Cómo usar IA en atención al cliente: qué automatizar y qué no

Publicado: 2026-03-09 · Actualizado: 2026-10-28

Por Goiko, Founder & AI Solutions CTO de GUGŌ Creative

Cómo usar IA en atención al cliente: chatbot con RAG, clasificación de tickets y respuestas sugeridas, qué automatizar, cuándo derivar, métricas y coste.

La IA en atención al cliente funciona en tres puntos del recorrido de una consulta: un chatbot con RAG que responde con la información de la empresa y cita la fuente, un clasificador que etiqueta cada ticket y lo envía al equipo correcto, y un copiloto que propone al agente de soporte una respuesta que él revisa antes de enviarla. Lo razonable es automatizar las consultas informativas y repetitivas y dejar a personas las decisiones que implican dinero, contratos, reclamaciones o clientes en una situación delicada.

La pieza que más protege la experiencia es la derivación: el cliente debe poder pasar a una persona en cualquier momento y sin repetir lo que ya ha explicado. En España, además, es una obligación para muchas empresas: la Ley 10/2025 de servicios de atención a la clientela prohíbe usar contestadores automáticos o bots como medio exclusivo de atención. Como referencia de nuestros precios publicados, un chatbot con RAG cuesta entre 10.000 y 25.000 € y un copiloto integrado en el helpdesk, entre 20.000 y 50.000 €.

Tres formas de usar IA en atención al cliente

Las tres se apoyan en lo mismo —una base de conocimiento ordenada y la integración con el helpdesk— y se pueden implantar por separado. Las diferencias de autonomía entre chatbot, copiloto y agente están en chatbot, copiloto o agente de IA; aquí vemos cómo se aplican al soporte.

Chatbot con RAG: responder al cliente con tu información

El chatbot atiende en la web, la app o WhatsApp. Ante cada pregunta busca los fragmentos relevantes en las fuentes aprobadas —preguntas frecuentes, políticas, manuales, fichas de producto— y responde a partir de ellos, enlazando el documento de origen. Si necesita datos del cliente, como el estado de un pedido, los consulta en modo de solo lectura tras identificarlo.

Lo que lo hace fiable no es el modelo, sino tres decisiones de diseño: responder solo con lo recuperado, decir «no lo sé» cuando no hay fuente y derivar en ese momento. OWASP describe el riesgo contrario en su ficha de desinformación (LLM09:2025), donde cita el chatbot de Air Canada, que dio información errónea a viajeros; la aerolínea perdió la demanda posterior. En formación, el caso publicado de Autoescuela WOW sigue ese principio: su profesor de IA explica los errores a partir del material oficial, no de lo que improvise el modelo.

Clasificación y enrutado de tickets

Antes de que nadie lea un ticket, un modelo puede asignarle motivo de contacto, producto, idioma, urgencia y tono, y extraer datos como el número de pedido. Con esas etiquetas, las reglas del helpdesk lo envían a la cola correcta, ajustan la prioridad o lanzan una respuesta automática cuando el caso lo permite.

Para que funcione, la salida debe ser una lista cerrada de categorías —las mismas que ya usa el equipo—, no texto libre. Las salidas estructuradas de OpenAI, por ejemplo, obligan al modelo a responder con un esquema JSON y evitan categorías inventadas; otros proveedores ofrecen mecanismos equivalentes. Si la confianza es baja o el ticket no encaja, pasa a revisión manual en lugar de forzar una etiqueta.

Revisa antes lo que ya incluye tu herramienta: Zendesk, por ejemplo, ofrece una clasificación inteligente que etiqueta tema, sentimiento, idioma y entidades de cada ticket nuevo, y usarla en flujos de trabajo requiere su complemento Copilot.

Respuestas sugeridas al agente de soporte

Es el uso con mejor relación entre valor y riesgo: dentro del helpdesk, el copiloto lee el ticket, recupera la política aplicable, el historial del cliente y casos parecidos ya resueltos, y propone un borrador que el agente corrige y envía; nada sale sin su revisión. También resume conversaciones largas y señala los datos que faltan. Y las ediciones del agente son la mejor fuente de mejora: si siempre se reescribe el mismo párrafo, el problema suele estar en la base de conocimiento, no en el modelo.

Qué automatizar y qué no: tabla de decisión

La tabla reparte las consultas habituales según cuánto se puede delegar. Es un punto de partida: el reparto final depende de tus tickets y del coste de cada error.

