Hay una escena que se repite con frecuencia en nuestras conversaciones con clientes...
En algún momento de la reunión, después de hablar de agentes virtuales, inteligencia artificial generativa, automatización y modelos agénticos, alguien hace la pregunta que realmente importa:
“Entiendo todo esto, pero ¿qué hacemos? ¿Por dónde empezamos?”
Es una pregunta honesta. Las empresas saben que deben incorporar inteligencia artificial en sus operaciones de servicio, cobranza y ventas. También saben que equivocarse puede significar meses de integración, una inversión difícil de justificar y, en el peor escenario, otra experiencia frustrante para el cliente.
Nuestra respuesta suele sorprender: No empiece por la IA. Empiece por una interacción que valga la pena resolver.
Porque no todas las conversaciones necesitan un LLM. No todos los procesos requieren un agente agéntico. Y no toda decisión debería salir de las manos de una persona.
La oportunidad está en saber cuándo utilizar cada uno.
El nuevo reto no es conversar: es orquestar
Durante años, el objetivo de la automatización fue reconocer qué quería el cliente y dirigirlo hacia una respuesta o un flujo.
Hoy la conversación es distinta.
Genesys identifica entre las principales tendencias de experiencia del cliente para 2026 el paso del servicio reactivo a la orquestación proactiva, de los canales individuales a journeys completos y de las métricas puramente operativas al valor real entregado al cliente.
También plantea un punto importante: no existe un único modelo de IA capaz de resolver todos los problemas de una organización. El futuro de CX dependerá de sistemas, modelos, datos y personas capaces de trabajar juntos.
Esto resulta especialmente relevante cuando el cliente cambia de canal. Según el estudio State of Customer Experience de Genesys, el 97% de los consumidores considera importante poder pasar de un canal a otro sin repetir información. Sin embargo, el 84% de los líderes de CX reconoce que todavía no ofrece canales completamente integrados con datos conectados.
Ahí está el verdadero problema.
No se trata solamente de instalar un bot en WhatsApp, otro en el sitio web y un IVR más inteligente en voz. Se trata de construir una experiencia en la que la tecnología pueda comprender el contexto, seleccionar el recurso adecuado y conservar la historia del cliente hasta llegar a una resolución.
El canal es la puerta. La orquestación es el cerebro.
No toda interacción necesita la misma IA
Para explicarlo de forma sencilla, podemos pensar en cuatro capacidades.
- NLU: cuando el camino está bien definido.
La comprensión de lenguaje natural funciona muy bien cuando necesitamos identificar intenciones, datos y entidades dentro de un conjunto conocido de posibilidades: consultar un saldo, conocer el estado de una solicitud, confirmar una fecha o seleccionar un producto.
- LLM: cuando el lenguaje es más abierto.
Los modelos de lenguaje aportan valor cuando la conversación es menos estructurada. Pueden interpretar preguntas más complejas, resumir información, consultar fuentes de conocimiento autorizadas y generar respuestas naturales y contextualizadas.
- LAM: cuando hay un trabajo que ejecutar.
Los Large Action Models están orientados a la acción. Genesys describe su Agentic Virtual Agent como una capacidad que puede comprender objetivos, determinar los siguientes pasos y ejecutar flujos de trabajo utilizando herramientas autorizadas y límites previamente definidos.
- El agente humano: cuando importan el criterio y las consecuencias.
Una renegociación, una reclamación delicada, una excepción comercial o una conversación emocional no deberían automatizarse únicamente porque la tecnología pueda intentarlo. En esos momentos, la persona sigue siendo el mejor recurso.
El modelo correcto, entonces, no es uno u otro.
Es una arquitectura híbrida capaz de decidir qué combinación utilizar en cada momento.
Una ruta práctica para comenzar
En Centroamérica y Latinoamérica rara vez comenzamos desde una hoja en blanco. Las organizaciones ya tienen CRM, sistemas de cobranza, plataformas de pagos, aplicaciones de core, proveedores de mensajería, bases de conocimiento y procesos que llevan años funcionando.
