Llevamos años observando a las empresas luchar con la misma paradoja del servicio al cliente: tienen toda la tecnología del mundo, pero un simple cambio de dirección todavía lleva tres días. El problema no es lo que usted piensa, y tampoco lo es la solución.
El mes pasado, vi a un colega intentar actualizar su dirección en su banco. Debería haber sido sencillo: iniciar sesión, cambiar la dirección y listo. En cambio, estuvieron 47 minutos en espera, fueron transferidos tres veces y les dijeron que el cambio tardaría “entre 3 y 5 días hábiles en procesarse”. Estamos en 2025. Tenemos IA que puede escribir poesía y resolver problemas matemáticos complejos, pero no podemos actualizar un campo de dirección en tiempo real.
Esta no es una historia sobre bancos incompetentes o tecnología obsoleta. Es una historia sobre algo más fundamental: las matemáticas ocultas de la fricción empresarial.
Las matemáticas invisibles que están acabando con la experiencia del cliente
Todo proceso empresarial tiene dos números que importan: T y n.
“T” es el tiempo teórico que debería llevar completar una tarea: el escenario del mundo perfecto donde todo funciona sin problemas. Para un cambio de dirección, T puede ser de 30 segundos: verificar la identidad, actualizar la base de datos, confirmar el cambio.
“n” es todo lo demás. La espera. Los traspasos. Los controles de cumplimiento. Las incompatibilidades del sistema. Los cuellos de botella humanos. “n” es la razón por la que esa tarea de 30 segundos se convierte en una prueba de 47 minutos.
Según Forrester, El 77% de los clientes dice que valorar su tiempo es lo más importante que puede ofrecer una empresa. Aberdeen Group descubrió que las empresas con un servicio excelente logran una retención de clientes del 92 % en comparación con sólo el 33 % de las que tienen un desempeño deficiente. Sin embargo, la mayoría de las empresas todavía están optimizando el cumplimiento y la mitigación de riesgos, no el tiempo del cliente.
¿El resultado? Un enorme problema “T+n” que se esconde a plena vista en todas las industrias.
Por qué todo lo que hemos intentado ha fracasado
Hemos visto empresas invertir millones en este problema. Mejores programas de formación. Iniciativas de reingeniería de procesos. Nuevos y brillantes sistemas CRM. Consultores de transformación digital que prometen “reimaginar el recorrido del cliente”. Estos esfuerzos normalmente producen mejoras del 10% al 15%, significativas pero no transformadoras. El problema es arquitectónico. Los procesos empresariales no fueron diseñados para ser rápidos; fueron diseñados para el control.
Considere ese cambio de dirección nuevamente. En el mundo real, implica:
- Verificación de identidad en múltiples sistemas que no se comunican entre sí
- Señalización de cumplimiento de las normas contra el blanqueo de dinero
- Evaluación de riesgos para la prevención del fraude
- Enrutamiento a equipos especializados según el tipo de cuenta
- Aprobación manual para cualquier excepción.
- Actualización de sistemas posteriores en secuencia
- Creación de pistas de auditoría para requisitos reglamentarios
Cada paso suma tiempo. Más importante aún, cada paso añade variabilidad: los retrasos impredecibles que convierten una simple solicitud en una saga de varios días.
Cuándo funcionan realmente los agentes de IA
Hemos estado experimentando con implementaciones de IA agente en varios proyectos piloto empresariales y estamos empezando a ver algo diferente. No las habituales mejoras marginales, sino una auténtica transformación de la experiencia del cliente.
La idea clave es que los agentes inteligentes no sólo automatizan tareas, sino que organizan procesos completos en las tres dimensiones donde se acumula la latencia.
Problemas de personas: Los agentes humanos no están disponibles las 24 horas, los 7 días de la semana. Tienen habilidades especializadas que crean obstáculos. Necesitan tiempo de formación y pausas para el café. Los agentes inteligentes pueden manejar solicitudes de rutina las 24 horas del día, escalando solo casos extremos genuinos que requieren juicio humano. Una empresa de servicios financieros con la que trabajamos desplegó agentes para el reemplazo de tarjetas. Las solicitudes estándar que solían tardar 48 horas ahora se completan en menos de 10 minutos. El cliente escribe su solicitud, el agente verifica su identidad, busca señales de fraude, solicita el reemplazo y confirma la entrega, todo sin intervención humana.
