Del contact center al AI Operation Center: un nuevo enfoque para el problema del customer care

El error de fondo no ha sido tecnológico, sino conceptual. Se ha seguido pensando el customer care como una secuencia rígida de canales y estados (IVR, cola, conversación, cierre) sobre la que se injertaba automatización allí donde resultaba más eficiente, casi siempre para "desviar" al cliente del contacto humano. La consecuencia previsible fue la llamada call deflection: reducir el número de interacciones humanas a cualquier precio, aunque ese precio fuera la calidad percibida.

Cambiar la pregunta antes que la herramienta

El giro conceptual que interesa aquí no consiste en incorporar un modelo de lenguaje más potente, sino en cambiar la pregunta de partida. En lugar de "¿cómo reduzco el número de contactos humanos?", la pregunta pasa a ser "¿cómo reduzco el tiempo humano dedicado a cada contacto, sin renunciar a que una persona pueda intervenir en cualquier instante?". La diferencia es sutil pero decisiva: desplaza el objetivo de la automatización desde la eliminación del agente hacia la compresión de su tiempo de intervención efectiva.

Esto exige romper la dicotomía binaria "bot o persona" y sustituirla por un continuo de tres estados: gestión íntegramente humana (HUM - human), gestión íntegramente artificial (AIO - AI Only) y, el estado no contemplado hasta ahora, gestión artificial supervisada en tiempo real por una persona (AIS - AI Supervised), que gestiona varias conversaciones automáticas a la vez y puede intervenir de forma inmediata ante una caída de calidad.

De los procesos a las conversaciones

Esta idea obliga también a redefinir la unidad de trabajo. El proceso deja de descomponerse en pasos rígidos de un flujo para descomponerse en tareas conversacionales, cada una con su propio modo de interacción. Cuantas más tareas (y más precisas) compongan un flujo, más gobernable se vuelve el sistema, porque cada tarea puede diagnosticarse, medirse y, si falla, corregirse de forma aislada.

De esta granularidad surge un mecanismo objetivo para decidir, tarea a tarea, cuánta supervisión humana necesita realmente cada fragmento de conversación. No es una decisión de una vez, sino un ajuste continuo, casi termostático: cuando una tarea supervisada demuestra que ya no requiere intervención humana, se reduce gradualmente el peso de ese control humano hasta volverla autónoma; cuando una tarea automática empieza a fallar, se le reincorpora supervisión sin reconstruir el proceso.

Medir lo que antes era invisible

De ahí nace la necesidad de indicadores que hoy no existen en la mayoría de los contact centers: una medida en tiempo real de la experiencia percibida por el cliente en cada conversación (para saber cuándo intervenir), un indicador de la capacidad de un agente humano para supervisar varias conversaciones a la vez sin degradar la calidad, y un sistema de puntos de control (verificaciones automáticas embebidas en el propio diseño conversacional) que certifiquen, tarea por tarea, si la inteligencia artificial cumplió realmente el objetivo de negocio y no solo produjo una respuesta plausible. Sin puntos de control explícitos, esa diferencia queda oculta hasta que el cliente vuelve a llamar, frustrado.

Esta forma de medir tiene una consecuencia organizativa profunda: unifica lo que durante años estuvo separado en KPIs incompatibles en una sola vista que permita comparar el coste por contacto con la calidad obtenida, y decidir con datos, no con intuición, dónde merece la pena mantener a una persona en el bucle.

Una convergencia con lo regulatorio, no solo con lo técnico

Este cambio de paradigma no ocurre en el vacío normativo. La reciente Ley SAC, que regula en España los servicios de atención a la clientela, introduce por primera vez parámetros mínimos obligatorios: tiempos máximos de espera, derecho a solicitar atención personalizada por parte de una persona, trazabilidad de cada gestión mediante un código identificativo.

Estas exigencias legales reclaman las mismas capacidades que satisface este nuevo enfoque técnico: saber en todo momento si un cliente está siendo atendido por una máquina o por una persona, activar la intervención humana bajo demanda y disponer de un registro auditable de cada interacción.

Un modelo que ya distingue, mide y documenta el paso entre lo automático y lo humano no cumple la ley por casualidad, sino porque comparte con ella la misma pregunta de fondo.

El horizonte: de contact center a AI Operation Center

Llevado a su conclusión lógica, este enfoque convierte al contact center en algo distinto de lo que ha sido durante treinta años: no una fábrica de llamadas gestionada por reglas y turnos, sino un organismo cognitivo distribuido, donde cada interacción fluye hacia el recurso, humano o artificial, mejor capacitado para resolverla en ese instante. Los agentes dejan de estar atados a un canal o a una tipología de tarea; se convierten en resolutores transversales, mientras la inteligencia artificial absorbe silenciosamente lo repetitivo y lo predecible.

No es una visión ingenua sobre la sustitución de personas por máquinas, sino lo contrario: una apuesta por que la parte humana del trabajo se concentre, por fin, en lo que solo un humano sabe hacer bien (interpretar matices, sostener la empatía, decidir en la ambigüedad) mientras el sistema mide, con un rigor hasta ahora inédito, si esa promesa se cumple de verdad.

(César López, CEO de Covisian Iberia y Latam, compañía adscrita a la Asociación CEX).