¿Están los agentes de IA reescribiendo el libro de juego de los centros de contacto?

Había un tiempo en que los centros de llamadas se construyeron principalmente para manejar grandes volúmenes de consultas de clientes por teléfono. Hoy en día, los centros de contacto los han reemplazado en gran medida – los centros operativos donde las empresas gestionan las interacciones con los clientes a través de múltiples canales: teléfono, correo electrónico, redes sociales y aplicaciones de mensajería.

Pero a pesar de este cambio en los canales, el modelo subyacente ha permanecido en gran medida igual.

Las solicitudes de clientes simples aún pasan por una pila fragmentada: respuesta de voz interactiva (IVR) para la verificación, plataformas de gestión de relaciones con los clientes (CRM) para los detalles de la cuenta, herramientas de ticket para el seguimiento y sistemas de backend separados para completar la tarea. Las plataformas basadas en la nube como Contact-Center-as-a-Service (CCaaS) han acercado estas herramientas, permitiendo operaciones más flexibles, pero la experiencia sigue siendo muy lejos de ser fluida, dependiendo de múltiples pasos, entregas y coordinación manual.

Durante años, este modelo se mantuvo. Luego, la IA entró en escena.

A medida que los agentes de IA han ganado impulso, las startups y las empresas establecidas en todo el mundo han comenzado a construir y desplegar herramientas que prometen una nueva fase habilitada por la capacidad de la IA para desbloquear inteligencia a través de los sistemas y hacer uso de los datos previamente aislados.

Los sistemas dispares se están convirtiendo en un relicto

Con los agentes de IA en su lugar, los centros de contacto ya no operan en silos. Los agentes pueden extraer información, desencadenar acciones y completar tareas en varias plataformas. Si un cliente desea disputar un cargo, un agente de IA puede verificar su identidad, recuperar su historial de transacciones del CRM, verificar las políticas relevantes, iniciar la disputa y confirmar el resultado – todo dentro de una interacción continua. No se requieren entregas ni coordinación manual.

Las tareas que antes requerían que las personas cambiaran entre múltiples herramientas ahora ocurren en el fondo. Gran parte de la complejidad se puede abstraer, y el cliente, o incluso el agente humano, nunca tiene que ver cómo funciona el proceso detrás de escena.

Este cambio también está cambiando el papel del software en sí. El software ahora se asemeja a un conjunto de bloques de construcción, mientras que los agentes de IA actúan como la capa que conecta y coordina los sistemas. Los flujos de trabajo fijos están dando paso a interacciones más flexibles que se moldean según la situación en lugar de seguir caminos predefinidos: en lugar de seguir opciones de menú rígidas o flujos scripteados, las decisiones se toman en tiempo real en función del contexto.

Es hora de replantear su pila de tecnología

Los líderes de los centros de contacto de hoy se enfrentan a una gran pregunta: si el software ya no es el principal depositario de valor, ¿dónde debe ir la inversión en tecnología?

Afortunadamente, no tiene que reemplazar sus sistemas existentes directamente. Necesitan replantear cómo interactúan esos sistemas.

En este modelo emergente, los agentes de IA se encargan de la orquestación, coordinando acciones en varios sistemas en lugar de confiar en flujos de trabajo predefinidos. Las interfaces de programación de aplicaciones (API) y el protocolo de contexto de modelo (MCP) se convierten en la principal forma en que los sistemas se comunican, lo que permite a los agentes acceder e interpretar datos, sistemas y contexto para utilizar las herramientas en toda la pila.

Pero la reconfiguración sola no es suficiente. Por muy útiles que sean las herramientas de IA, todavía son falibles. Cualquier número de factores puede hacer que una herramienta de IA alucine, se desvíe de su alineación o se desvíe de las políticas y pautas. A medida que se produce este cambio, habrá una creciente necesidad de observabilidad, medición y rendición de cuentas.

Los agentes de IA no solo están realizando la tarea; están tomando decisiones como aprobar reembolsos, actualizar cuentas y escalar problemas. Y como estas herramientas operan mucho más rápido de lo que cualquier humano puede, cualquier error puede repetirse en cientos o incluso miles de instancias en cuestión de horas.

