IA para atención al cliente: qué puede hacer tu equipo con ella

Cuando alguien busca «IA para atención al cliente», casi siempre tiene una imagen en la cabeza: un bot en la esquina de la web contestando a las tres de la mañana. Es un proyecto legítimo y a veces tiene sentido, pero no es el único que existe bajo ese nombre y, desde luego, no es el que antes rinde en una empresa que ya tiene a gente atendiendo.

Hay otra vía, mucho menos llamativa y bastante más inmediata: que las personas que hoy responden correos, tickets y llamadas usen la IA como asistente mientras trabajan. No para que conteste por ellas, sino para llegar antes al borrador que van a firmar. Resumir un histórico de catorce mensajes en cuatro líneas. Convertir una explicación técnica en algo que el cliente entienda. Ajustar el tono cuando el mensaje llega en caliente y la primera respuesta que sale del teclado no es la que conviene enviar.

De esa segunda vía va este artículo: qué tareas concretas ahorran tiempo, qué no hay que pedirle y qué hacer con los datos del cliente, que en soporte están en absolutamente todos los mensajes.

Dos proyectos distintos que se llaman igual

Conviene separarlos en la primera página, porque se contratan a proveedores distintos, cuestan cosas distintas y se miden de forma distinta.

Formar a las personas que atienden a clientes para que usen la IA como asistente —redactar una respuesta, resumir el histórico de un caso, adaptar el tono, dejar preparadas las respuestas a las incidencias que más se repiten— es lo que hago desde aquí. No toca ningún sistema, no requiere permisos de administrador y funciona desde el primer día, porque la herramienta va en una pestaña al lado y quien decide qué se envía sigue siendo una persona. Automatizar el canal —un bot que responde solo en la web, un flujo que clasifica los tickets y los enruta, una integración con el CRM o con el helpdesk— es otra cosa distinta: es un proyecto de implantación, con análisis previo, permisos, mantenimiento y su propio riesgo técnico. Esa parte la trabajo desde Meridian Data, la consultora de datos e IA desde la que abordo los proyectos técnicos. Si alguien te ofrece las dos como si fueran el mismo encargo, pregunta cuál de las dos te está vendiendo.

La distinción no es una formalidad comercial: cambia quién asume el riesgo. En la primera vía, si el modelo se equivoca, el error se queda en un borrador que alguien lee antes de enviarlo. En la segunda, el error sale al cliente sin que nadie lo haya visto, y por eso exige un diseño, unas pruebas y unas reglas de escalado que no caben en un curso.

Lo que sigue es la primera vía, la que se practica con vuestros propios tickets y correos en el curso de ChatGPT para empresas, dentro del itinerario de formación en IA para empresas.

Antes de nada: los datos del cliente

En atención al cliente esto no es un apartado de precaución al final del artículo. Es la condición de entrada, porque no hay un solo mensaje de soporte que no lleve datos de una persona identificable.

Repasa un ticket cualquiera: nombre y apellidos, correo, a menudo el teléfono, el número de pedido, la dirección de entrega, el histórico de compras y, según el sector, datos bancarios, de salud o de un menor. Pegarlo entero en una herramienta de IA es, en la práctica, entregárselo a un tercero.

La pregunta que uso para decidir es una sola: ¿este texto pasaría por el mismo filtro que aplicáis antes de mandar información de clientes a cualquier otro proveedor? Si la respuesta es que no, tampoco debería acabar en un chat. No es miedo a la tecnología: es el criterio que ya usáis cuando contratáis un servicio que toca datos ajenos, aplicado a una pestaña del navegador.

En la práctica, tres hábitos resuelven la mayoría de los casos:

• Sustituye a la persona por su papel. «El cliente», «quien ha reclamado», «el pedido del 12 de junio». Para redactar bien una respuesta, el modelo no necesita saber que se llama Marta Gómez: necesita saber qué le ha pasado.
• Pega el problema, no el expediente. Fuera firmas, teléfonos, direcciones, números de tarjeta y adjuntos que no aportan nada al texto que quieres escribir.
• Que la cuenta sea de empresa, no la personal de cada uno. Es donde se decide qué se hace con lo que escribís, y no es una decisión que deba tomar cada agente por su cuenta.

