En un comercio, responder a un cliente no siempre lleva mucho tiempo. Lo que suele llevar más es encontrar la información necesaria para responderle correctamente: historial de compras, pedido, factura, presupuesto, reserva, disponibilidad de un producto o conversación anterior.
La inteligencia artificial puede intervenir en varios niveles de la atención al cliente: buscar información, preparar una respuesta, analizar las consultas recurrentes o, en algunos casos, automatizar una parte de los intercambios. Pero no todos estos usos tienen el mismo nivel de riesgo ni la misma necesidad de control.
Dos grandes usos de la IA en la atención al cliente
Primero hay que distinguir dos situaciones.
La IA asiste al comerciante
Trabaja en segundo plano. El comerciante puede pedirle que encuentre una información, resuma un historial, prepare una respuesta o busque un documento. El cliente no habla directamente con la IA.
La IA responde directamente al cliente
Es el caso de un chatbot, de un asistente conversacional o de un sistema automatizado capaz de responder a ciertas consultas. Este uso puede servir para preguntas sencillas y bien documentadas, pero exige más precauciones cuando la respuesta depende del expediente particular del cliente o puede tener una consecuencia comercial.
Esta distinción es esencial: ayudar a alguien a responder y responder directamente en su lugar no conllevan los mismos riesgos. Ver también la diferencia entre un agente de IA y un asistente de IA.
Encontrar más rápido el contexto de un cliente
Gran parte del trabajo de atención al cliente consiste en buscar información que ya está en las herramientas del comercio. Por ejemplo:
«Busca las últimas compras de este cliente.»
o bien:
«¿Ha contactado ya con la tienda por este pedido?»
Cuando los datos necesarios son accesibles, la IA puede ayudar a reunir los elementos útiles:
- compras anteriores;
- pedidos;
- presupuestos;
- facturas;
- reservas;
- conversaciones registradas;
- información asociada a la ficha del cliente.
El objetivo es evitar buscar manualmente la misma información en varias pantallas o documentos. La respuesta final puede prepararse entonces a partir de datos propios de la situación real del cliente, en lugar de una respuesta genérica. Ver también consultar y buscar una ficha de cliente.
Preparar una respuesta al cliente
Una vez encontrado el contexto, la IA puede ayudar a redactar una respuesta. Por ejemplo:
«Prepara una respuesta para este cliente que pregunta cómo va su pedido.»
El valor no está solo en la redacción. Si el sistema tiene acceso a la información correcta, la respuesta puede tener en cuenta el contexto: el pedido en cuestión, su estado conocido, las conversaciones anteriores o la información disponible en el expediente. Después, el comerciante puede revisar el contenido antes de enviarlo.
Esta validación es especialmente útil cuando la respuesta trata de:
- una reclamación;
- un retraso;
- un reembolso;
- un error;
- un descuento comercial;
- una situación inusual.
La IA puede acelerar la preparación sin tomar necesariamente la decisión en lugar del comerciante.
Encontrar presupuestos, facturas y documentos
Las consultas de los clientes suelen estar relacionadas con documentos.
«Busca la factura de este cliente.»
«¿Qué presupuestos enviados este mes siguen sin respuesta?»
«Prepara un seguimiento para este presupuesto.»
Una IA conectada a los datos documentales puede facilitar la búsqueda y la preparación de las acciones correspondientes, apoyándose en los documentos ya gestionados en presupuestos y facturación de Gillia. Sin embargo, hay que distinguir tres etapas:
encontrar el documento → preparar la acción → ejecutar la acción
La primera suele conllevar poco riesgo. La última puede tener una consecuencia real y justificar una validación según el contexto. Ver también consultar una factura o consultar un presupuesto. Cuando la factura lleva retraso en el pago, el procedimiento es distinto: consulta nuestra guía sobre la factura impagada y el seguimiento al cliente.
Ayudar a gestionar las reservas
En las actividades que utilizan reservas, la IA también puede facilitar ciertas consultas. Por ejemplo:
«Busca la reserva de la Sra. Martin para el viernes.»
Después:
«¿Qué disponibilidad tenemos una hora más tarde?»
Y, eventualmente:
«Prepara el cambio de su reserva a las 20:30 h.»
De nuevo, buscar una información y modificar efectivamente una reserva son dos operaciones distintas. El nivel de control puede adaptarse a la acción realizada, en la capacidad de reservas de Gillia igual que para modificar una reserva.
Responder a las preguntas frecuentes
Algunas consultas no requieren acceder al expediente de un cliente. Por ejemplo:
- ¿cuál es el horario?
- ¿cuáles son las condiciones de devolución?
- ¿qué medios de pago se aceptan?
- ¿cuáles son las condiciones de entrega?
- ¿cómo funciona la recogida en tienda?
Esta información puede agruparse en una base de conocimiento. Una IA puede entonces utilizar esta documentación para ayudar al comerciante o, cuando el sistema está previsto para ello, responder directamente al cliente. El valor de una base de conocimiento es importante: proporciona una fuente controlada a partir de la cual construir las respuestas. Esto reduce el riesgo de producir una respuesta basada únicamente en los conocimientos generales del modelo.
Una IA no debe inventar información de un cliente
Esta es probablemente una de las reglas más importantes. Si la IA no conoce el estado de un pedido, no debe inventarlo. Si no encuentra una condición de devolución, no debe deducir una. Si falta una factura, no debe suponer su contenido.
Un buen uso de la IA en la atención al cliente debe permitir distinguir:
- una información encontrada en los datos;
- una información procedente de una documentación;
- una sugerencia redactada por la IA;
- una información que no está disponible.
Una respuesta rápida pero falsa suele ser más problemática que una respuesta que requiere una verificación.
