IA y atención al cliente: lo que muchas empresas no están viendo
Casi la mitad de los consumidores rara vez obtiene una respuesta útil de un servicio de atención con inteligencia artificial, y la mayoría se cambiaría a la competencia después de repetir la mala experiencia. Este artículo es para gerencias de tecnología y comerciales que están evaluando incorporar IA a la relación con clientes y quieren saber qué revisar antes de firmar.
Los agentes automatizados, los asistentes virtuales y los sistemas de recomendación entraron rápido a las empresas chilenas. La promesa es conocida: atender más rápido y a menor costo. Lo que aparece con menos frecuencia en la conversación es lo que pasa cuando esa capa de IA se instala sobre plataformas que no se hablan entre sí y datos que nadie actualiza hace años.
Una investigación de Pegasystems y YouGov, realizada entre más de 4.700 consumidores, detectó que el 46% rara vez o nunca obtiene resultados satisfactorios al interactuar con servicios de atención impulsados por IA. En paralelo, el Customer Experience Trends Report de Zendesk concluyó que el 73% de los consumidores podría cambiarse a un competidor después de enfrentar varias malas experiencias (citados en Estamos en Línea, 18 de agosto de 2026).
Puestos uno al lado del otro, esos dos números describen un riesgo concreto: la herramienta que compraste para mejorar la experiencia del cliente puede terminar acelerando su salida. Y el motivo casi nunca es el modelo de IA. Es la estructura tecnológica sobre la que lo montaste. Vale la pena entender por qué ocurre, cómo se ve desde el lado del cliente y qué conviene ordenar antes de sumar una herramienta más.
El ejecutivo amortiguaba el desorden; el agente no
Hasta hace poco, un sistema mal integrado era un problema interno. Lo sufrían los ejecutivos de servicio, que abrían cuatro pantallas para responder una consulta, y se resolvía con oficio humano: la persona compensaba lo que el sistema no entregaba. Ese amortiguador desaparece cuando pones un agente de IA a atender de forma directa.
Un agente no improvisa con criterio. Responde con lo que tiene a mano. Si no está conectado al historial del cliente, al inventario, a los medios de pago o a la información de despacho, entrega una respuesta confiable solo por casualidad. Y a diferencia de un ejecutivo, lo hace a escala, las veinticuatro horas, sin que nadie note el error hasta que aparece en los reclamos.
En los proyectos que hemos acompañado, la conversación casi siempre parte por la herramienta: cuál comprar, cuál está mejor evaluada, cuál se integra con lo que ya hay. La pregunta que corresponde hacer antes es menos entretenida: qué problema quieres resolver, y si tu ecosistema tecnológico está en condiciones de sostener la solución. Una plataforma avanzada, conectada a datos desactualizados o a sistemas que no se hablan, automatiza el desorden que ya tenías.
La IA no arregla procesos rotos: los ejecuta más rápido. Si tu operación tiene tres versiones del mismo cliente repartidas en distintos sistemas, un agente de IA no elige la correcta. Elige la que le tocó consultar, y el cliente recibe esa respuesta como si fuera la posición oficial de tu empresa.
Lo que tu cliente ve y tú no
El desorden tecnológico es invisible desde adentro, porque cada área aprendió a convivir con él. Desde afuera es bastante más evidente. El cliente que compró por un canal y reclama por otro descubre que el sistema no reconoce su compra. El que ya explicó su caso tiene que repetir sus antecedentes desde cero. El que consulta dos veces recibe dos respuestas distintas, sin que nadie en la empresa se entere de la contradicción.
La inteligencia artificial no entrega una experiencia integrada si detrás hay aplicaciones y bases de datos que funcionan por separado. Cuando no existe una arquitectura común, el cliente termina experimentando directamente el desorden tecnológico de la empresa.
Hay otros síntomas que aparecen antes, hacia adentro, y que sirven de alerta temprana. Uno es la proliferación de aplicaciones que hacen casi lo mismo, compradas por áreas distintas en momentos distintos, cada una con su propia base de datos. Otro es el proceso manual que sobrevive en medio de un flujo supuestamente automatizado: alguien que exporta un archivo, lo corrige a mano y lo vuelve a cargar. Ese paso manual suele ser el lugar exacto donde se está parchando una integración que nunca se hizo bien.
También está el caso del equipo comercial que no confía en los datos de su propia plataforma y mantiene una planilla paralela con la información "buena". Cuando eso ocurre, la empresa ya tiene dos fuentes de verdad en competencia, y cualquier IA que conectes va a leer la equivocada.
Ninguno de estos síntomas se resuelve con una herramienta nueva. Todos apuntan a lo mismo: no existe un plano común que diga qué sistema es dueño de qué información.
Ordenar la base antes de conectar el agente
El primer paso es incómodo porque no produce nada visible: hay que mirar lo que ya tienes antes de comprar lo que falta. En Digital eXp partimos por un diagnóstico del ecosistema tecnológico que identifica aplicaciones duplicadas, procesos manuales encubiertos, integraciones que fallan de forma intermitente y datos de baja calidad. Va bastante más allá de un inventario de licencias: se trata de entender qué sistema sostiene cada proceso de negocio y en qué punto se rompe la cadena.