Qué categorías de información no salen nunca está desarrollado en qué no compartir nunca con ChatGPT. Y si en tu empresa esto no está escrito en ningún sitio, la decisión es anterior a cualquier herramienta: se aborda en qué debe incluir una política de uso de IA.

Las cinco tareas donde ahorra tiempo de verdad

Todas tienen el mismo patrón, y ese patrón explica por qué unas cosas funcionan y otras no: en soporte la IA rinde cuando se le da algo que masticar. Un hilo de catorce mensajes, una explicación técnica ya escrita, cuatro notas tomadas durante una llamada. Con material delante ordena, condensa y cambia el registro muy rápido. Sin él, «hazme la respuesta» produce un texto correcto que no dice nada de ese cliente concreto, y corregirlo cuesta más que haberlo escrito.

1. Ponerte al día de un caso antes de contestar

Un ticket que lleva tres semanas abierto y ha pasado por dos personas obliga a un buen rato de lectura antes de escribir una línea. Le pasas el hilo completo y le pides el estado: qué pidió el cliente, qué se le ha respondido ya, qué se le prometió y para cuándo, y qué queda abierto.

Dos avisos de mecánica. Dile en qué orden le pegas los mensajes —los gestores los apilan del más nuevo al más antiguo y el resumen sale con la cronología invertida— y revisa siempre quién prometió qué: atribuir un compromiso a quien no lo asumió es el error más caro de un resumen de soporte.

2. Traducir una respuesta técnica a lenguaje de cliente

La escribe quien sabe del producto y la entiende quien sabe del producto. Le pasas la explicación interna y le pides la versión para el cliente: sin jerga, con lo que tiene que hacer al principio y sin quitar ninguna condición ni ningún plazo.

Lo que hay que vigilar es lo contrario de lo que se teme: al simplificar, tiende a suavizar. Comprueba que las condiciones que limitan la respuesta —«solo si el producto está sin usar», «siempre que el pedido no haya salido aún del almacén»— siguen ahí y siguen diciendo lo mismo.

3. Ajustar el tono cuando el cliente escribe enfadado

Es la tarea que más agradecen los equipos de soporte, y no por velocidad. Un mensaje difícil tiene seis líneas: escribirlo no cuesta tiempo, cuesta arrancar sin sonar a la defensiva.

El patrón que funciona es el inverso al habitual: escribe tú en bruto lo que hay que decirle —cuatro frases desordenadas, con las fechas y la decisión ya tomada— y pídele que lo convierta en una respuesta profesional que reconozca el problema sin repartir culpas. Tú pones el contenido; él pone la forma.

Con una prohibición explícita, y es importante: que no conceda nada. Un modelo entrenado para resultar agradable ofrece salidas que suenan bien —un descuento, un plazo nuevo, una compensación— y en un mensaje enviado eso es un compromiso adquirido.

4. Dejar preparadas las respuestas a lo que se repite

Buena parte del volumen de un buzón de soporte son las mismas ocho o diez preguntas. En vez de reescribirlas cada vez, dedica una tarde a montarlas: le pasas tres o cuatro respuestas reales que ya habéis enviado y que funcionan, y le pides una versión limpia y reutilizable de cada una, con los huecos marcados para rellenar.

El resultado no es un texto que se envía tal cual: es un punto de partida que cada persona personaliza en veinte segundos. Y tiene un efecto secundario que suele importar más que el tiempo ahorrado: el equipo empieza a responder lo mismo a la misma pregunta. Si quieres que esas instrucciones sean reutilizables de verdad y no un documento que nadie abre, eso es lo que se trabaja en el curso de prompt engineering.

5. Redactar la comunicación de una incidencia general

Cuando algo se cae, hay que escribir rápido y bien a mucha gente a la vez, y es el peor momento para ponerse a redactar. Con los hechos delante —qué ha pasado, a quién afecta, desde cuándo y qué estáis haciendo—, pide tres versiones: el aviso corto para la web, el correo a los clientes afectados y el mensaje interno para el equipo que va a recibir las llamadas.

