Genesys y la orquestación de experiencias con IA en 2026

Tabla de contenidos

Genesys transforma la atención al cliente con IA

  • La conversación empresarial pasa de la IA generativa a la IA agéntica: sistemas que deciden y ejecutan acciones.
  • Genesys afirma contar con agentes virtuales “agénticos” basados en large action models (LAM).
  • En México, la compañía ya migró a la nube a sus clientes y opera un centro de datos en Querétaro desde fines de 2024.
  • La autonomía exige gobernanza: seguridad, privacidad y cumplimiento antes de escalar.

De IA generativa a agéntica
En 2026, el “salto” de IA generativa a IA agéntica no es solo semántico: cambia el tipo de valor (de responder a ejecutar) y también el tipo de riesgo (de errores conversacionales a acciones sobre sistemas). En este marco, Genesys está posicionando su plataforma de experiencia del cliente como un motor de orquestación: conectar canales, datos y flujos operativos para que la resolución sea consistente y medible.
Contexto de lectura: varias de las cifras y afirmaciones de posicionamiento provienen de declaraciones de ejecutivos y reportes de la propia compañía, reportadas públicamente (por ejemplo, en la cobertura de ComputerWeekly/TechTarget). Donde aplica, conviene interpretarlas como señales de estrategia y dirección del mercado, más que como garantías universales.

Definición de IA agéntica y su impacto en la experiencia del cliente

La IA agéntica marca un giro frente a la automatización tradicional y a la IA generativa enfocada en “responder”. En el enfoque agéntico, el sistema no solo entiende una intención: también toma decisiones y ejecuta tareas dentro de procesos empresariales.

Mauricio García-Cepeda, vicepresidente y director general de Genesys en México, lo resume en una distinción clave: “agéntico” implica acción. El ejemplo es ilustrativo: un agente virtual puede contestar sobre disponibilidad de vuelos, pero además completar la reserva, gestionar hotel y coordinar renta de auto, sin intervención humana.

Para la experiencia del cliente, el cambio es profundo: menos fricción, más resolución en el primer contacto y continuidad en la jornada. Pero esa capacidad de actuar sobre sistemas eleva el listón de control: un error ya no es solo una mala respuesta, sino una acción equivocada.

Enfoque Qué hace “bien” Qué no hace (o hace limitado) Impacto típico en CX Riesgo principal
Automatización (reglas/flows) Ejecuta pasos predefinidos (si A→entonces B) No razona fuera del guion; se rompe con excepciones Rapidez en casos repetitivos; experiencia rígida Fricción por “callejones sin salida”
IA generativa (LLM) Entiende lenguaje y redacta/explica; ayuda a responder No debería ejecutar acciones críticas sin controles; puede “alucinar” Mejor autoservicio informativo y asistencia a agentes Respuestas incorrectas o inconsistentes
IA agéntica (orientada a acción) Decide y ejecuta tareas en sistemas (con objetivos y límites) Requiere integración, permisos y gobernanza; falla si el contexto es incompleto Más resolución end-to-end y continuidad entre canales Acciones erróneas (impacto operativo/cliente)

Migración a la nube y nuevos centros de datos

Genesys dejó de vender soluciones on-premises y, en México, el 100% de sus clientes ya migró o está en proceso activo de hacerlo a la nube, aunque representan menos del 10% de su base instalada. En América Latina, la compañía sostiene que la región es la primera a nivel global en completar —o prácticamente completar— esa transición, por delante de Europa o Estados Unidos.

La expansión incluye un centro de datos en Querétaro, operativo desde fines de 2024. Ahí se alojan todos los nuevos clientes de México y de Hispanoamérica, excepto Brasil. La apuesta conecta con discusiones de soberanía de datos y habilita participación en concursos, licitaciones y proyectos de atención al ciudadano.

La plataforma corre sobre AWS: una decisión para delegar infraestructura y concentrarse en el negocio central, con miras a escalar.