La cuarta fila sigue la ficha de OWASP sobre exceso de autonomía (LLM06:2025): aprobación humana en las acciones de alto impacto y autorización aplicada en el sistema de destino. Si el chatbot puede iniciar un reembolso, el límite lo comprueba el sistema de pagos, no el prompt.

Cómo derivar a una persona sin perder al cliente

Una derivación mal resuelta se come el ahorro: el cliente repite su caso, se enfada y tarda más que si hubiera llegado directamente a una persona.

Cuándo derivar

• Lo pide el cliente, con cualquier formulación: «quiero hablar con alguien» no debe abrir otra ronda de preguntas.
• No hay una fuente fiable o la búsqueda devuelve fragmentos contradictorios.
• El tema es de los reservados a personas: dinero, contratos, reclamaciones, salud o asuntos legales.
• Hay frustración o varios intentos fallidos seguidos, o el cliente parece estar en una situación vulnerable.

Cómo derivar

Quien recoge la conversación recibe un resumen, los datos verificados, lo que respondió el bot y sus fuentes, para no empezar de cero. Si no hay nadie disponible, el bot lo dice, da un plazo realista y abre el ticket.

Lo que exige la ley en España y en la UE

La Ley 10/2025 se aplica a las empresas de servicios básicos —agua, energía, transporte, comunicaciones electrónicas o servicios financieros, entre otros— y a las grandes empresas según los umbrales de su artículo 2. Su artículo 8 prohíbe los contestadores automáticos y medios análogos como canal exclusivo, obliga a que los bots conversacionales permitan pedir en cualquier momento atención personalizada, prestada por una persona que se identifique, y fija que el 95 % de esas solicitudes se atiendan, de media, en menos de tres minutos. Las empresas afectadas tienen hasta el 28 de diciembre de 2026 para adaptarse.

Además, el artículo 50 del Reglamento europeo de IA exige que las personas sepan que interactúan con una IA, salvo que resulte evidente, y el reglamento se aplica con carácter general desde el 2 de agosto de 2026. En la práctica: avisa al empezar de que es un asistente de IA y mantén siempre visible la opción de hablar con una persona. Esto es orientación técnica, no asesoramiento jurídico; confirma con tu asesor si tu empresa está en el ámbito de la ley y si tu sector tiene normas propias.

Qué necesita la base de conocimiento

Un chatbot o un copiloto responden tan bien como lo que pueden recuperar. Antes de elegir modelo conviene asegurar una fuente vigente por tema —si conviven tres versiones de la política de devoluciones, el sistema puede citar la antigua—, un responsable para cada contenido y una lista de lo que no se indexa: datos de otros clientes, notas internas o acuerdos excepcionales. Los tickets bien resueltos son la mejor materia prima para las preguntas frecuentes y la evaluación.

El soporte tiene además una amenaza propia: el texto del cliente llega al modelo, y un mensaje o un adjunto pueden contener instrucciones para manipularlo, lo que OWASP llama inyección de prompts (LLM01:2025). Por eso ese contenido se trata como dato no fiable y se limita lo que el sistema puede hacer. Cómo se construye la recuperación está en sistemas RAG para empresas y en cómo preparar los datos de una empresa para IA.

Métricas para saber si la IA en atención al cliente funciona

Medir solo cuántas conversaciones cierra el bot engaña: un cliente que abandona también cuenta como cerrada. Combina eficiencia y calidad, y mide la situación de partida antes de lanzar:

• Resolución sin intervención humana, verificada: el cliente no vuelve a contactar por lo mismo en los días siguientes. Es más honesta que la tasa de contención a secas.
• Tasa de derivación y sus motivos: falta de información, petición del cliente o tema sensible. Los motivos dicen qué contenido falta.
• Resolución en el primer contacto (FCR) y tasa de reapertura de tickets.
• Tiempos de primera respuesta y de resolución, separando el canal automatizado del humano.
• Uso del copiloto: tiempo de gestión (AHT) y borradores enviados sin apenas cambios.
• Precisión de la clasificación y satisfacción (CSAT) comparada con la atención humana en el mismo tipo de consulta.
• Respuestas incorrectas detectadas al revisar muestras cada mes: la métrica que más protege la marca.

Antes de producción, la prueba se hace con un banco de preguntas reales con respuesta esperada, extraídas de tickets históricos, y se repite en cada cambio de fuentes, instrucciones o modelo. Lo explicamos en testing de sistemas de IA y en cómo medir el ROI de un proyecto de IA.