Aquí la revisión es obligatoria línea a línea, porque es el texto que más gente va a leer y el que más se cita después. Ninguna causa, ningún plazo de resolución y ninguna disculpa con implicaciones económicas puede aparecer si no la has decidido tú.

Lo que no debes pedirle

Cuatro límites que conviene dejar dichos antes de contárselo al equipo, porque una expectativa mal puesta hace más daño que la herramienta.

No sabe el estado de nada. No conoce vuestro stock, ni dónde está ese pedido, ni si esa factura se pagó. Si le preguntas, contestará algo verosímil. Los datos se consultan en vuestro sistema y se le dan hechos.

No decide compensaciones. Devoluciones, descuentos, ampliaciones de garantía y excepciones a la política son decisiones de negocio con coste. Se toman antes de abrir el chat y se le dan ya tomadas.

No sustituye a quien atiende. Lo que hace es acortar el camino hasta el borrador. La lectura, el criterio, la decisión y la firma siguen siendo de una persona, y ahí está el trabajo que de verdad tiene valor en un buen equipo de soporte.

Y se nota cuando se envía tal cual. Aperturas de cortesía vacías, tres párrafos de longitud idéntica, un entusiasmo que no encaja con una reclamación. Se corrige reescribiendo un par de frases con tus palabras y quitando el relleno, que suele ser un tercio del texto; el porqué está en por qué un texto suena a IA.

«Mi equipo ya usa ChatGPT, ¿para qué formarlos?»

Es la objeción que más me repiten y es razonable. Casi siempre es verdad: ya lo usan, cada uno a su manera y sin decírselo a nadie.

La formación no va de enseñar a abrir la herramienta. Va del método: qué contexto hay que dar para que la respuesta sirva, qué información del cliente no sale nunca, qué revisar antes de enviar y cómo dejar por escrito las instrucciones para que el criterio no dependa de quién esté de turno ese día. Sin eso, lo que hay no es un equipo que usa IA: son ocho personas improvisando en paralelo con los datos de vuestros clientes.

La otra objeción, la que viene después, es que la gente hará el curso y luego no lo usará. Pasa, y casi siempre por lo mismo: se enseñan veinte posibilidades y no se practica ninguna sobre el trabajo real. Mi criterio es sencillo: si después de la formación no hay tres o cinco casos de uso claros que el equipo pueda repetir al día siguiente, estaba mal diseñada. Los otros modos de fallo, y qué preguntar a cualquier proveedor —incluido este—, están en qué falla en una formación de IA.

Por dónde empezar la semana que viene

No cambies de golpe cómo trabaja el equipo. Elige una tarea de las cinco —el resumen de caso y el ajuste de tono suelen ser las que menos resistencia encuentran— y úsala dos semanas, hasta que salga sin pensarla. Después añade la siguiente.

Si buena parte de vuestra atención va por correo, la mecánica concreta está en ChatGPT para el correo electrónico. Si lo que quieres cubrir es la parte de antes de la venta, con sus seguimientos y sus objeciones, eso es otro terreno y lo tienes en ChatGPT para equipos de ventas. Y si trabajas en un sector donde la atención y la captación van juntas, en IA para inmobiliarias está el mismo criterio aplicado a un caso concreto. Todo esto parte de saber pedir bien, que es lo que se explica en qué es un prompt y por qué importa.

Si quieres que tu equipo de atención al cliente trabaje así, es lo que se practica con vuestros propios tickets, correos y respuestas guardadas en el curso de ChatGPT para empresas, dentro del itinerario de formación en IA para empresas. Y si lo que necesitas primero es decidir hasta dónde llega la formación y dónde empieza un proyecto de automatización, esa conversación es de dirección y se trabaja en la mentoría en IA para directivos.

¿Quieres ver qué parte de vuestra atención al cliente tiene sentido trabajar así? Reserva media hora y lo miramos con los tickets que tenéis hoy abiertos, no con ejemplos inventados.