El 88% y el 6%
Dos cifras del mismo año describen el estado de la IA en la atención al cliente mejor que cualquier presentación de proveedor. El informe State of AI 2025 de McKinsey encontró que 88% de las organizaciones usa IA en algún punto del negocio y que 6% obtiene valor de ella a escala. Todo lo interesante está en la brecha entre esas dos cifras, y casi nada de ello es un problema de tecnología.
Lo observamos desde el lado del operador. En nuestras propias operaciones, los fundadores dirigieron call centers durante alrededor de diez años, con hasta 1,500 operadores humanos en el pico, entre Francia, México y más allá. Los proyectos de automatización que no llegaron a ninguna parte casi nunca fracasaron porque el software no pudiera sostener una conversación. Fracasaron porque nadie decidió qué llamadas debía atender el agente, y nadie acordó de antemano cómo se sabría si las había atendido.
88% de las organizaciones usa IA. 6% obtiene valor de ella a escala. (McKinsey State of AI, 2025)
Valor a escala es una expresión estricta. Significa que una línea de la cuenta de resultados se movió y siguió movida: menos horas extra, una cola que ya no necesita turno de noche, una tasa de reservas que se sostiene durante el pico publicitario. Un piloto que toma una porción de la cola y reporta alta contención no es eso. Es una demo corriendo sobre tráfico de producción.
La presión del consejo no es un caso de negocio
Gartner informa que 91% de los responsables de atención al cliente está bajo presión de su dirección para implementar IA en 2026. Una encuesta de Gartner de 2025 encontró que 20% de las organizaciones de servicio había reducido efectivamente su plantilla. Esas dos cifras conviven en el mismo mercado, y la distancia entre ellas es la descripción más honesta que hay disponible de él ahora mismo.
La presión desde arriba produce despliegues, y los despliegues se califican por estar en vivo. Así es como un call center termina con un agente de voz en la línea principal, una diapositiva que dice que la IA está en producción y un cuadro de turnos que no ha cambiado ni un turno. El consejo pidió IA. Recibió IA. Nadie preguntó qué debía dejar de hacer la línea.
El 20% de Gartner merece una lectura justa. No toda operación que mantuvo su plantilla fracasó. Algunas gastaron deliberadamente la capacidad liberada en crecimiento, en llamadas que antes abandonaban o en horas que nunca cubrieron, y ese es un resultado legítimo y a menudo mejor. Pero si un proyecto no recortó ningún costo, no añadió cobertura y no elevó ninguna conversión, entonces no hizo nada, y buena parte de eso está escondida en el resto.
La pregunta que hay que hacer
Antes de aprobar la siguiente fase, pregunte qué cambió en la cuenta de resultados o en el cuadro de turnos, no cuántas conversaciones atendió el agente.
La trayectoria es real, el calendario no es el suyo
La dirección del movimiento no está en discusión. El informe State of Service 2025 de Salesforce sitúa en 30% los casos de servicio atendidos hoy por IA, con un alza a 50% para 2027. Gartner pronostica que una de cada diez interacciones de agente estará automatizada por IA en 2026, frente a aproximadamente 1.6%. Gartner también pronostica que para 2029, 80% de los problemas de servicio comunes se resolverán de forma autónoma con agentes de IA, con una reducción de costo asociada de alrededor de 30%.
Lea con cuidado el pronóstico para 2026, porque es el que describe el año en el que usted está de verdad. El salto de Gartner desde aproximadamente 1.6% de las interacciones hasta una de cada diez multiplica la base varias veces, y ocurre sobre una base que era diminuta para empezar. Así se ve un mercado cuando los tipos de llamada fáciles van primero: horarios de atención, estado del pedido, cambios de cita, el mismo puñado de preguntas todo el día. Las conversaciones difíciles siguen en la cola al final de la década, y por eso el pronóstico de Gartner para 2029 cubre los problemas de servicio comunes y no todo.
El lado del costo del mismo pronóstico es más brusco. Gartner espera que la IA conversacional retire $80B de costo laboral de agentes de call center en 2026, frente a una fuerza de trabajo que Gartner situó en 17M agentes de call center en el mundo en 2022. Ambas cifras son grandes, y ninguna de las dos le dice cuánto de la factura laboral sobrevive. Está saliendo dinero de la línea de personal. La línea de personal no está desapareciendo.
Dónde está realmente el dinero
Dos cifras de Gartner fijan la economía unitaria detrás de cada decisión de esta categoría. Gartner puso el precio de un contacto de autoservicio en $1.84 en 2025, frente a $13.50 de uno asistido por una persona, alrededor de siete veces más. Y Gartner atribuyó a la mano de obra hasta 95% del costo total de un call center en 2022. Casi todo lo que usted gasta es una persona hablando.
