El servicio de atención al cliente se resume a menudo en una sola frase: "eso ya se hace todo con chatbots". En la práctica, el departamento consta de decenas de tareas que tienen poco que ver entre sí. Una llamada entrante sobre una entrega no conforme requiere algo distinto a introducir un pedido, y la elaboración de un presupuesto requiere a su vez algo distinto a la gestión de una queja. Nuestra taxonomía cuenta 82 tareas en este ámbito. Algunas de ellas la IA ya puede asumir en gran medida hoy en día, otras requieren que un empleado apruebe o rechace el resultado, y una parte sigue siendo trabajo humano. El patrón detrás de esta división resulta más útil que una lista de 82 puntos sueltos.
Las tareas más completamente automatizables comparten dos características: son de alta frecuencia y la respuesta o el siguiente paso se puede deducir en gran medida de datos existentes. Comprobar y comunicar el estado del pedido es un buen ejemplo de ello: el sistema ya sabe dónde se encuentra un pedido, y la tarea consiste en realidad en buscar esa información y traducirla para el cliente. Mantener conversaciones de chat en vivo y con chatbots también entra en gran medida en esta categoría, sobre todo para preguntas estándar sobre horarios de apertura, política de devoluciones o preguntas frecuentes sobre productos. Introducir pedidos en el sistema es un tercer ejemplo: si la introducción se deriva de una solicitud de cliente clara con campos fijos, se necesita poca interpretación y hay poco riesgo en caso de una elección incorrecta.
Lo que estas tareas tienen en común es que un error suele ser rápidamente visible y reparable, y que el margen de decisión es reducido. Existe una respuesta claramente correcta o un siguiente paso claro, y este se puede automatizar sin que un humano deba supervisarlo constantemente.
Una gran parte del trabajo en el servicio de atención al cliente se encuentra en una posición intermedia: la IA puede realizar la mayor parte del trabajo, pero un empleado debe aprobar o rechazar el resultado antes de que llegue al cliente o entre en el sistema. La elaboración de presupuestos es un ejemplo elocuente de ello. La IA puede componer una propuesta de precio a partir de la consulta del cliente, con productos, servicios y condiciones, pero el margen final, las excepciones y los acuerdos específicos del cliente suelen requerir la mirada de alguien que conoce la relación con el cliente. El procesamiento de modificaciones de pedidos entra en la misma categoría: aplicar un cambio de dirección es trivial, pero una modificación que afecta al plazo de entrega, al precio o al stock en varios sistemas requiere un momento de control.
El registro de quejas también entra aquí, aunque en el lado más cauteloso: la IA puede registrar los hechos correctamente, pero la evaluación de si algo es un incidente aislado o una señal de un problema estructural es algo que un empleado debe valorar antes de que el registro se difunda más ampliamente dentro de la organización. En todos estos casos, la ganancia no es que la tarea desaparezca, sino que la mayor parte del trabajo se desplaza de la ejecución a la evaluación.
La gestión sustantiva de quejas es el ejemplo más claro de trabajo que sigue siendo humano. Aquí no se trata de seguir un procedimiento, sino de sopesar una situación individual, evaluar qué necesita un cliente para sentirse escuchado y tomar una decisión que no se deriva de un guion. El seguimiento de presupuestos pendientes también entra parcialmente aquí: enviar un recordatorio es automatizable, pero la conversación que sigue cuando un cliente duda o negocia requiere a alguien capaz de adaptarse. Las escalaciones complejas en redes sociales, en las que un cliente insatisfecho reacciona públicamente y está en juego el tono de la organización, tampoco pueden dejarse en manos de un modelo sin que surja un riesgo reputacional.
El denominador común en esta categoría es que la tarea gira en torno al juicio, la relación o la imprevisibilidad, y que una evaluación errónea no se puede simplemente reparar con una corrección posterior.
Si se superponen estas tres categorías a las 82 tareas, no surge una división nítida entre "el front office sigue siendo humano" y "el back office se convierte en IA". La división atraviesa ambos ámbitos: algunas tareas de front office, como el chat en vivo, se automatizan bien, mientras que algunas tareas de back office, como la evaluación de una modificación de pedido inusual, requieren supervisión. La pregunta, por tarea, es: ¿cuán predecible es el resultado y cuán grande es el daño en caso de error?
Este patrón no es exclusivo del servicio de atención al cliente. También en qué puede asumir la IA en el mayorista y en qué trabajo puede asumir la IA en compras, la división entre las tres categorías reside menos en el título del puesto y más en la naturaleza de la tarea individual. Quien busque estructura, por tanto, hace bien en analizar por tarea y no generalizar por departamento o función.
Una última observación: si estos resultados se utilizan en una conversación sobre plantillas o funciones, se aplican requisitos legales propios que esta página no modifica en absoluto. Este resumen describe tareas, no decisiones de personal.
Para ver cómo se traduce esta división en su propio servicio de atención al cliente, tiene poco sentido especular a partir de títulos de puestos. La proporción entre las tres categorías depende de la combinación de tareas que sus empleados realizan realmente, de los sistemas asociados y de la complejidad de las consultas de sus clientes. Ftetoai ofrece para ello un escaneo rápido gratuito: doce preguntas, sin necesidad de cuenta, con como resultado una indicación de qué parte de las horas de su perfil se puede asumir hoy con IA. El escaneo de trabajo completo, que profundiza en tareas individuales, todavía está en construcción; deliberadamente no lo ofrecemos aquí antes de que esté terminado.
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.