Esa es precisamente la razón por la que las organizaciones necesitan incorporar la observabilidad para saber qué está decidiendo su IA; herramientas de prueba para detectar errores a tiempo; e infraestructura de registro para investigar errores de inmediato.

Construir adecuadamente estas barreras de seguridad alrededor de cualquier despliegue de IA dará como resultado una arquitectura más flexible y receptiva capaz de manejar la complejidad de maneras que los flujos de trabajo tradicionales no podían. Vale la pena señalar que esta arquitectura también es inherentemente menos predecible y requerirá nuevos enfoques para la supervisión y gobernanza.

Los compromisos

Aunque la IA abre un mundo de posibilidades, el cambio hacia la autonomía introduce nuevos riesgos para los centros de contacto, un negocio donde la coherencia y la confianza son fundamentales.

Los flujos de trabajo estructurados han sido durante mucho tiempo la base de las operaciones de los centros de contacto. Cada paso se define de antemano, cada decisión sigue un camino aprobado y cada interacción se puede auditar contra reglas establecidas. Esta estructura ayuda a garantizar que las interacciones con los clientes sigan siendo coherentes, se cumplan los requisitos regulatorios y se apliquen las políticas de manera uniforme en cada caso.

Los agentes de IA autónomos operan de manera diferente por defecto. A diferencia del software tradicional que sigue algoritmos predecibles, los agentes de IA toman decisiones en función de su modelo subyacente, datos de entrenamiento y contexto, en tiempo real. Esta flexibilidad les permite adaptarse a cada situación, pero también introduce variabilidad. Dos solicitudes de clientes similares pueden manejarse de manera ligeramente diferente dependiendo de cómo el agente interprete la entrada, qué datos estén disponibles o cómo el modelo subyacente pondera diferentes señales.

Un persona que sigue un flujo de trabajo rígido tenderá a producir resultados predecibles, pero los agentes de IA pueden producir resultados inesperados o inconsistentes, y han demostrado un alto potencial para sesgo. Un agente de IA puede resolver un problema de facturación correctamente, pero interpretar un caso similar de manera diferente.

Esto plantea importantes preguntas operativas para las organizaciones: ¿Cómo se mantiene la rendición de cuentas cuando las decisiones las toma un sistema basado en IA y no alguien que sigue un guion? ¿Cómo se garantiza la transparencia en esas decisiones, especialmente cuando los modelos son complejos y no siempre fáciles de interpretar? ¿Cómo se mantiene el cumplimiento en entornos donde las acciones se generan dinámicamente?

Estas preguntas son aún más importantes en los centros de contacto porque se encuentran en la intersección de la eficiencia y la experiencia. Una respuesta retrasada, una resolución incorrecta o una decisión inexplicable pueden dejar a los clientes frustrados y dudosos sobre la confiabilidad de todo su negocio. Se cuestionarán como solución y tal vez incluso cambien a otro proveedor.

Además, hay el desafío de la supervisión. A medida que los agentes de IA asumen más responsabilidad, las organizaciones necesitan formas de monitorear y probar su comportamiento en tiempo real, detectar anomalías e intervenir cuando sea necesario. Sin este nivel de visibilidad, se vuelve difícil garantizar que los sistemas estén funcionando como se pretendía, o comprender cuándo no lo están.

El camino hacia adelante

Las organizaciones deben adoptar un enfoque gradual para la adopción de agentes de IA. En lugar de reemplazar completamente los flujos de trabajo existentes, las organizaciones deben comenzar aumentándolos, introduciendo la IA en escenarios controlados donde los riesgos son menores y los beneficios son inmediatos.

Este enfoque permitirá a los centros de contacto experimentar y adaptarse sin sacrificar la confiabilidad. Pueden desplegar agentes de IA en situaciones de bajo riesgo para identificar sesgos, detectar desviaciones de enrutamiento y abordar otros problemas a medida que surjan.

El objetivo, después de todo, es preservar la calidad, y los agentes de IA son solo otra herramienta, sin importar cuán capaces sean. Un centro de contacto que adopte esta tecnología con el equilibrio adecuado de precaución y optimismo un día nos hará ver los centros de contacto y los centros de llamadas de la misma manera: como algo del pasado.