Por eso el entusiasmo es racional y no una moda. Si casi todo el costo son personas en llamadas, entonces quitarle a una persona una conversación que se repite todo el día mueve dinero real, y hacerlo no exige ninguna apuesta sobre la tecnología, solo una decisión sobre cuál conversación.
También es donde la aritmética se falsea en silencio. Los $1.84 de Gartner solo se sostienen cuando el contacto queda terminado. Un contacto atendido a medias que regresa no reemplaza la cifra cara por la barata; las suma, y añade un cliente que ahora explica el problema dos veces y empieza la segunda llamada irritado. Los tableros de contención reportan la primera mitad de eso y nunca ven la segunda.
$1.84 por un contacto de autoservicio, $13.50 por uno asistido por una persona. (Gartner, 2025)
Por qué se estancan los despliegues
Después de suficientes casos, el patrón del estancamiento es aburridamente consistente. Suele ser una de cuatro cosas, y ninguna de las cuatro aparece en una evaluación de proveedores.
- Alcance definido por departamento en lugar de por tipo de llamada.
- Desvío contado como si fuera resolución.
- Ninguna salida hacia una persona, así que cada límite se vuelve una pelea con quien llama.
- Nadie escucha las llamadas, así que el fallo es invisible hasta que aparece en la fuga de clientes.
El alcance por departamento es el fallo más común y el más caro. «Soporte» no es un alcance, es un organigrama. Contiene juntas las preguntas rutinarias que un agente podría responder el primer día y las conversaciones que necesitan a una persona con autoridad para hacer una excepción, y esconde ambas detrás de una sola palabra. Un neuroagente con ese alcance tiene que ser competente en todo antes de que se le permita ser útil en algo.
El desvío es la métrica que halaga a todo el que la lee. Cuenta las llamadas que no llegaron a una persona, lo que incluye las que se resolvieron y las que el cliente abandonó. La resolución cuenta aquellas en las que el motivo de la llamada dejó de existir. Esas dos cifras pueden diferir por un margen amplio, y solo una de ellas predice si el cliente vuelve a llamar el lunes.
Tampoco puede distinguirlas desde un tablero. En nuestras propias operaciones, por debajo del 5% de las llamadas grabadas llegó a revisarse alguna vez con QA manual, lo que significa que la forma normal de comprobar un despliegue es una muestra demasiado pequeña para detectar un fallo sistemático. Si el agente maneja mal una intención de modo que devuelve a la cola a cada uno de esos interlocutores, una muestra de ese tamaño lo encontrará con el tiempo, mucho después de que los interlocutores ya lo hayan hecho.
Qué hace distinto el 6%
Nada exótico. Tres hábitos, y los tres son decisiones que se toman antes de configurar nada.
- Delimite el alcance a un tipo de llamada que se repite, lo bastante estrecho como para que parezca poco ambicioso.
- Defina la resolución en los términos del cliente antes del lanzamiento, y audítela escuchando llamadas.
- Mantenga una salida hacia una persona y anúnciela en el saludo.
Empiece por el tipo de llamada que se repite, y elíjalo estrecho: una sola intención, volumen alto, poca varianza, una línea de meta clara. El alcance estrecho es lo que hace posible la medición. Cuando el agente atiende una sola cosa, la tasa de resolución de esa cosa es legible y el fallo también. El alcance amplio promedia el fallo hasta volverlo invisible.
Después mida la resolución y compruébela escuchando. Elija la definición antes del lanzamiento, en el lenguaje del cliente y no en el del sistema, y verifíquela contra conversaciones reales en lugar de contra un contador de contención. Este es el único hábito que separa un despliegue que mejora mes a mes de uno que se estanca en sus primeras semanas y al que se rebautiza discretamente como piloto.
Y mantenga la salida. Quien llama la escucha como una tranquilidad. En términos operativos, es lo que hace seguro intentar una automatización agresiva. SurveyMonkey encontró en 2025 que 8% de los consumidores prefiere la IA a una persona, y McKinsey encontró en 2024 que 71% de la generación Z levanta el teléfono cuando el autoservicio falla. Una ruta hacia una persona que quien llama pueda oír significa que un agente que topa con su límite entrega la llamada en lugar de discutir, así que el peor resultado de una mala decisión de automatización es una transferencia, no un cliente perdido.
La brecha que midió McKinsey se cerrará, y no principalmente porque los modelos mejoren. Se cerrará para las operaciones que tratan un despliegue como un cambio operativo con una cifra asociada, y seguirá abierta para las que lo tratan como una compra. La presión del consejo fija el plazo. No hace la delimitación del alcance.