Recorrido de migración típico
Recorrido típico de migración (y dónde suelen aparecer los “puntos de no retorno”):
1) Inventario de canales y dependencias (voz/IVR, WhatsApp, CRM, billing, identidad) → si no se mapea, la IA “no tiene manos”.
2) Definición de residencia/soberanía de datos y latencia objetivo → aquí encaja el uso de región/centro de datos (p. ej., Querétaro para nuevos clientes en MX e Hispanoamérica, excepto Brasil).
3) Migración por oleadas (colas/canales primero, luego integraciones críticas) → checkpoint: métricas de servicio no deben degradarse.
4) Integración con sistemas operativos (tickets, órdenes, pagos) → checkpoint: permisos mínimos y trazabilidad por transacción.
5) Estabilización y optimización (ruteo, knowledge, QA) → recién aquí conviene escalar capacidades agénticas.

Agentes virtuales de IA y su autonomía en procesos empresariales

Genesys afirma ser “la primera plataforma” con agentes virtuales, según declaraciones de su directivo en México. La diferencia técnica, según la compañía, es que estos agentes se construyen sobre large action models (LAM) orientados a ejecutar acciones para industrias y verticales, en lugar de depender de grandes modelos de lenguaje típicos de la IA generativa.

En la práctica, esto empuja a las organizaciones a integrar agentes dentro de procesos existentes: conectarlos a sistemas, datos y reglas operativas. Ahí aparece el dilema: la autonomía acelera resultados, pero también amplifica riesgos de errores, uso indebido de información o decisiones fuera de contexto.

Amanda Andreone, vicepresidenta de Genesys para América Latina, advierte que el retorno de inversión no tiene receta única: depende de la madurez organizacional y de la disposición a cambiar procesos. Su recomendación es empezar por casos de impacto rápido, como copilots que escuchan llamadas en tiempo real y sugieren respuestas desde la base de conocimiento.

Autonomía con Control Responsable
Autonomía vs. control (lo que suele ganar y lo que hay que cuidar):

  • A favor: resolución end-to-end (menos transferencias), menor tiempo de atención, consistencia entre canales, y liberación de agentes humanos para casos complejos.
  • En contra: una acción equivocada puede generar impacto operativo (p. ej., cancelaciones, cargos, cambios de plan) y deterioro de confianza más rápido que una “mala respuesta”.
  • Mitigaciones prácticas: límites de acción (qué puede/no puede ejecutar), confirmaciones para operaciones sensibles, escalamiento humano con contexto completo, y registro auditable de cada decisión/acción.
  • Señal de madurez: cuando el equipo puede explicar “por qué el agente actuó” y revertir/contener el efecto sin improvisar.

AI Studio: Empoderando a los equipos de negocio

Genesys lanzó AI Studio como una pieza para democratizar la construcción de agentes: permite que equipos de negocio, sin perfil técnico, diseñen sus propios agentes virtuales internos. El matiz es crucial: antes de salir a producción, esos agentes quedan sujetos a revisión de gobernanza.

La lógica detrás es doble. Por un lado, acelerar la innovación donde nacen los casos de uso: operaciones, servicio, ventas o cobranza. Por otro, evitar que la velocidad se convierta en descontrol, especialmente cuando el agente puede ejecutar acciones sobre sistemas empresariales.

En paralelo, Genesys insiste en que la IA no llega para sustituir empleados, sino para escalar lo que la capacidad humana no alcanza cuando está atrapada en tareas repetitivas. En el centro de contacto, el “empoderamiento” se traduce en contexto en pantalla: historial, interacciones previas, próximas acciones sugeridas e incluso alertas sobre el tono emocional cuando una llamada se tensa.

Agentes con Control y Gobernanza
Marco simple para que negocio construya agentes sin perder el control:
1) Idear: definir el objetivo (qué “trabajo” hace el agente) y el criterio de éxito (resolución, tiempo, CSAT, contención).
2) Diseñar: intents, datos necesarios, y acciones permitidas (APIs/sistemas) con permisos mínimos.
3) Probar: escenarios normales + excepciones (sin saldo, identidad no verificada, sistema caído) y cómo debe degradar.
4) Revisión de gobernanza: límites, auditoría, privacidad, y reglas de escalamiento humano.
5) Producción: despliegue por etapas, monitoreo de calidad y ajuste continuo del conocimiento/flows.

