Se ha reportado una incidencia, el sistema de tickets está en rojo, y los usuarios quieren saber: qué está pasando, cuánto durará todavía, y cuándo recibirán más noticias. Ese es un trabajo que los empleados de servicio de asistencia y comunicación realizan a diario. La pregunta aquí no es si la IA puede escribir texto, sino si la IA puede asumir de forma autónoma este trabajo de comunicación específico. La respuesta: en parte, y depende en gran medida del tipo de incidencia de que se trate.
La tarea obtiene una puntuación alta en estructuración (4): un reporte de incidencia suele seguir un patrón fijo — qué está mal, desde cuándo, qué sistemas se han visto afectados, cuál es el tiempo de resolución previsto. Ese patrón es precisamente lo que un modelo de lenguaje puede completar bien, siempre que la información subyacente sea correcta. También el aspecto físico (5) no supone un obstáculo: no se requiere ninguna acción en el mundo real, solo texto que debe salir.
En cambio, el contacto con el cliente obtiene una puntuación baja (1). Se trata, por definición, de comunicación con personas que a menudo ya están frustradas porque su trabajo está paralizado. El tono, el momento y la precisión de un mensaje determinan si los usuarios se sienten escuchados o, por el contrario, ignorados. Un mensaje generado que sea correcto en cuanto a los hechos pero que interprete mal la urgencia causa más daño que la ausencia de mensaje.
Los costes de error (3) son moderados pero no despreciables: un tiempo de resolución incorrecto o un estado que no se actualiza mina la confianza y provoca una avalancha de preguntas de seguimiento — precisamente el trabajo que se quería ahorrar. El cumplimiento normativo (4) entra en juego en cuanto la incidencia esté sujeta a acuerdos de nivel de servicio (SLA) o, en algunos sectores, a la obligación de notificación: en ese caso, la comunicación debe poder demostrarse enviada a tiempo y conforme a normas fijas. El margen de juicio (2) y la creatividad (2) son bajos: hay poco margen para decidir por cuenta propia qué se comunica, se trata en gran medida de seguir una plantilla con datos actualizados. El volumen (4) es alto: en una incidencia grande se trata de cientos o miles de usuarios que necesitan el mismo mensaje, y eso es precisamente donde la automatización libera tiempo.
Tres ejes determinan el panorama. La estructuración lo hace técnicamente viable: si el estado de la incidencia está registrado de forma inequívoca en el sistema, un modelo de lenguaje puede construir a partir de ahí un mensaje siguiendo una plantilla fija. Pero el bajo contacto con el cliente actúa como freno — no porque la IA no pueda escribir una frase correcta, sino porque el riesgo de un mensaje mal cronometrado o con un tono equivocado es mayor que en un texto interno o administrativo. Y los costes de error hacen que la supervisión siga siendo necesaria: una actualización de estado que se envía antes de que se confirme una solución, o que estima el tiempo de resolución de forma demasiado optimista, genera nuevas quejas en lugar de reducirlas.
Un ejemplo lo concreta. En una incidencia de un sistema de correo electrónico interno, donde el impacto es conocido y el tiempo de resolución razonablemente predecible, la IA puede redactar el primer aviso y la actualización de estado intermedia a partir del ticket, con un empleado que da una breve aprobación antes de enviar el mensaje. En una incidencia que afecta a la funcionalidad de pago de los clientes, con consecuencias financieras y un tiempo de resolución incierto, la situación es distinta: ahí es necesaria una valoración humana sobre qué se dice y qué no, y cuándo.
En una empresa con una página de estado madura y un sistema de tickets que rellena automáticamente los campos correctos, la parte que la IA puede asumir es mayor: el texto puede provenir directamente de datos estructurados. En una empresa donde las incidencias se comunican de forma oral, en mensajes sueltos de Slack o a través de un gerente de TI que lo evalúa por su cuenta, falta la base estructurada y hay poco que la IA pueda redactar de forma autónoma. También cuenta la naturaleza de los usuarios: los empleados internos aceptan una actualización breve y factual; los clientes externos con un contrato y un SLA esperan un tono y una exhaustividad que requieren más bien control humano.
Esta tarea no está aislada del resto de la cadena de incidencias. Que una incidencia se comunique de forma eficaz depende de lo bien que se supervise el rendimiento del sistema — sin una monitorización fiable no hay un estado actualizado que comunicar. También está relacionado con cómo se registra y prioriza el incidente, ya que eso determina qué datos hay disponibles para basar un mensaje. Y en algunos casos la comunicación avanza en paralelo a la resolución efectiva del incidente de TI de primera línea, donde la actualización solo es tan buena como el progreso realmente realizado.
En concreto: la redacción de texto a partir de plantillas fijas, con el estado actual de la incidencia como entrada, es viable en cuanto se cumplen esas dos condiciones. La decisión sobre cuándo se envía un mensaje, en qué tono, y si el tiempo de resolución está formulado de forma realista, sigue correspondiendo al empleado. No se trata de una fase intermedia hacia una asunción total — es la estructura que corresponde a este tipo de comunicación mientras los costes de error de un mensaje mal ubicado sigan siendo mayores que el tiempo que cuesta comprobarlo.
Si este análisis le lleva a plantearse la asignación de empleados de servicio de asistencia o comunicación, tenga en cuenta que existen requisitos legales propios en materia de empleo y participación de los trabajadores; esta página no ofrece asesoramiento de personal ni sirve como fundamento para una decisión de despido. Para conocer el cuidado más amplio en torno a los cambios de función, consulte el cuidado necesario al suprimir funciones.
¿Desea saber qué parte de la comunicación de incidencias en su propia empresa ya cumple hoy estas condiciones? El escaneo rápido gratuito de FTE TO AI consta de doce preguntas, no requiere cuenta, y ofrece una indicación de qué parte de las horas de este perfil se puede transferir hoy a la IA. El escaneo de trabajo completo, con el análisis detallado de tareas por equipo, todavía está en construcción — de momento hemos decidido no ofrecerlo aquí.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.