Problemas de proceso: Los flujos de trabajo empresariales están diseñados como cadenas de aprobación secuenciales. La solicitud va al analista, el analista verifica el cumplimiento, el cumplimiento se envía al especialista, el especialista aprueba y la aprobación pasa al cumplimiento. Cada transferencia agrega latencia. Los agentes inteligentes pueden prevalidar acciones contra reglas comerciales codificadas y activar solo aprobaciones humanas esenciales. En lugar de seis pasos secuenciales, obtiene la evaluación de un agente con supervisión humana solo para excepciones genuinas.
Problemas tecnológicos: La empresa promedio ejecuta los datos de los clientes en entre 12 y 15 sistemas diferentes. Estos sistemas no se integran bien, lo que genera inconsistencias en los datos y trabajo de conciliación manual. En lugar de requerir costosos reemplazos de sistemas, los agentes pueden orquestar los sistemas existentes a través de API y, donde no existen API, utilizar la automatización de procesos robóticos para interactuar con pantallas heredadas. Mantienen una visión unificada del estado del cliente en todas las plataformas.
El triángulo de la IA: por qué no se puede optimizar todo
Pero aquí es donde la cosa se pone interesante y donde la mayoría de las implementaciones fallan.
A través de nuestros pilotos y resultados, descubrimos lo que llamamos el Triángulo de la IA: tres propiedades que todo sistema de IA agente debe equilibrar. De manera similar al teorema CAP en los sistemas distribuidos (donde no se puede tener una coherencia, disponibilidad y tolerancia de partición perfectas simultáneamente), el Triángulo de la IA le obliga a elegir entre autonomía, interpretabilidad y conectividad perfectas. Así como el teorema CAP da forma a cómo construimos sistemas distribuidos resilientes, el Triángulo de la IA da forma a cómo construimos agentes autónomos confiables. Puede optimizar dos de estas propiedades, pero hacerlo requiere comprometer la tercera. Esta es una situación de “elige 2 de 3”:
Autonomía: Con qué independencia y rapidez pueden actuar los agentes sin supervisión humana
Interpretabilidad: Qué tan explicables y fáciles de auditar son las decisiones del agente
Conectividad: Qué tan bien el sistema mantiene datos consistentes y en tiempo real en todas las plataformas
Puedes elegir dos, pero el tercero sufre:
Autonomía + interpretabilidad: Los agentes toman decisiones rápidas y explicables, pero es posible que no mantengan una coherencia perfecta de los datos en todos los sistemas en tiempo real.
Interpretabilidad + conectividad: Pistas de auditoría completas y sincronización perfecta de datos, pero la supervisión humana ralentiza todo.
Autonomía + conectividad: Decisiones ultrarrápidas con perfecta sincronización del sistema, pero es posible que las pistas de auditoría no capturen el razonamiento detallado que requiere el cumplimiento.
Esto no es una limitación tecnológica: es una restricción fundamental que obliga a tomar decisiones de diseño deliberadas. Las empresas que tienen éxito con la IA agente son aquellas que eligen conscientemente qué compensaciones se alinean con sus prioridades comerciales. Esta no es una decisión técnica, es una estrategia comercial. Elija las dos propiedades que más importen a sus clientes y reguladores, luego construya todo lo demás en torno a esa elección.
Los costos ocultos que nadie menciona
Las demostraciones de los proveedores hacen que esto parezca sencillo. La realidad es más complicada.
La calidad de los datos es decisiva: Los agentes que actúan sobre datos inconsistentes no solo cometen errores: los cometen a escala y velocidad. Peor aún, los errores de la IA tienen una firma diferente a la de los humanos. Un humano podría transponer dos dígitos en un número de cuenta u omitir un campo obligatorio. Una IA podría enrutar con confianza todas las direcciones de Michigan a Missouri porque ambas comienzan con “MI” o interpretan cada instancia de “Dr.” en direcciones postales como “doctor” en lugar de “conducir”, creando direcciones que no existen. Estos no son errores por descuido: son interpretaciones erróneas sistemáticas que pueden repercutir en miles de transacciones antes de que alguien se dé cuenta del patrón. Antes de implementar cualquier sistema autónomo, es necesario dominar la gestión de datos, establecer reglas de validación en tiempo real y crear una detección de anomalías específicamente adaptada para detectar los modos de falla peculiares de la IA. Este no es un trabajo glamoroso, pero es lo que separa las implementaciones exitosas de los costosos desastres.
