El soporte con IA funciona cuando responde con datos vivos de pedidos y paquetería y traspasa el caso con contexto. Qué intenciones automatizar, cómo se arma una respuesta WISMO, un ejemplo de costos, las reglas de aviso en la UE y un plan de implementación.
Author
Anichur Rahaman
La responsable de soporte de una tienda en línea mediana abre veinte tickets al azar de una bandeja con 410 sin leer, un lunes a las 7:50 de la mañana, después de un fin de semana largo de ofertas. Catorce dicen más o menos lo mismo: «¿dónde está mi pedido?». Tres preguntan si la chamarra queda chica. Dos quieren devolver algo. Y uno es de un cliente al que le cobraron dos veces y no lo dice con mucha amabilidad.
Catorce de esos veinte necesitan una consulta, no una conversación. El cliente molesto necesita a una persona, y pronto, pero está enterrado bajo las consultas.
Este artículo trata de trazar esa línea a propósito. El servicio al cliente con IA funciona en 2026 cuando responde con datos vivos del pedido y de la paquetería, actúa solo dentro de una política escrita y pasa el caso a una persona con toda la historia adjunta. Hace daño cuando improvisa sobre dinero, derechos o emociones. Más abajo: qué intenciones van de cada lado, cómo se construye la respuesta a «¿dónde está mi pedido?», un ejemplo con números, las reglas para avisar que se habla con una IA y un plan de implementación.
La división útil no es «simple contra complejo». Es si la respuesta ya existe en tus sistemas. «¿Dónde está mi pedido?» (en el sector se le llama WISMO) se responde con una fila de la tabla de pedidos y un estatus de la paquetería. Nadie tiene que decidir nada. La máquina solo debe buscar, verificar y redactar.
Las devoluciones dentro del plazo de la política funcionan igual. La regla está escrita (30 días, sin uso, empaque original), la fecha del pedido está en la base de datos y el resultado es una autorización de devolución y una guía de envío. Las preguntas sobre productos se apoyan en el catálogo: tallas, materiales, inventario por variante.
El daño ocurre en el otro extremo. Un reembolso fuera de política es una decisión sobre dinero. Un cliente enojado necesita reconocimiento antes que información. Una duda sobre derechos del consumidor es una duda legal. Un cambio de cuenta, como un nuevo correo o teléfono, es una cuestión de identidad. En todos los casos una respuesta equivocada sale cara, y una respuesta equivocada pero fluida sale peor, porque suena a promesa.
Ese riesgo no es teórico. En Moffatt contra Air Canada (2024), un tribunal de Columbia Británica responsabilizó a la aerolínea por un consejo erróneo de su chatbot sobre tarifas por duelo y la condenó a pagar 812.02 dólares; rechazó además la idea de que el bot fuera una parte independiente. Lo que tu asistente dice en tu nombre, lo dijiste tú.
Antes de configurar nada, clasifica cada tipo de solicitud que recibe tu tienda en uno de tres carriles. Esa clasificación es el verdadero trabajo de diseño. Los ajustes del software vienen después.
| Carril | Intenciones típicas | Qué puede hacer la IA | Costo del error |
|---|---|---|---|
| Respuesta automática | Estatus del pedido, fecha estimada de entrega, política de devoluciones, preguntas de producto y talla | Leer datos, responder, iniciar una devolución dentro de política | Una frase equivocada, fácil de corregir |
| IA redacta, persona aprueba | Cambios, cambio de dirección antes del envío, cancelaciones, vales de cortesía | Preparar la acción; una persona la aprueba | Un paquete equivocado o un crédito equivocado |
| Solo humano | Reembolso fuera de política, reclamos por daño o extravío, clientes enojados o vulnerables, preguntas legales y de identidad | Resumir y canalizar, sin decidir | Dinero, confianza o exposición legal |
Los carriles siguen la misma escalera que se usa con los agentes del área administrativa: leer es seguro, redactar se revisa y actuar sobre dinero pasa por una compuerta de aprobación. Si quieres el argumento completo, lee Agentes de IA en el ERP: qué pueden hacer con seguridad.