Con ese mapa sobre la mesa, el segundo paso es construir una hoja de ruta que defina qué mantener, qué modernizar, qué integrar y qué reemplazar. Este ejercicio evita la compra impulsiva y ordena las inversiones según prioridades de negocio, no según la urgencia del área que gritó más fuerte.
"La arquitectura tecnológica funciona como el plano de una construcción. Permite saber dónde se encuentra cada componente, cómo se conecta con los demás y si la estructura puede soportar nuevas soluciones. Sin ese plano, implementar IA puede generar más complejidad, costos y riesgos." Cristina Fritz, cofundadora y CXTO Digital eXp
Después vienen los datos. La calidad de las respuestas de un agente depende por completo de la información que recibe. Si los datos están incompletos, duplicados o repartidos entre sistemas que no se comunican, los resultados van a ser inconsistentes por diseño. Antes de conectar IA a la atención de clientes conviene resolver la base: qué información posee la empresa, dónde vive, quién puede usarla y con qué finalidad. Ese mismo orden es el que después permite incorporar controles de acceso, trazabilidad y las obligaciones de privacidad que trae la Ley 21.719. Es el trabajo que hacemos con nuestros servicios de limpieza y consolidación de datos, y suele ser el que más rendimiento entrega por peso invertido, aunque sea el menos vistoso de presentar en un directorio.
Queda una parte que casi nadie planifica: qué pasa después de la puesta en marcha. Ninguna empresa puede instalar un agente de inteligencia artificial y asumir que va a funcionar bien para siempre. Hay que revisar lo que responde, actualizar la información que consume y corregir los errores que aparezcan. La tecnología necesita gobierno y responsables con nombre. A eso se suma una definición operativa concreta: en qué casos la IA resuelve sola y en cuáles deriva a una persona, sin obligar al cliente a empezar su atención de nuevo.
Un stock desfasado y un cliente duplicado
El primer caso es el del agente que responde bien y contesta mal. Una empresa monta un asistente sobre su canal de atención, las pruebas internas funcionan y a las semanas empiezan los reclamos: el agente entrega información de stock que no coincide con lo que el cliente ve al pagar. El modelo no estaba fallando. Estaba leyendo un sistema de inventario que se sincronizaba una vez al día con el canal de venta. La solución no pasó por cambiar el agente, sino por ordenar la integración entre ambos sistemas y definir cuál era la fuente oficial de esa información. Después de eso, las respuestas del asistente dejaron de contradecir a la operación.
El segundo es el del cliente que existe dos veces. Un equipo comercial trabaja con una base donde el mismo cliente aparece registrado con variaciones de nombre y RUT mal cargados, resultado de años de carga manual y de una migración que arrastró duplicados. Cualquier automatización sobre esa base multiplica el problema: contactos repetidos, historial partido en pedazos, reportes que no cuadran con lo que ve la gerencia. El trabajo empezó por consolidar registros y establecer reglas de creación de datos, con un responsable definido. El resultado no fue espectacular de mostrar, pero el equipo comercial volvió a confiar en su plataforma y abandonó las planillas paralelas, que era la condición previa para automatizar cualquier cosa.
¿Qué revisar antes de conectar la IA a tus clientes?
Antes de sumar un agente de IA a tu relación con clientes, vale la pena responder algunas preguntas. ¿Sabes cuál es el sistema dueño de cada dato que ese agente va a consultar, o hay varias versiones compitiendo? ¿Existe alguien con la responsabilidad formal de revisar lo que el agente responde y corregirlo? ¿Está definido en qué casos deriva a una persona, y esa persona recibe el contexto de la conversación o el cliente tiene que repetir todo? ¿Tus integraciones son en tiempo real o hay sincronizaciones diferidas que el cliente va a notar? ¿Puedes trazar de dónde salió cada dato personal que la IA utiliza, y con qué finalidad se está tratando?
Si más de una de estas preguntas queda sin respuesta clara, el problema no se va a resolver eligiendo mejor la herramienta.
Capacidad nueva o riesgo nuevo
"El buen uso de la inteligencia artificial no consiste en reemplazar todas las interacciones humanas, sino en resolver mejor, entregar información confiable y simplificar la experiencia. Sin estrategia, arquitectura y gobernanza, puede transformarse en una nueva fuente de errores, costos y pérdida de clientes." Cristina Fritz, cofundadora y CXTO Digital eXp
La IA amplifica lo que ya tienes. Si tu arquitectura está ordenada y tus datos son confiables, lo que crece es la capacidad de atender. Si no lo están, lo que se multiplica es el desorden, y esta vez queda a la vista del cliente.
En Digital eXp trabajamos ese tramo previo, el diagnóstico del ecosistema, la hoja de ruta y el orden de los datos, para que la IA entre a la empresa como una capacidad y no como un riesgo nuevo. Si estás evaluando incorporar IA a tu atención de clientes y no tienes certeza de que la base esté lista, conversemos:
