Katie Stein, CEO de ASAPP – Serie de entrevistas

Katie Stein, CEO de ASAPP, es una ejecutiva experimentada en tecnología y negocios con más de dos décadas de experiencia que abarca estrategia corporativa, operaciones, transformación digital y crecimiento empresarial. Antes de unirse ASAPP como CEO en agosto de 2026, se desempeñó como CEO de Atain y pasó ocho años en Genpact, donde fue Directora de Estrategia y Líder Global de Negocios para Servicios Empresariales y Analítica, supervisando la estrategia corporativa, importantes carteras de servicios, la experiencia del cliente y las iniciativas de fusiones y adquisiciones (M&A). En etapas anteriores de su carrera, Stein ocupó cargos de alta dirección en Mercer, incluido el puesto de Directora de Operaciones Global para su negocio de Jubilación, Salud y Beneficios de $2.5 mil millones, y trabajó como Líder de Proyecto en Boston Consulting Group. Su carrera se ha centrado principalmente en ayudar a grandes organizaciones a mejorar el rendimiento operativo, desplegar la tecnología de manera más eficaz y ejecutar transformaciones empresariales complejas.

ASAPP es una empresa de IA centrada en transformar el servicio al cliente empresarial a través de su Plataforma de Experiencia del Cliente (CXP) nativa de IA. Fundada en 2015, la compañía desarrolla tecnología que reúne agentes de IA, experiencia humana, datos de clientes y sistemas empresariales en canales de voz y digitales. En el centro de la plataforma se encuentra GenerativeAgent, un agente de servicio al cliente impulsado por IA diseñado para comprender conversaciones, razonar sobre las solicitudes de los clientes, ejecutar acciones a través de sistemas empresariales conectados e involucrar a agentes humanos cuando se requiere supervisión o juicio adicional. ASAPP también ofrece herramientas para pruebas, monitoreo, gobernanza y observabilidad, lo que permite a grandes organizaciones desplegar IA de cara al cliente mientras mantienen un mayor control sobre el comportamiento de los agentes automatizados.

Su carrera le ha llevado desde roles de estrategia y transformación en BCG, Mercer y Genpact a liderar Atain, y ahora a convertirse en CEO de ASAPP. ¿Qué le atrajo de ASAPP en este punto de su carrera, y después de sus primeros 30 días, qué ha identificado como las mayores oportunidades y prioridades para la empresa?

ASAPP apareció por primera vez en mi radar durante la tormenta invernal Fern a principios de este año. En Atain, estábamos trabajando en todos los frentes para crear suficiente capacidad para una de las mayores aerolíneas de EE. UU., mientras miles de viajeros afectados intentaban regresar a casa. ASAPP no solo respondía preguntas; su GenerativeAgent reprogramó a más de 3.800 pasajeros en seis días, incluidos cambios de itinerario complejos. Eso me mostró cómo es la IA empresarial bajo presión real. Mis primeros 30 días han reforzado esa visión. Nuestra oportunidad es enfocarnos y escalar: concentrarnos donde ASAPP tiene la ventaja más clara, ayudar a los clientes a pasar de la experimentación al impacto en producción, y ejecutar con mayor rapidez y consistencia.

El enfoque de ASAPP reúne agentes de IA autónomos, flujos de trabajo determinísticos y expertos humanos dentro de una única capa de orquestación. ¿Cómo determina qué decisiones deben dejarse a un agente de IA, cuáles deben seguir reglas predefinidas y cuáles deben involucrar el juicio humano?

No asignamos una interacción completa a la IA, a un flujo de trabajo predefinido o a una persona. Evaluamos cada decisión según su complejidad, riesgo y necesidad de rendición de cuentas. La IA es adecuada para comprender la intención, interpretar el contexto y adaptarse al cliente. Los flujos de trabajo brindan consistencia cuando se deben seguir pasos o políticas requeridos. Los humanos aportan juicio cuando una situación es ambigua, excepcional o con consecuencias. La orquestación reúne a los tres dentro de la misma interacción. El objetivo no es la máxima autonomía. Es resolver más necesidades del cliente aplicando el nivel adecuado de control en cada punto de decisión.

ASAPP considera la participación humana como una parte continua del sistema de IA y no solo como una vía de escalamiento cuando la automatización falla. A medida que los agentes de IA se vuelven más capaces, ¿dónde cree que los humanos seguirán aportando mayor valor en las interacciones de servicio al cliente?

¡Ingenio humano! Hace unos meses, hablé con un líder senior de CX que observó que un número relativamente pequeño de llamadas representa una proporción desproporcionada del tiempo de manejo. Estos suelen ser casos límite sin una FAQ clara, artículo de conocimiento o procedimiento operativo estándar. Son difíciles porque la organización no ha encontrado —o codificado— la respuesta antes. Los humanos seguirán aportando el mayor valor en esos momentos: interpretar la ambigüedad, equilibrar consideraciones competidoras y aplicar juicio donde no existe un manual establecido. Pero involucrar a una persona no debería implicar abandonar la automatización y transferir toda la interacción. La IA recopila lo necesario y presenta a la persona una solicitud y contexto específicos; el humano brinda el juicio, y luego la IA continúa la interacción. Esa experiencia resuelve el problema inmediato y ayuda a ampliar lo que la IA puede resolver a continuación.

Muchas empresas han demostrado con éxito la IA generativa en pilotos, pero tienen dificultades al intentar desplegarla en millones de interacciones reales con clientes. ¿Qué subestiman con mayor frecuencia las compañías al pasar de un piloto de IA a un sistema agente de escala de producción?

Las empresas suelen subestimar la larga cola. Los pilotos normalmente prueban casos de uso definidos bajo condiciones controladas. A escala de producción, las situaciones raras se convierten en ocurrencias cotidianas: los clientes cambian de dirección, proporcionan información incompleta o combinan necesidades de maneras que nadie anticipó. Por eso escalar la IA agente no es solo un desafío de modelo. Requiere integración con los sistemas empresariales, gobernanza, monitoreo y una forma de involucrar a las personas cuando se necesita juicio. El piloto demuestra que la tecnología funciona. La producción lleva la arquitectura y la disciplina operativa para que sea fiable a gran escala.

A medida que las empresas pasan de un único asistente de IA a múltiples agentes especializados que trabajan juntos, ¿qué nuevos desafíos técnicos o de gobernanza surgen en torno a la orquestación, la observabilidad y la responsabilidad?

El nuevo desafío es la coordinación. Más agentes generan más transferencias, puntos de decisión y oportunidades de que el contexto o la responsabilidad se rompan. Las empresas necesitan una orquestación que determine qué agente debe actuar, qué información y permisos recibe, y cómo su trabajo contribuye a la resolución del cliente. La observabilidad debe extenderse a lo largo de toda la interacción para que las organizaciones comprendan qué ocurrió y por qué. Eso se convierte en la base de la gobernanza. La ventaja no vendrá de desplegar la mayor cantidad de agentes, sino de coordinar toda esa inteligencia especializada en un solo sistema que sea fiable, rastreable y responsable.

ASAPP introdujo recientemente Red Teaming continuo, que prueba automáticamente sus sistemas de IA contra más de 50 clases de vulnerabilidades a medida que los modelos evolucionan. ¿Cómo deberían las empresas replantearse la seguridad cuando los agentes de IA ya no solo generan respuestas, sino que cada vez pueden realizar acciones en nombre de los clientes?

Los riesgos cambian cuando la IA pasa de responder preguntas a tomar acciones. Una transacción no autorizada o la exposición de datos de clientes tiene consecuencias mucho más graves que una respuesta inexacta. Las empresas necesitan límites claros sobre lo que un agente puede acceder, lo que puede hacer y cuándo se requiere la aprobación humana. La seguridad tampoco puede ser una prueba única antes del despliegue. A medida que la IA se vuelve más capaz, los actores malintencionados también innovan. Por eso ASAPP prueba continuamente contra miles de escenarios adversarios que abarcan más de 50 clases de vulnerabilidades. La seguridad debe evolucionar tan rápido como la tecnología, de modo que las empresas puedan ampliar lo que la IA puede hacer sin comprometer la confianza del cliente.

La IA generativa es inherentemente probabilística, sin embargo los procesos de atención al cliente a menudo implican transacciones, requisitos de cumplimiento y otras tareas donde los resultados deben ser predecibles. ¿Cómo pueden las empresas preservar la flexibilidad de la IA generativa mientras introducen suficiente estructura determinista para que estos sistemas sean confiables?

La clave es separar la conversación del proceso empresarial. Creemos que la IA generativa debe hacer lo que mejor hace: comprender al cliente, navegar la ambigüedad y responder de forma natural. Pero los procesos críticos —como la verificación, las transacciones y el cumplimiento— deben operar dentro de flujos de trabajo basados en pasos que apliquen las reglas de la empresa y la secuencia requerida. Esa arquitectura brinda a las empresas lo mejor de ambos mundos: una experiencia flexible para el cliente y una ejecución predecible para el negocio. Además, facilita probar, auditar y mejorar los procesos a medida que los modelos evolucionan. Las empresas no necesitan volver rígida cada conversación con el cliente para que la IA sea confiable. Necesitan ser muy claras sobre dónde la IA puede adaptarse y dónde el proceso no puede ceder bajo ninguna circunstancia.

Los centros de contacto tradicionalmente medían la automatización mediante métricas como la contención y la reducción de costos. A medida que la IA agente se vuelve más sofisticada, ¿qué métricas deberían usar las empresas para determinar si la IA realmente está mejorando la experiencia del cliente en lugar de simplemente reducir la intervención humana?

Nos estamos alejando de métricas como la desviación y la contención y nos dirigimos hacia lo que llamo “resolución verificada”. Quiero que seamos responsables de comprender la intención del cliente y realmente resolverla. Como cliente, quiero que la experiencia sea agradable, pero más que nada, quiero que se resuelva el motivo por el que me puse en contacto. Cuando medimos ese resultado, en lugar de simplemente si la IA evitó que alguien hablara con un agente humano, alineamos la tecnología con el trabajo que el cliente realmente necesita que se realice.

Si un experto humano puede supervisar o guiar cada vez más conversaciones impulsadas por IA, ¿cómo esperas que evolucione la fuerza laboral del centro de contacto? ¿Ves la aparición de nuevos roles en torno a la supervisión de IA, la capacitación, la gobernanza y la mejora continua?

Esto es lo que realmente me entusiasma del futuro modelo operativo de los centros de contacto. Hoy, los agentes humanos están en la primera línea, a menudo ayudando a clientes que están decepcionados, confundidos o enojados, mientras pasan gran parte de su tiempo navegando sistemas complejos para resolver esos problemas. Es un trabajo exigente y el agotamiento es alto. A medida que la IA agente asume más de ese trabajo en canales de voz y digitales, creo que veremos emerger una nueva clase de profesional de CX: el agente humano como analista. Su tiempo se dedicará cada vez más a situaciones que requieren juicio, que no son blanco o negro, o que conllevan sensibilidad regulatoria. Ese es un rol fundamentalmente diferente, y uno que la propia IA está ayudando a crear.

Después de tus primeros 30 días liderando ASAPP, ¿qué te ha sorprendido más sobre la situación actual de las empresas en su adopción de IA agente y qué crees que definirá la siguiente etapa del servicio al cliente impulsado por IA?

Me ha impresionado lo dispuestos que están los clientes con los que he hablado a convertir la IA agente en un pilar central de su estrategia de CX, en lugar de algo adjunto a ella. El desafío es que Digital, TI, Seguridad y Operaciones a menudo avanzan a ritmos diferentes y miden el éxito de manera distinta. Esa fragmentación dificulta ver claramente el caso de negocio empresarial. La siguiente etapa requerirá que las organizaciones se alineen en torno a lo que realmente importa a nivel empresarial y comprendan dónde la IA agente en CX puede impulsar esos resultados. Hoy, ese impacto puede diluirse en los cuadros de mando existentes y en métricas aisladas.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar ASAPP.