Ejemplos de uso

Los escenarios siguientes son hipotéticos e ilustrativos, no casos de clientes.

• Tienda online. El chatbot responde sobre tallas, plazos y devoluciones con la política vigente y da el estado del pedido tras verificar al cliente. Las devoluciones fuera de plazo pasan a una persona con el caso resumido.
• Fabricante de maquinaria con servicio técnico. El clasificador detecta modelo, avería y urgencia y envía el ticket al especialista; el copiloto propone pasos de diagnóstico a partir de manuales e incidencias resueltas, y el técnico decide.
• Comercializadora de energía. Entra en el ámbito de la Ley 10/2025: el bot resuelve dudas sobre la factura, pero cualquier reclamación por un cobro va a una persona y se registra con su plazo de respuesta.

Herramienta de soporte o solución a medida

Si tu helpdesk ya ofrece IA, actívala y mídela antes de desarrollar nada. Desarrollar a medida compensa cuando las respuestas dependen de sistemas que la herramienta no ve, como un ERP; cuando necesitas reglas de derivación o permisos que el producto no permite, o cuando debes decidir dónde se procesan los datos. Lo habitual es combinar el helpdesk de siempre con una capa propia de recuperación e integración; ver integración de IA con ERP y CRM.

Cuánto cuesta aplicar IA en atención al cliente

Rangos de desarrollo de nuestro informe de precios de software e IA en España 2026:

• Chatbot o asistente con RAG: 10.000-25.000 €, en 4-8 semanas, con fuentes y panel de gestión.
• Clasificación y enrutado de tickets, como automatización acotada con revisión humana: 10.000-20.000 €, en 4-6 semanas.
• Copiloto en el helpdesk con respuestas sugeridas, RAG y permisos por rol: 20.000-50.000 €, en 6-12 semanas.
• Agente de IA acotado que ejecuta una gestión reglada, como un cambio de dirección o una cita, con una o dos integraciones y revisión humana: 20.000-35.000 €, en 6-8 semanas.

Se suman el uso de los modelos por API, desde unos 100 € al mes con poco volumen y 2.000-5.000 € al mes con volumen alto; la infraestructura cloud, 50-500 € al mes, y el mantenimiento, del 15 al 25 % del desarrollo al año. El informe no recoge las licencias de IA de las herramientas de soporte, que dependen de cada proveedor y plan. El servicio está en chatbots con IA para empresas, y el desglose, en cuánto cuesta automatizar procesos con IA.

Errores frecuentes

• Lanzar el chatbot sin salida a una persona o esconderla tras varias preguntas.
• Indexarlo todo: políticas antiguas y notas internas acaban en respuestas a clientes.
• Medir solo la contención: un cliente que abandona cuenta como resuelto.
• Dejar que el modelo decida qué está permitido en reembolsos o contratos, en lugar de aplicar el límite en el sistema.

Preguntas frecuentes

¿Qué partes de la atención al cliente se pueden automatizar con IA?

Las consultas informativas con respuesta documentada, la consulta del estado de un pedido, la clasificación y el enrutado de tickets y las gestiones regladas y reversibles. Reembolsos, contratos, reclamaciones y casos sensibles deben decidirlos personas, con la IA preparando el contexto.

¿Cómo se evita que un chatbot de atención al cliente se invente respuestas?

Haciendo que responda solo con lo que recupera de la base de conocimiento (RAG), que cite la fuente, que diga que no lo sabe cuando no la encuentra y que derive a una persona. Antes de lanzarlo se evalúa con preguntas reales de tickets históricos.

¿Es obligatorio ofrecer atención por una persona?

En España, la Ley 10/2025 prohíbe usar bots o contestadores como medio exclusivo de atención en las empresas de su ámbito —servicios básicos y grandes empresas— y exige poder pasar a una persona en cualquier momento. Además, el Reglamento europeo de IA obliga a informar de que se habla con una IA. Confirma tu caso con tu asesor.

¿Cuánto cuesta un chatbot de atención al cliente con IA?

Según nuestro informe de precios 2026, un chatbot con RAG cuesta 10.000-25.000 € y un copiloto en el helpdesk, 20.000-50.000 €, más API, infraestructura y un mantenimiento del 15-25 % anual.

Lecturas relacionadas

• Chatbots con IA para empresas
• Chatbot, copiloto o agente de IA: cuál elegir
• Copilotos de IA para empresas
• Sistemas RAG para empresas