Fragilidad de la integración: Cuando los agentes no pueden usar las API, recurren a la automatización de procesos robóticos para interactuar con los sistemas heredados. Estas integraciones se rompen cada vez que cambian los sistemas subyacentes. Necesita una arquitectura de integración sólida y flujos de datos basados en eventos.
La gobernanza se vuelve compleja: Las decisiones autónomas crean nuevos riesgos. Necesita controles de acceso basados en políticas, puntos de control humanos para acciones de alto impacto y monitoreo continuo. Los gastos generales de gobernanza son reales y continuos.
La gestión del cambio es crucial: Hemos visto implementaciones técnicamente perfectas fallar porque los empleados se resistieron a los cambios. Las implementaciones exitosas involucran al personal en el diseño piloto y comunican claramente cómo los humanos y los agentes trabajarán juntos.
Inversión operativa continua: Los costos ocultos de monitoreo, reentrenamiento y actualizaciones de seguridad requieren un presupuesto sostenido. Inclúyalos en los cálculos del ROI desde el primer día.
Una hoja de ruta que realmente funciona
Después de ver cómo varias implementaciones tuvieron éxito (y otras fallaron y quemaron), este es el patrón que arroja resultados consistentemente:
Empiece poco a poco, piense en grande: Apunte primero a los procesos de bajo riesgo y gran volumen. Operaciones basadas en reglas con mínima complejidad regulatoria. Esto genera confianza en la organización y al mismo tiempo demuestra que la tecnología funciona.
Fundación antes que características.: cree una arquitectura de integración, gobernanza de datos y capacidades de monitoreo antes de escalar la implementación del agente. Las obras de infraestructura son aburridas pero imprescindibles.
Diseño con barandillas: Codifique reglas de negocios: es preferible moverlas a un almacén de políticas para que los agentes puedan ejecutarlas en tiempo de ejecución utilizando un punto de decisión de políticas (PDP) como Open Policy Agent (OPA), implementar puntos de control humanos para excepciones y garantizar un registro completo desde el principio. Estas limitaciones permiten un escalamiento sostenible.
Mide sin descanso: Realice un seguimiento de las métricas más críticas en las operaciones con un enfoque en reducir “n” a cero:
- Tiempo medio de manipulación (AHT)
- Tasa de procesamiento directo (tasa STP%)
- Rendimiento del acuerdo de nivel de servicio (SLA)
- Satisfacción del cliente
- Costo por transacción
Estas métricas justifican la inversión continua y guían la optimización.
Escalar gradualmente: Ampliar a procesos adyacentes con mayor complejidad solo después de probar la base. Círculos concéntricos, no despliegues de big bang.
La experiencia que lo cambia todo
Seguimos volviendo a ese colega que intenta cambiar su dirección. En un mundo con IA agente implementada correctamente, esto es lo que debería haber sucedido:
Inician sesión en su aplicación bancaria y solicitan un cambio de dirección. Un agente inteligente verifica inmediatamente su identidad, compara la nueva dirección con bases de datos de fraude, la valida con los servicios postales y actualiza su perfil en todos los sistemas relevantes. En cuestión de segundos, reciben la confirmación de que el cambio se completó, junto con el envío de tarjetas actualizadas a la nueva dirección. Sin llamadas telefónicas. Sin transferencias. Sin esperas. Simplemente la experiencia de servicio que se adapta al mundo digital en el que vivimos.
El panorama más amplio
En realidad, no se trata de tecnología, sino de cumplir finalmente las promesas que hemos hecho a los clientes durante décadas. Cada iniciativa de “transformación digital” ha prometido un servicio más rápido, mejor y más personalizado. La mayoría ha entregado nuevas interfaces para los mismos procesos antiguos.
La IA agente es diferente porque en realidad puede reestructurar la forma en que se realiza el trabajo, no solo la forma en que se presenta. Puede convertir T+n nuevamente en algo que se acerque a T.
Pero el éxito requiere más que comprar software. Requiere repensar cómo las organizaciones equilibran la velocidad, el control y el riesgo. Requiere invertir en trabajos de infraestructura poco glamorosos que permitan la automatización inteligente. Lo más importante es que requiere reconocer que el futuro del servicio al cliente no consiste en reemplazar a los humanos por máquinas, sino en orquestar a los humanos y las máquinas para lograr algo mejor de lo que cualquiera de ellos podría lograr por sí solo.
La tecnología está lista. La pregunta es si estamos preparados para hacer el arduo trabajo de utilizarlo bien.
#problema #OReilly