Por eso, el primer MVP no debería intentar reemplazarlo todo. Debería demostrar que podemos resolver mejor un trabajo concreto dentro de ese entorno.
- Fase 1: elegir un trabajo, no una tecnología
En lugar de comenzar con “queremos implementar IA agéntica”, formule una pregunta más específica:
¿Qué interacción frecuente, medible y suficientemente controlada podemos mejorar sin exponer al cliente o al negocio a un riesgo innecesario?
Puede ser confirmar una promesa de pago, recuperar una oportunidad de venta abandonada o resolver una consulta sobre el estado de una solicitud.
- Fase 2: diseñar un MVP deliberadamente pequeño
Un buen MVP puede limitarse a:
- Una intención.
- Un segmento de clientes.
- Un canal.
- Una integración principal.
- Un conjunto reducido de acciones permitidas.
- Una ruta clara de transferencia a una persona.
El objetivo no es impresionar en una demostración. Es obtener evidencia real de que la interacción funciona.
- Fase 3: conectar y controlar
La interoperabilidad no es un detalle técnico que se resuelve al final. Es parte del caso de negocio.
El agente virtual necesita consultar o actualizar información en sistemas empresariales. Esto requiere autenticación, permisos, validaciones, registros de actividad y reglas claras para determinar qué puede hacer automáticamente y qué necesita confirmación.
Genesys Cloud ofrece APIs abiertas, herramientas basadas en eventos, opciones de integración y un ecosistema de aplicaciones para conectar la experiencia con plataformas de terceros. Pero tener una API disponible no significa que toda acción deba automatizarse.
La capacidad tecnológica abre la puerta; la política del negocio decide hasta dónde entrar.
- Fase 4: ampliar la autonomía con evidencia
Después del MVP podemos avanzar gradualmente:
- La IA recomienda y una persona decide.
- La IA resuelve consultas controladas.
- La IA ejecuta acciones de bajo riesgo con confirmación.
- La IA completa flujos de múltiples pasos dentro de límites definidos.
- La plataforma orquesta diferentes modelos, canales y recursos humanos.
La autonomía no debería darse por entusiasmo. Debería ganarse con resultados.
Tres casos de uso para aterrizar la conversación
1. Agente Virtual de Cobranza: transacción controlada
Un Agente Virtual de Cobranza no es simplemente una grabación que recuerda una fecha de pago.
Puede participar en una estrategia outbound automatizada o asistida, contactar al cliente de acuerdo con las reglas de campaña, validar su identidad, comprender el motivo de una mora, consultar información y presentar alternativas previamente autorizadas.
Cuando existen las integraciones y permisos correspondientes, también puede registrar el resultado de la interacción o una promesa de pago. Si el cliente disputa el monto, solicita una excepción o necesita una negociación, la conversación se transfiere a una persona con el contexto recopilado.
Genesys documenta el uso de campañas outbound para ventas, servicio y cobranza, con diferentes modos de contacto, reglas de campaña y listas generadas por sistemas empresariales.
¿Dónde entra cada tecnología?
- NLU para identificar respuestas e intenciones conocidas.
- LLM para explicar opciones con lenguaje más natural.
- LAM para ejecutar acciones autorizadas en varios sistemas.
- Una persona para negociar, manejar excepciones o atender situaciones sensibles.
Las métricas del MVP deberían incluir contactabilidad, promesas de pago, promesas cumplidas, transferencias correctas, costo por gestión y reclamos generados. Recuperar más no debería significar deteriorar la relación con el cliente.
2. Agente de Ventas: intervención en el momento correcto
En REVTEC estamos aplicando este principio a iniciativas de venta: utilizar datos, automatización e inteligencia artificial para identificar cuándo existe una oportunidad real de conversar, en vez de multiplicar contactos indiscriminados.
Genesys Predictive Engagement analiza señales del comportamiento digital para identificar a quién contactar, cuándo hacerlo y mediante qué recurso. Dependiendo del contexto, la siguiente acción puede ser mostrar una oferta, iniciar un chat automatizado o conectar al prospecto con un asesor.
