se fija en una cifra, no en una tendencia. Lo que importa no es el 78 % de este mes, sino saber si el dato señalado en diciembre se ha corregido en febrero, o si persiste y por qué.

Y hay un cuarto defecto, más prosaico: el tiempo. Redactar a mano un informe detallado tras cada evaluación, para cada asesor, es precisamente algo que los equipos de calidad nunca han tenido los medios para llevar a cabo. El resultado se refleja en la cifra de Cresta: uno de cada dos asesores no se siente asesorado de forma eficaz.

6. El debriefing como análisis posterior a la acción

Las organizaciones que exponen a sus miembros a situaciones de alto riesgo resolvieron este problema hace mucho tiempo, sin necesidad de IA. La aviación, los equipos quirúrgicos y las fuerzas armadas llevan a caboel «after-action review »: una reflexión breve y sistemática, inmediatamente después de la acción, en torno a cuatro preguntas. ¿Qué se esperaba? ¿Qué ha pasado? ¿A qué se debe la discrepancia? ¿Qué haremos de forma diferente la próxima vez?

Un análisis de la llamada, si se hace bien, no es otra cosa que eso. Parte de una evaluación, no de una transcripción. Implica una tabla de criterios, un contexto (el canal, el motivo, la antigüedad del asesor, sus evaluaciones anteriores) y un objetivo: preparar lo que viene a continuación.

• ¿Por qué esa interacción fue buena… o no tan buena?El juicio, basado en la tabla de evaluación, no en una impresión.
• ¿Qué criterios se han cumplido y cuáles no?Lo que se ha hecho bien y lo que se ha dejado de hacer, con el historial de la conversación.
• ¿Qué podría haber hecho el asesor de otra manera?Una alternativa concreta, bien definida y que se pueda volver a utilizar en la próxima llamada.
• ¿Qué hay que tener en cuenta para la próxima reunión?Dos o tres pasos siguientes, y lo que ya se había señalado la última vez.

Esto es lo que distingue al análisis posterior de la reunión del resumen de la llamada, que los modelos de lenguaje generan hoy en día en cuestión de segundos. El resumen describe lo que ha ocurrido. No dice si se hizo bien, ni qué se debería haber hecho de otra manera, ni qué se aprende de ello. Si se entrega tal cual a un asesor, no ayuda a nadie a progresar. No se forma a un campeón con un resumen de sus partidos.

7. Qué debe incluir una buena sesión de análisis posterior asistida por IA

La IA resuelve el problema del tiempo y la frecuencia: puede elaborar un informe detallado tras cada evaluación, y no solo una vez al mes. Pero es necesario que elabore el informe adecuado. Cinco requisitos, por orden de importancia.

1. Partir de la tabla de evaluación, no solo de la conversación. Sin criterios, la IA genera una opinión imprecisa. Con la tabla de evaluación, emite un juicio vinculado a lo que la empresa ha decidido esperar de sus asesores.
2. Conecta cada punto con una grabación. Si se omite algún punto, debe indicarse el momento concreto de la conversación en el que se produjo, para que el asesor pueda volver a escucharlo y formarse su propia opinión.
3. Recordar. En la reunión de análisis hay que tener en cuenta que la confirmación de la resolución ya se había comunicado en diciembre, distinguir lo que se ha corregido de lo que persiste, y comunicarlo.
4. Proponer un plan de acción concreto. Dos o tres pasos a seguir, una puesta en práctica breve y, en su caso, una medida correctiva más contundente si el problema persiste. No una lista de diez recomendaciones.
5. Hablar con el asesor como si fuera un profesional. En el tono de un compañero con experiencia, no de un examinador; reconociendo lo que se ha hecho bien con la misma precisión con la que se señalan las carencias.

8. Los límites que hay que fijarse

Una herramienta capaz de analizar cada llamada también puede llegar a resultar insoportable. Tres límites que no hay que traspasar, y que hemos asumido como restricciones de diseño.

No hay que tratar al asesor como a un niño. El asesor que gestiona los casos difíciles es, por definición, un profesional con experiencia. Una reunión de análisis en la que se le explique cómo dar los buenos días después de cada llamada hará que se marche, y con razón. La retroalimentación debe ser proporcionada, centrada en uno o dos puntos, y hay que saber callarse cuando la llamada ha ido bien.

No hay que supervisar constantemente. El hecho de poder analizar el 100 % de las conversaciones no significa que haya que remitir todo al asesor ni comunicar todo a sus superiores. El informe de seguimiento sigue estando vinculado a una evaluación, decidida y firmada por un supervisor, con una periodicidad que el equipo conoce. La CNIL lleva años recordando que la escucha y el análisis de las llamadas deben ser proporcionados y transparentes para los empleados; la llegada de la IA no cambia este principio, sino que lo hace aún más necesario.