Importancia de la gobernanza en la integración de IA

La gobernanza aparece como condición de posibilidad de la IA agéntica. Si un agente puede actuar, la organización debe definir barreras: qué datos usa, qué decisiones puede tomar, qué acciones están permitidas y bajo qué parámetros.

García-Cepeda subraya que el entusiasmo por la IA no elimina la necesidad de controles rigurosos sobre datos, procesos y decisiones automatizadas. En su planteamiento, el marco de gobernanza establece “barreras y fronteras de seguridad” para usar la información de manera adecuada, con mecanismos para evitar comportamientos no deseados.

El desafío no es solo técnico. También es de cumplimiento normativo, privacidad y diseño responsable antes de escalar. En otras palabras: es tan importante como la capacidad de IA, porque define el perímetro de confianza en el que la autonomía puede operar.

Controles clave para IA agéntica
Controles mínimos que suelen marcar la diferencia al integrar IA agéntica:

  • Datos: qué fuentes puede leer el agente, con minimización (solo lo necesario) y retención definida.
  • Identidad y permisos: autenticación del cliente y autorización por rol para cada acción (no “acceso total”).
  • Límites de acción: lista explícita de acciones permitidas/prohibidas y umbrales (montos, cambios, cancelaciones).
  • Confirmaciones: doble verificación o aprobación humana para operaciones sensibles.
  • Auditoría: registro de intención, decisión, acción ejecutada, y sistema impactado (trazabilidad por caso).
  • Manejo de fallas: qué hace si un sistema no responde (reintento, alternativa, escalamiento) sin inventar resultados.
  • Escalamiento humano: transferencia con contexto completo (resumen, pasos ya intentados, datos capturados).
  • Monitoreo: revisión periódica de calidad, sesgos/errores recurrentes y actualización de conocimiento.

Transformación de centros de atención al cliente en centros de ingresos

Genesys empuja una narrativa: el centro de atención deja de ser un centro de costos y pasa a ser un centro de relacionamiento y revenue. Andreone lo vincula con retención: “las empresas que entienden” ese cambio logran que el cliente quiera quedarse con la marca.

Como telón de fondo, cita el reporte “State of CX” de la propia compañía: 35% de los clientes abandona una marca tras una experiencia negativa (dato reportado por Genesys). La implicación es directa: la experiencia no es un “extra”, sino un factor de fuga o permanencia. (Como referencia, al ser un dato de un reporte corporativo, conviene leerlo como indicador de tendencia y no como medición única del mercado.)

La transformación, sin embargo, no se reduce a comprar tecnología. Exige cambiar procesos y cultura para resolver fricciones en la jornada del cliente. Y tiene una condición estructural: colaboradores empoderados con información en tiempo real y apoyo de IA para decidir mejor, más rápido y con más empatía.

Enfoque Centro de costos Centro de ingresos/relacionamiento
Objetivo dominante Reducir costo por contacto Aumentar retención, lealtad y valor del cliente
Métricas típicas AHT, costo por caso, volumen atendido Resolución en primer contacto, NPS/CSAT, churn, conversión/upsell (cuando aplica)
Diseño de procesos Minimizar tiempo, estandarizar Resolver fricción end-to-end y mantener contexto omnicanal
Rol de IA Contención básica y asistencia Orquestación + recomendaciones + acciones con gobernanza

Genesys y la Orquestación de Experiencias con IA Agéntica

Transformación del Contact Center

La hoja de ruta que describe Genesys combina tres movimientos: migración a la nube, adopción de agentes agénticos y empoderamiento del personal con contexto e inteligencia en tiempo real. El resultado buscado es coherencia operativa: que la experiencia sea consistente y que la resolución no dependa de “suerte” o de quién atiende.

