IA agéntica en atención al cliente: la ventaja ya no es el modelo, es la arquitectura de datos

Por Emerj (Emerj Artificial Intelligence Research) · 1 de julio de 2026. Conviene aclarar de entrada algo que el propio artículo señala en letra pequeña: es contenido patrocinado por Dialpad, una plataforma de comunicaciones e IA para atención al cliente. Eso no invalida los datos que aporta, pero sí obliga a leer las declaraciones de sus directivos —Craig Walker, CEO de Dialpad, y Shezan Kazi, su responsable de transformación en IA— como lo que son: la visión de quien vende la solución, no un veredicto independiente. Las cifras externas, en cambio, sí son sustanciosas y merecen atención propia.

Los hechos: la Oficina de Rendición de Cuentas del Gobierno de EE.UU. (GAO) documenta que las agencias federales destinaron casi 4.000 millones de dólares a operaciones de call center en un periodo de cinco años, con una infraestructura de telecomunicaciones asociada que supera los 30.000 millones. En un solo ciclo de programa se registraron cerca de 10 millones de llamadas, con esperas que a menudo superan la hora. Son cifras que retratan un sistema estructuralmente sobrecargado, no un problema puntual de eficiencia. A la vez, el Instituto de IA Centrada en el Humano de Stanford calcula que la IA generativa alcanzó alrededor de un 53% de adopción poblacional en tres años, un ritmo más rápido que el de la PC o internet. Pero la misma Stanford advierte que incluso los sistemas de IA especializados por dominio pueden alucinar entre un 17% y un 33% de las veces, un dato que debería frenar cualquier entusiasmo desmedido sobre desplegar estos sistemas en flujos regulados de banca, salud o seguros.

El argumento central del artículo, más allá del interés comercial evidente, tiene sustancia: la mayoría de las empresas cree saber dónde está la fricción con sus clientes, y los datos de conversación reales las desmienten sistemáticamente. Los ejecutivos citan casos donde los directivos esperaban un problema (cambios de vuelo, restablecimiento de contraseñas) y el análisis de seis meses de interacciones históricas reveló que el volumen real venía de asuntos completamente distintos. De ahí se deriva la tesis de que el verdadero cuello de botella no es la capacidad del modelo —que según el propio texto 'ya ha llegado'— sino la arquitectura: sistemas fragmentados donde el cliente repite su historia cada vez que la conversación cambia de canal, y procesos legado sobre los que la IA se limita a observar en lugar de ejecutar.

Esto conecta directamente con algo que ya hemos señalado en Zendoric al analizar el impacto de la IA por sectores: en banca, seguros y administración de empresas, lo primero en desaparecer es el trabajo administrativo repetitivo, mientras sobreviven los perfiles de criterio, cumplimiento y relación con el cliente. Los call centers son el ejemplo de manual: miles de millones de dólares en infraestructura y personal dedicados a tareas que, según el propio patrocinador del artículo, son en su mayoría deterministas y automatizables cuando se rediseñan como pasos ejecutables por máquina —validación de credenciales, comprobación de elegibilidad, reglas de cobertura—. La pieza documenta también un mecanismo interesante: la IA no reemplaza al agente humano, sino que hace de filtro (triage) que resuelve lo rutinario y traspasa con el contexto completo lo ambiguo o sensible. Es un diseño razonable, pero el artículo no aporta datos de resultados de clientes reales de Dialpad más allá de las citas de sus propios ejecutivos, lo cual es una limitación relevante de este tipo de contenido patrocinado.

Nuestra lectura: el dato de la tasa de alucinación del 17-33% en sistemas de dominio específico es, paradójicamente, la cifra más honesta y más importante del artículo, y llega de una fuente independiente (Stanford), no del patrocinador. Es el recordatorio de que desplegar IA agéntica en flujos regulados —salud, seguros, banca— sigue siendo un ejercicio de gestión de riesgo, no un simple 'enchufar el modelo'. A corto plazo, esto significa que miles de puestos de atención al cliente en centros de llamadas seguirán reduciéndose o transformándose, con la fricción social que eso conlleva, mientras las empresas invierten en rediseñar procesos —una tarea de ingeniería organizativa lenta y cara, no un simple upgrade tecnológico. Pero a medio plazo, la promesa de fondo tiene sentido con nuestra tesis de abundancia: si los sistemas logran resolver de forma fiable lo rutinario y liberan a los agentes humanos para la nuance, la empatía y los casos ambiguos, el resultado neto es menos tiempo perdido en colas de una hora y más capacidad humana dedicada a lo que realmente requiere criterio. El riesgo, como siempre, es que la promesa de 'aumento humano' se use como cortina para recortes de plantilla sin la inversión en rediseño de procesos que el propio artículo señala como condición necesaria para que la IA funcione con precisión.