La mayoría de los bots de soporte que decepcionan se construyeron sobre un documento: las preguntas frecuentes, la política de envíos, algunas respuestas viejas. El cliente pregunta dónde está el paquete 10482 y recibe un párrafo sobre tiempos de entrega. El bot no puede ver el paquete 10482, así que responde la pregunta que sabe responder, no la que le hicieron.
La solución es apoyarse en datos vivos (grounding). El asistente recibe dos herramientas de solo lectura: una que trae el pedido por su número junto con un correo o teléfono que coincida, y otra que trae el estatus de la paquetería para el paquete de ese pedido. Redacta la respuesta solo con lo que esas herramientas devuelven. Si una no devuelve nada, lo dice y pasa el caso a una persona. Nunca puede rellenar el hueco de memoria.
El segundo ingrediente es la frescura. El estatus de la paquetería es un dato con fecha y hora. Si el último escaneo tiene 31 horas, «tu paquete va en camino» es una suposición. El flujo de abajo trata un estatus viejo como motivo para consultar de nuevo o escalar, no para tranquilizar.
Cada paso de este flujo es una pregunta que el código puede contestar sin un modelo de lenguaje. El trabajo del modelo es el último tramo: convertir los hechos verificados en un mensaje claro y amable en el idioma del cliente.
En el traspaso se gana o se pierde buena parte de la experiencia del cliente. Una persona que abre un ticket y lee «Paquete 10482, prometido el 14 de agosto, último escaneo el 16 de agosto en el centro de clasificación, el cliente preguntó dos veces, tono: frustrado» puede escribir una sola respuesta útil. Quien recibe una transcripción de chat sin procesar empieza desde cero.
Una devolución es una pequeña máquina de estados: solicitada, autorizada, guía emitida, recibida, inspeccionada, reembolsada o cambiada. La IA puede encargarse con seguridad de los primeros tres pasos cuando la política está expresada como verificaciones que el sistema puede ejecutar, no como prosa que haya que interpretar.
Si todas las verificaciones pasan, el asistente crea la solicitud, emite la guía y explica los siguientes pasos. Si una falla, no discute: explica la regla una vez, ofrece una revisión humana y canaliza el ticket indicando qué verificación falló. El reembolso en sí queda detrás de una aprobación o, como mínimo, detrás de un tope de monto, y solo se dispara cuando el almacén marca el artículo como recibido.
Los cambios están un carril más arriba porque tocan el inventario. El asistente puede preparar el cambio (talla M por talla L, con existencia en la ubicación de envío) y una persona lo confirma.
Las cifras de abajo son ilustrativas, armadas para mostrar la aritmética. Tu mezcla será distinta, así que reemplázalas con un mes de tus propios tickets etiquetados.
| Intención | Tickets | La IA resuelve | Resueltos por la IA |
|---|---|---|---|
| ¿Dónde está mi pedido? | 2,100 | 85% | 1,785 |
| Iniciar devolución o cambio | 900 | 60% | 540 |
| Preguntas de producto y talla | 900 | 70% | 630 |
| Cancelar o cambiar dirección | 480 | 25% | 120 |
| Disputas de reembolso y reclamos por daño | 900 | 0% | 0 |
| Cuenta, temas legales y otros | 720 | 0% | 0 |
| Total | 6,000 | 51% | 3,075 |
Ahora el costo. Supongamos que un ticket atendido por una persona cuesta 4.00 dólares todo incluido (unos siete minutos de una hora de agente con costo completo, más herramientas) y que uno resuelto por la IA cuesta 0.45 dólares (uso del modelo, consultas de pedidos, cuota de la plataforma). Ambas cifras son supuestos del ejemplo.
El segundo efecto se ve en el tiempo de primera respuesta. Supón el mismo equipo y una mediana de primera respuesta de 5 horas antes. La IA contesta sus 3,075 tickets en menos de un minuto. La fila humana pasa de 6,000 a 2,925 tickets, así que la espera mediana de esos baja a unas 2 horas. Lo que más importa no es el ahorro, sino el cliente molesto del inicio: ahora llega a una persona en la mañana, no en la tarde.