El agente virtual puede responder preguntas iniciales, recopilar información, calificar la oportunidad y agendar el siguiente paso. La persona entra cuando se necesita asesoría, persuasión, una oferta especial o negociación.
Un caso documentado por Genesys es Sales-Hub, una operación latinoamericana que integró canales de voz y digitales sobre Genesys Cloud. La organización reportó un incremento del 20% en ingresos y de más del 20% en conversiones de ventas, además de mejoras en productividad y eficiencia.
La lección no es que la IA “vende sola”.
La lección es que una buena orquestación permite reconocer el momento adecuado, ofrecer el recurso adecuado y evitar que una oportunidad se pierda entre plataformas desconectadas.
3. Agente Virtual de Servicio: resolver antes de transferir
El servicio al cliente ofrece el rango más amplio de posibilidades.
Una consulta sencilla puede resolverse mediante NLU y un flujo conocido. Una pregunta abierta puede requerir un LLM conectado a una base de conocimiento autorizada. Una solicitud que implique validar datos, consultar un sistema y completar varios pasos puede beneficiarse de capacidades agénticas.
Y cuando aparece frustración, baja confianza, una excepción o un riesgo elevado, la experiencia debe pasar a una persona sin obligar al cliente a comenzar de nuevo.
Banco Solidario, en Ecuador, ofrece una referencia regional interesante. La institución centralizó sus canales en Genesys Cloud e incorporó automatización y asistentes virtuales. De acuerdo con el caso publicado por Genesys, menos del 13% de sus interacciones escalan actualmente a un agente humano.
Esto no significa que el objetivo sea transferir cada vez menos a cualquier costo. Significa que la automatización puede absorber trabajo repetitivo y permitir que las personas concentren su tiempo donde aportan más valor.
El indicador definitivo no es cuántas conversaciones contuvo el agente virtual. Es cuántas necesidades resolvió correctamente.
Entonces, ¿por dónde empezamos?
Empiece por una interacción que hoy genere esfuerzo, costo o pérdida de oportunidades.
Defina cómo se ve una resolución exitosa. Identifique qué información necesita, qué sistemas debe consultar, qué acciones puede ejecutar y en qué momento debe intervenir una persona.
Después construya el MVP más pequeño que permita comprobarlo.
En REVTEC, como partner de organizaciones líderes como Genesys, creemos que este es el camino más responsable para incorporar inteligencia artificial en CX: comenzar con un resultado concreto, integrar lo que ya existe y ampliar la autonomía únicamente cuando la evidencia lo justifica.
No se trata de escoger entre NLU, LLM, LAM o personas.
Se trata de conseguir que cada uno haga el trabajo para el que está mejor preparado, dentro de una experiencia coherente, medible y segura.
Porque el cliente no está pensando en modelos de inteligencia artificial cuando llama, escribe o responde un mensaje.
Está pensando en algo mucho más simple: “¿Me van a resolver?”
Ese sigue siendo el estándar.
---
Fuentes
- [Genesys: Principales tendencias de CX en 2026](https://www.genesys.com/es-mx/resources/top-cx-trends-in-2026)
- [Genesys: State of Customer Experience](https://www.genesys.com/resources/state-of-cx)
- [Genesys: IA y automatización para servicio al cliente](https://www.genesys.com/es-mx/capabilities/ai-and-automation)
- [Genesys: Agentic Virtual Agent](https://www.genesys.com/es-mx/capabilities/virtual-agents)
- [Genesys Cloud Outbound](https://www.genesys.com/resources/genesys-cloud-outbound-product-overview)
- [Genesys Predictive Engagement](https://www.genesys.com/resources/create-personalized-experiences-with-genesys-predictive-engagement)
- [Caso de éxito: Sales-Hub](https://www.genesys.com/customer-stories/sales-hub)
- [Caso de éxito: Banco Solidario](https://www.genesys.com/customer-stories/banco-solidario)