Dejar que se comprenda y se cuestione. El asesor debe saber en qué se basa la retroalimentación (la tabla de puntuación, el fragmento en cuestión, el comentario humano), poder responder y poder indicar que la evaluación es errónea. Una sesión de análisis que no se pueda debatir deja de ser una sesión de análisis para convertirse en una simple notificación. Esto es también lo que, de hecho, exige la supervisión humana prevista por el GDPR y la Ley de IA, siempre que un sistema automatizado emita una valoración sobre una persona.

9. Lo que hemos creado: el análisis de resultados asistido por IA en Listener QM

Partiendo de este pliego de condiciones, hemos incorporado la sesión de análisis asistida por IA en nuestro Quality Monitoring. El principio se resume en una frase: al final de la evaluación, un botón de «Resumen» abre una ventana en la que la IA ya ha preparado el resumen, basándose en la ficha cumplimentada, el comentario del supervisor, los extractos de la conversación y los resúmenes anteriores del asesor. El supervisor lo revisa, lo ajusta y lo envía.

Desde el punto de vista del supervisor

1. El administrador establece el marco. El guion de la sesión de análisis se define una sola vez, se versiona y es idéntico para todas las evaluaciones del cliente. El supervisor no redacta el guion: elige los bloques que se van a generar y puede añadir una indicación puntual («insiste en la confirmación de la resolución, con un tono alentador»).
2. La IA prepara cuatro apartados: un comentario detallado y modificable; «próximos pasos» vinculados cada uno a un criterio de la tabla de evaluación, indicando aquellos que ya se habían señalado; una miniprueba de tres preguntas centradas en los aspectos a mejorar, destinada al LMS; y el cruce de datos con el historial del asesor.
3. El supervisor toma la decisión, bloque por bloque. Valida la miniprueba, perfecciona las instrucciones y regenera solo ese bloque sin modificar el resto, o bien no lo valida y lo sustituye por otra medida correctiva: coaching individual, escucha en pareja, módulo ya existente, escucha de una llamada modelo o simulación de situaciones.
4. Lo envía. El informe aparece en el espacio del asesor; la prueba se crea en el LMS y se vincula a su itinerario formativo gracias ala integración entre Quality Monitoring y el LMS.

En cuanto a los asesores

El asesor no recibe el comentario del supervisor tal cual, sino un mensaje reformulado para él, en un tono de igual a igual, elaborado por su supervisor y firmado por él. Encuentra sus próximos pasos, que va marcando a medida que realiza sus llamadas, su miniprueba que debe realizar en la aplicación y sus sesiones de análisis anteriores con la evolución de su puntuación. Ve en qué se basa cada punto y puede responder a ello. Su supervisor ve lo que se ha marcado y el resultado de la prueba.

En otros tiempos

En cada nueva evaluación, Listener QM compara los «próximos pasos» de las sesiones de análisis anteriores con la tabla del día y propone un estado para cada eje de mejora:

Un punto marcado como «hecho» por el asesor, pero que sigue teniendo una puntuación de 3/5, aparece como pendiente, no como resuelto: el estado se calcula a partir de las puntuaciones, no de las declaraciones, y el supervisor puede ajustarlo antes del envío. Esto es lo que convierte una serie de evaluaciones aisladas en una trayectoria, y un recordatorio mensual en un acompañamiento.

Tres medidas de seguridad para respetar los límites del capítulo anterior: nada se envía sin el visto bueno del supervisor; cada refinamiento es una llamada específica que no modifica el resto; el historial reinyectado se limita a los últimos seis meses y nunca contiene la transcripción completa de las llamadas anteriores.

¿Y qué hay de los bots en todo esto?

El análisis posterior se basa en la plantilla, y esta es la misma para todos aquellos a los que se evalúa: asesor interno, proveedor de servicios, agente de IA de voz o chat. En el caso de una persona, la retroalimentación se convierte en un análisis posterior; en el de un bot, se convierte en una retroalimentación estructurada que se envía a su desarrollador o a su base de conocimientos. Esa misma métrica indica si el bot cumple con su parte en las tareas sencillas y si el asesor recibe el apoyo necesario en las difíciles. Esa es la función de una capa de « Quality Monitoring » transversal, y es la única forma de gestionar el reparto de funciones con conocimiento de causa, en lugar de sufrirlo sin más.

La IA se encarga de lo fácil. El asesor se queda con lo difícil.
El análisis posterior es lo que le ayuda a sobrellevarlo y a progresar.

Preguntas frecuentes