Por qué los clientes abandonan tus bots de CX

Durante años, los equipos de atención al cliente han tratado la solicitud inmediata de hablar con un agente humano como un problema de diseño. Cuando las personas que llaman rechazan una experiencia automatizada antes de que siquiera haya comenzado, lo natural es intentar que el sistema suene más cálido o más humano. Reescribir el saludo. Reconocer la frustración. Decirles que pueden hablar con naturalidad. Se supone que, si la experiencia parece menos robótica, la gente estará más dispuesta a interactuar con el sistema.

Hace poco encontramos pruebas de que hay otro factor mucho más importante.

En una gran compañía de seguros que utiliza IA para responder preguntas sobre las prestaciones de alquiler de vehículos, un agente de voz saludaba inicialmente a quienes llamaban diciéndoles que podían «hablar conmigo como con una persona de verdad». Aun así, más de cuatro de cada diez personas pedían hablar con un agente humano antes de tener una interacción sustancial con el sistema. Cambiamos el saludo por uno más sencillo y directo, pero el resultado prácticamente no varió. El 44 % de quienes llamaban seguía solicitando un agente de inmediato.

Lo que finalmente modificó el comportamiento de quienes llamaban tuvo poco que ver con cómo sonaba la IA. Cambiamos lo que podía demostrar que sabía. En lugar de empezar con un saludo genérico, la IA hacía una estimación razonable del motivo de la llamada y ofrecía información para abordar el problema de forma proactiva; por ejemplo, describía el vehículo asociado a la reclamación, indicaba su estado y comprobaba si el cliente necesitaba un vehículo de alquiler.

Las solicitudes de hablar con agentes humanos disminuyeron un 23 %. La interacción sustancial con la IA aumentó del 54 % al 66 %.

De aquí se desprende una lección que va mucho más allá de los centros de atención telefónica. Mientras las empresas se apresuran a hacer que la IA sea más conversacional, cercana e intuitiva, quizá estén invirtiendo menos de lo necesario en algo más fundamental: dotarla de contexto suficiente para demostrar que entiende la situación que tiene delante.

La IA hereda un déficit de confianza

La gente no se encuentra con un nuevo sistema de IA sin ideas preconcebidas. Llega con años de experiencia con menús telefónicos que no entendían solicitudes sencillas, chatbots que daban respuestas irrelevantes y sistemas automatizados que la obligaban a repetir información que ya había proporcionado. Con el tiempo, los usuarios han aprendido que pedir hablar con una persona puede ser la forma más rápida de resolver algo.

Ese comportamiento puede parecer resistencia a la IA, pero hay una forma más útil de entenderlo. Antes de confiar una tarea a un sistema automatizado, la gente quiere pruebas de que el sistema comprende lo suficiente su situación particular como para ser útil. Los investigadores han descrito un aspecto de esta resistencia como «desatención a la singularidad»: la percepción de que un sistema automatizado no puede tener debidamente en cuenta las circunstancias de cada persona.

Esto cobra cada vez más importancia a medida que la IA se incorpora a ámbitos más trascendentes de nuestra vida y nuestro trabajo. Una persona que llama tras un accidente de tráfico no considera que su problema sea una consulta genérica sobre seguros. Un empleado que utiliza un asistente empresarial espera que este comprenda su función, sus permisos y el trabajo que tiene entre manos. Un desarrollador que utiliza una herramienta de programación con IA necesita respuestas que tengan en cuenta la arquitectura que rodea al código.

En todos estos casos, un sistema de IA debe demostrar que comprende las circunstancias en torno a la solicitud antes de que el usuario tenga motivos suficientes para confiar en su respuesta.

El contexto se está convirtiendo en parte de la interfaz de la IA

Tradicionalmente, personalizar ha significado saber cómo se llama alguien, recordar una preferencia o recomendar algo en función de su comportamiento anterior. La IA nos ofrece la oportunidad de adaptar la experiencia mucho más a cada situación. Un sistema útil debería comprender qué intenta lograr una persona, qué ha ocurrido ya, qué información es pertinente en ese momento y qué acciones están realmente disponibles.

Esta distinción ayuda a explicar por qué funcionó el experimento con la aseguradora. La IA no se limitó a saludar a quienes llamaban de forma más cordial: les ahorró trabajo durante la interacción. Quien llamaba para comprobar si tenía disponibles las prestaciones de alquiler ya no necesitaba explicar su reclamación, identificar su vehículo ni esperar a que el sistema buscara la información pertinente. Al mostrar ese contexto de inmediato, el sistema demostró su competencia antes de pedir a la persona que confiara en él para cualquier otra cosa.

Este principio se aplica a toda la IA empresarial. Cada vez que un usuario debe repetir información que el sistema ya debería conocer, corregir una suposición que este nunca debería haber hecho o reconstruir un contexto que ya existe en otra parte de la organización, la confianza se erosiona. Para las empresas, esto significa que el contexto debe considerarse parte de la experiencia del usuario, no simplemente una cuestión técnica de segundo plano.

La IA podría cambiar nuestra forma de medir el éxito

Nuestro experimento reveló otro comportamiento que era fácil pasar por alto. Tras introducir el saludo contextual, algunas personas escuchaban el mensaje inicial y simplemente colgaban.

Las métricas tradicionales de los centros de atención telefónica podrían clasificar esas llamadas como abandonadas. Sin embargo, algunas de esas personas acababan de recibir exactamente lo que parecían necesitar. Si alguien llama para averiguar si se ha aprobado una reclamación y la IA le informa de inmediato de que está autorizada y de que las prestaciones de alquiler están disponibles, quizá no quede nada más que tratar.

Aproximadamente el 3 % de las llamadas en las que se utilizó el saludo dinámico parecían seguir este patrón: las personas que llamaban colgaban después de recibir la información y no volvían a llamar en las dos horas siguientes. Es un porcentaje pequeño, pero plantea una pregunta más amplia: ¿qué ocurre cuando las métricas que hemos utilizado históricamente para medir la interacción dejan de medir el valor con precisión?

A medida que la IA se vuelve más capaz, es posible que veamos más casos en los que las interacciones más breves sean también las mejores. Si un sistema puede anticiparse a una necesidad y ofrecer de forma proactiva la información adecuada, la duración de la conversación, el número de pasos completados e incluso las tasas tradicionales de abandono podrían dejar de ser indicadores tan relevantes del éxito.

Cada interacción con la IA es una prueba

A medida que la IA se integra en más flujos de trabajo, los usuarios aprenderán a decidir mejor qué sistemas merecen su tiempo. Los primeros momentos de una interacción tienen mucho peso, porque las personas evalúan rápidamente si el sistema entiende su situación, si su información parece fiable y si vale la pena seguir adelante.

Las mejores experiencias con IA serán aquellas capaces de demostrar, desde el principio y con precisión, que cuentan con un contexto útil. En atención al cliente, esto podría significar conocer el estado de una reclamación antes de que la persona que llama lo explique. En un asistente empresarial, podría consistir en comprender el cargo y los permisos de un empleado, así como el trabajo que está realizando. En el desarrollo de software, podría implicar razonar sobre la arquitectura que rodea a un fragmento de código.

A medida que las empresas invierten en la próxima generación de experiencias con IA, vale la pena hacer que esos sistemas sean más naturales de usar. Pero la conversación natural solo puede llevarnos hasta cierto punto. Las personas darán una oportunidad a la IA cuando esta les dé motivos para creer que puede ayudarles, y cada vez más, ese motivo es el contexto.