Personalizar los mensajes sin sobreinterpretar los datos
El historial del cliente puede ayudar a adaptar una respuesta o una comunicación. Por ejemplo, un cliente que ha comprado varias veces una categoría concreta puede recibir una comunicación sobre esa categoría. Pero el historial no permite conocer con certeza las intenciones futuras de una persona. Por tanto, hay que evitar convertir cada dato en una conclusión. La IA puede usar el historial como contexto, sin pretender conocer con precisión las preferencias del cliente.
Detectar las consultas que se repiten a menudo
La IA también puede utilizarse a una escala más global. Si muchas consultas tratan del mismo tema, puede revelar un problema o una información insuficientemente clara. Por ejemplo:
- varias preguntas sobre los plazos de entrega;
- consultas repetidas sobre una referencia;
- muchas reclamaciones relacionadas con el mismo producto;
- dudas frecuentes sobre las devoluciones;
- presupuestos que quedan con regularidad sin respuesta.
El análisis de estas consultas puede ayudar a identificar problemas recurrentes en lugar de tratar cada intercambio de forma aislada. A veces, una pregunta que no deja de repetirse puede resolverse con más eficacia mejorando una página de información, un procedimiento o una comunicación.
Priorizar las consultas
No todas las consultas tienen la misma urgencia. Una pregunta sobre el horario y una reclamación sobre un pago no deberían tratarse necesariamente de la misma manera. Cuando se dispone de los datos y las reglas necesarios, un sistema puede ayudar a hacer destacar:
- las consultas urgentes;
- los expedientes antiguos;
- las reclamaciones;
- los mensajes que requieren una intervención humana;
- las preguntas sencillas que pueden resolverse rápidamente.
La IA se convierte entonces en una herramienta de clasificación y de ayuda a la priorización, no solo de redacción.
¿Hasta dónde automatizar la atención al cliente?
No existe una regla única válida para todas las situaciones. El nivel de automatización puede depender:
- del tipo de consulta;
- de la fiabilidad de los datos;
- del impacto potencial de un error;
- de la política del comercio;
- de los derechos concedidos al sistema.
Una respuesta sobre el horario suele poder automatizarse con más facilidad que un reembolso o una modificación comercial importante. Un enfoque útil consiste en distinguir tres niveles:
Riesgo bajo
Búsqueda de información, resumen, clasificación o respuesta a partir de una documentación validada.
Riesgo intermedio
Preparación de un mensaje, de un seguimiento o de una modificación. Puede ser útil una validación antes de la ejecución.
Riesgo alto
Reembolso, cancelación sensible, modificación financiera u otra acción con una consecuencia importante. Estas operaciones suelen requerir más control.
Cuanto más compromete la acción, más importantes se vuelven la validación y la trazabilidad.
Atención a los datos personales
La atención al cliente maneja de forma natural información relacionada con los clientes. Por tanto, el uso de la IA debe tener en cuenta las normas aplicables a estos datos: acceso, conservación, finalidad, seguridad y derechos de las personas.
No toda la información disponible en un sistema debe ser necesariamente accesible a todos los usuarios ni utilizarse para todas las tareas. El principio sigue siendo el mismo que con las demás herramientas del comercio: el acceso a los datos debe corresponder a la necesidad real y a los derechos de la persona que realiza la acción.
Medir el valor real de la IA
El número de respuestas generadas no es necesariamente el mejor indicador. El objetivo es mejorar el servicio. Según el uso, se puede seguir, entre otros:
- el tiempo medio necesario para encontrar una información;
- el plazo de primera respuesta;
- el tiempo de tramitación;
- el número de consultas resueltas;
- la tasa de reapertura o de nueva consulta sobre el mismo tema;
- la satisfacción del cliente cuando se mide;
- la proporción de respuestas que requieren una corrección humana.
Este último indicador es especialmente interesante. Una IA que redacta muy rápido pero cuyas respuestas deben corregirse sistemáticamente aporta menos valor que un sistema algo más lento pero fiable.
¿Cómo puede ayudar Gillia a la atención al cliente?
Gillia se posiciona principalmente como un agente utilizado por el comerciante para aprovechar la información disponible en su entorno de trabajo. Por ejemplo:
«Busca la ficha de este cliente.»
Después:
«Busca la factura correspondiente.»
Y:
«Prepara una respuesta a su consulta.»
Según los datos y las capacidades disponibles, Gillia también puede ayudar a encontrar un presupuesto, una reserva o el historial útil para la situación. El objetivo es reunir:
contexto → análisis → preparación de la acción
desde una misma conversación. Las acciones con un impacto real pueden seguir sujetas a validación antes de su ejecución — el principio mismo de un agente de IA para el comercio. Gillia también puede apoyarse en una base de conocimiento para la información documentada y recurrente.
De la respuesta individual a la mejora del servicio
Uno de los beneficios más importantes de la IA aparece cuando se va más allá de la simple redacción. Una consulta de un cliente puede tratarse más rápido. Pero cien consultas similares pueden revelar algo más útil: ¿por qué se repite tanto esta pregunta?
- Quizá falta una información en el sitio web.
- Quizá un procedimiento no está claro.
- Quizá un producto genera un número inusual de problemas.
- Quizá hay que mejorar una etapa del recorrido del cliente.
Así, la IA puede servir en dos niveles: tratar con más eficacia una consulta individual; y hacer aparecer los problemas recurrentes que merecen una mejora más global.
Es en este segundo nivel donde puede contribuir realmente a mejorar la atención al cliente, en lugar de limitarse a acelerar la redacción de respuestas. Las acciones de fidelización que se derivan se encuentran directamente en la capacidad de fidelización de Gillia. Otros ejemplos relacionados con la relación con el cliente están en nuestro catálogo de usos de Gillia: hacer seguimiento de un presupuesto pendiente o modificar una reserva.