Primero, los permisos. Dale al asistente acceso de lectura a pedidos, paquetes, catálogo y política, y acceso de escritura solo a acciones acotadas: crear una solicitud de devolución, agregar una nota, canalizar un ticket. Cualquier acción que mueva dinero o edite el perfil de un cliente pasa por un paso de aprobación con registro, como se explica en Guardarraíles de IA: aprobaciones, bitácoras de auditoría y humano en el circuito.
El idioma es una ventaja silenciosa. Una tienda con clientes que escriben en tres idiomas suele tener personal en uno. Un asistente apoyado en los mismos datos de pedidos puede responder en el idioma del cliente, lo que es una mejora real del servicio. Pide cada mes a un hablante nativo que revise una muestra de respuestas, porque la fluidez de la máquina esconde pequeños errores de cortesía y de registro.
Las reglas de tono deben ser cortas y comprobables: disculparse una vez, decir el hecho, decir el siguiente paso, dar una fecha. Prohíbe las promesas que el sistema no puede cumplir («llegará mañana») a menos que la fecha venga de una herramienta. Cuando el cliente muestre enojo o escriba palabras como «abogado», «contracargo» o «fraude», el asistente se detiene y escala. Quien tiene un mal día no necesita un chatbot.
Dile a los clientes cuándo están hablando con una máquina. Es una buena práctica en todas partes y, en la Unión Europea, es ley. El artículo 50 de la Ley de IA de la UE (EU AI Act) exige que los proveedores de sistemas de IA que interactúan directamente con personas los diseñen de modo que la persona sepa que está tratando con una IA, salvo que sea evidente por las circunstancias. Las obligaciones de transparencia del artículo 50 se aplican desde el 2 de agosto de 2026. El «ómnibus digital» de la UE retrasó las reglas de los sistemas de alto riesgo, pero la obligación de aviso del artículo 50 no se movió; solo hay un breve plazo de gracia, hasta el 2 de diciembre de 2026, para el marcado legible por máquina del contenido generado, y eso concierne a los medios sintéticos, no al chat.
En la práctica: una etiqueta visible en el widget de chat, un primer mensaje que lo diga y una vía de un clic hacia una persona. Mantén la redacción sencilla («Soy el asistente de IA de la tienda. Puedo revisar pedidos e iniciar devoluciones. Pide hablar con una persona cuando quieras.»). Si vendes a la UE desde otro país, da por hecho que te aplica, y revisa las normas nacionales con un abogado. Los detalles están en el texto de la Ley de IA en EUR-Lex.
Empieza acotado y amplía según lo que digan los datos. Ayuda que la mesa de ayuda reúna en un solo lugar los tickets, el contexto del pedido y las respuestas de la IA; el asistente de IA de StoreConsole es un ejemplo de asistente que lee los datos vivos de la tienda. Uses lo que uses, el orden es el mismo.
La tasa de resolución automática por sí sola es una cifra de vanidad. Un bot que hace que el cliente se rinda también «desvía». Sigue estas métricas juntas:
Regresa a los 410 tickets sin leer. Con los carriles en su lugar, cerca de la mitad ya estaba contestada antes de que ella abriera la computadora: estatus de pedidos, preguntas de talla, devoluciones dentro de política. El resto está ordenado y cada ticket llega con su pedido, su recorrido de paquetería y un resumen de una línea. El cliente al que le cobraron dos veces va hasta arriba de su lista, con el pago duplicado ya marcado.
Ella dedica la mañana a reembolsos, casos difíciles y personas. El asistente dedicó la suya a consultas. Ninguno hace el trabajo del otro.
Anichur Rahaman es arquitecto de software y creador de StoreConsole. Diseña sistemas de comercio y ERP para negocios en crecimiento, con enfoque en arquitectura orientada a eventos, integridad de datos y operación en servidores propios.
About the Author
Anichur Rahaman
Continue Reading