Orquestación Operativa con Trazabilidad
Orquestación en etapas (cómo se conectan las piezas en operación):
1) Captura de intención: el cliente entra por voz/chat/WhatsApp y el sistema identifica motivo y urgencia.
2) Enrutamiento inteligente: decide canal/cola/agente (humano o virtual) según contexto, historial y reglas.
3) Acción: el agente (virtual o humano asistido) consulta conocimiento y ejecuta pasos en sistemas (tickets, órdenes, pagos) dentro de límites.
4) Seguimiento: confirma resultado, deja registro auditable y dispara tareas posteriores (notificaciones, encuestas, back-office).
Checkpoint clave: si no hay trazabilidad de “qué se hizo” y “en qué sistema”, la orquestación se vuelve opaca y difícil de gobernar.

Desafíos y Oportunidades en la Implementación

La oportunidad es escalar servicio y eficiencia; el desafío es hacerlo con garantías. Sin madurez organizacional y sin rediseño de procesos, el ROI puede diluirse. Con gobernanza, en cambio, la autonomía se vuelve una palanca: menos fricción para el cliente y más capacidad para que los equipos se enfoquen en lo que realmente requiere criterio humano.

Transforma la experiencia del cliente con Suricata Cx

Optimización de costos operativos

Suricata Cx automatiza consultas repetitivas y de alto volumen en telecom e ISPs —como facturación, pagos, fallas o estado del servicio— con flujos conversacionales e integraciones operativas, reduciendo carga sobre equipos humanos.

Mejora en la satisfacción del cliente

El enfoque híbrido (IA + humano en el circuito) permite escalar sin perder control: el bot puede pausar, pedir aprobación o escalar con contexto completo, mejorando tiempos de respuesta y calidad de resolución.

Escalabilidad y futuro garantizado

Con operación omnicanal (WhatsApp, webchat, redes e IVR/voz) y arquitectura API-first, Suricata Cx unifica trazabilidad y contexto, preparando a los operadores para incorporar automatización avanzada sin fragmentar la experiencia.

Resultados Operativos en Telecomunicaciones
Cómo se ve “en la vida real” en telecom/ISP (ejemplos operativos y resultados esperables):

  • Casos de uso frecuentes: consulta de saldo/factura, reenvío de referencia de pago, estatus de orden, diagnóstico inicial de falla, agenda de visita, y actualización de datos.
  • Condición para que funcione: integración con sistemas operativos (CRM/billing/ticketing) y reglas claras de autenticación antes de exponer datos o ejecutar cambios.
  • Señales de mejora que suelen medirse: mayor contención en autoservicio (sin transferencias), reducción de tiempos de espera, y escalamiento a humano con “historia completa” (menos repetición por parte del cliente).
  • Límite práctico: cuando el caso requiere excepción (descuentos especiales, disputas, fraude, situaciones sensibles), el diseño híbrido prioriza pasar a un agente humano con contexto y trazabilidad.

Genesys y la orquestación de experiencias con IA en 2026 pone el foco donde realmente se gana o se pierde confianza: agentes agénticos que ejecutan, pero con gobernanza, trazabilidad y supervisión humana. En Suricata Cx compartimos esa visión aplicada al día a día de telecom e ISPs, integrando automatización conversacional con flujos operativos y human-in-the-loop para escalar resolución sin sacrificar cumplimiento ni consistencia en la experiencia.

Este análisis se aborda desde una perspectiva de operación omnicanal en telecom e ISPs (automatización conversacional, integraciones y control humano), que es el tipo de entorno para el que Suricata Cx está diseñado.

Este artículo se basa en información disponible públicamente a la fecha de redacción sobre IA agéntica y orquestación de experiencias en 2026, con ejemplos aplicados a la operación de contact center. Las capacidades, resultados y métricas pueden variar según la industria, la madurez de procesos y las integraciones disponibles. Algunas referencias proceden de comunicaciones corporativas y declaraciones de ejecutivos, por lo que deben leerse como contexto y podrían actualizarse conforme surja nueva información.