Transformación CX 2026: La visión de Martín Ascar

Tabla de contenidos

  • La IA está empujando el CX desde un modelo reactivo hacia uno anticipatorio, capaz de interpretar señales y contexto antes de que el cliente pida ayuda.
  • Martín Ascar (NiCE) sostiene que hoy “la tecnología entiende a los humanos”, no solo ejecuta tareas.
  • El reto ya no es “adoptar IA”, sino orquestarla con reglas claras.

La evolución de la Inteligencia Artificial en la experiencia del cliente

Durante años, la conversación sobre Inteligencia Artificial en experiencia del cliente (CX) se concentró en promesas conocidas: automatizar procesos, reducir costos, responder preguntas frecuentes y aliviar la carga de los centros de contacto.

Contexto: las ideas y ejemplos que se desarrollan a continuación se basan en lo compartido por Martín Ascar en entrevista para ContactForum. Ese ciclo, sin desaparecer, está cambiando de fase. La IA ya no se percibe solo como una “nueva tecnología” que se agrega a la operación, sino como un componente que altera la forma en que las empresas entienden y construyen relaciones con sus clientes.

De automatización a acción inteligente
Antes vs. ahora (el marco para leer el resto del artículo)

  • Antes (automatización): la IA se usaba principalmente para ejecutar tareas repetitivas (FAQ, clasificación básica, desvío de contactos) y optimizar costos.
  • Ahora (interpretación + acción): la IA empieza a leer señales (comportamiento, historial, intención) para decidir “qué hacer” y “cuándo hacerlo”, no solo “qué responder”.
  • Lo que cambia en CX: el objetivo deja de ser solo velocidad de respuesta y pasa a ser continuidad del contexto, intervención oportuna y decisiones conectadas a métricas de negocio.

Nota de actualidad: los ejemplos y cifras mencionados en este texto corresponden a lo compartido públicamente en entrevistas y casos referidos a 2025–2026; los resultados pueden variar según industria, madurez de datos y operación.

La diferencia clave es el paso de la ejecución a la interpretación. En el enfoque tradicional, los sistemas esperaban un disparador: una llamada, un ticket, una compra, una queja. En el nuevo escenario, la IA puede leer señales y comportamientos para inferir intención, contexto y necesidad. Esto abre la puerta a interacciones más oportunas y relevantes, y a una gestión del recorrido del cliente que no depende únicamente de que el usuario “levante la mano”.

En la industria de CX, centros de contacto y áreas de interacción con clientes, esta transición implica mover la IA del terreno de la automatización aislada hacia resultados conectados con el negocio: eficiencia operativa, conversión, retención e ingresos. La promesa deja de ser “contestar más rápido” y se convierte en “actuar mejor”, con decisiones y acciones que se apoyan en información contextual.

En paralelo, la evolución tecnológica empuja a las organizaciones a replantear su arquitectura: no basta con sumar herramientas. A medida que la IA gana autonomía y capacidad de interpretación, crece la necesidad de definir cómo se gobierna, cómo se integra y cómo se coordina con personas y procesos.

Martín Ascar y su visión sobre la transformación del CX

Martín Ascar, Director de Ventas para el Cono Norte de NiCE, plantea esta transformación como un cambio de fondo en la relación entre personas y tecnología, en una entrevista para ContactForum. En su lectura, durante años “la tecnología se fue humanizando”, no necesariamente en un sentido emocional, sino en la forma en que las personas aprendieron a usarla y a relacionarse con ella: interfaces más accesibles, experiencias más intuitivas, autoservicio más amigable.

Perspectiva experta en CX e IA
Quién es Martín Ascar (y por qué su perspectiva aplica a CX)

  • Cargo: Director de Ventas para el Cono Norte de NiCE (enfocado en soluciones de CX/centros de contacto).
  • Formación: Ingeniero Electrónico por la Universidad de Buenos Aires.
  • Trayectoria: experiencia en empresas tecnológicas (NEC, Alcatel) y en plataformas empresariales (Avaya, Oracle, SAP, Salesforce).
  • Contexto regional: se trasladó a México en 2019 con Salesforce, liderando proyectos en la industria financiera y de seguros mexicana.
  • Frase clave atribuida a Ascar en la entrevista: “Creo personalmente que la IA ahora dio vuelta ese contexto, y hoy es la tecnología quien entiende a los humanos”.

Pero, según Ascar, la IA “da vuelta” ese contexto: ahora es la tecnología la que entiende a los humanos. La frase resume una idea operativa: los sistemas dejan de ser meros ejecutores de instrucciones para convertirse en intérpretes de información, intención y contexto. En CX, esa capacidad se traduce en respuestas más puntuales y en la posibilidad de intervenir antes, no solo después.

Esa visión también redefine el objetivo de la transformación. El futuro del CX, en palabras atribuidas a Ascar, no consiste simplemente en reemplazar personas. La meta es ampliar la capacidad de las organizaciones para comprender, anticipar y responder a necesidades reales, con tecnología conectada a objetivos concretos.

Su trayectoria ayuda a entender el enfoque: formado como Ingeniero Electrónico en la Universidad de Buenos Aires, inició su carrera en empresas tecnológicas como NEC y Alcatel. Luego se orientó al área comercial en Avaya, donde conoció a NiCE como socio estratégico. Más tarde ocupó posiciones en Oracle, SAP y Salesforce; con esta última se trasladó a México en 2019, liderando proyectos de impacto en la industria financiera y de seguros mexicana. También sumó experiencia en el ecosistema de startups de IA, trabajando con H2O.ai en proyectos vinculados al crecimiento de rentabilidad de clientes en segmentos como financiero, consumo masivo y digital.

En conjunto, su planteamiento insiste en una idea: la IA aporta valor cuando se integra a la operación y se orienta a resultados, no cuando se limita a ser un “bot” agregado al frente de atención.

De la reacción a la anticipación: un nuevo modelo de relación con el cliente

El cambio más visible que describe esta etapa es el paso de un CX reactivo a uno anticipatorio. En el modelo reactivo, la empresa actúa cuando el cliente inicia el contacto: reporta una falla, pregunta por un cargo, solicita un cambio o busca soporte. En el anticipatorio, la organización puede interpretar señales y comportamientos para detectar necesidades, comprender el contexto y responder incluso antes de que el cliente lo solicite.

Dimensión CX reactivo CX anticipatorio
Disparador El cliente “levanta la mano” (llamada/ticket/queja) Señales + comportamiento + contexto (uso, historial, fricciones)
Momento de intervención Después del problema o solicitud Antes o durante el recorrido, para evitar fricción o acelerar resolución
Rol de la IA Responder/derivar; automatización puntual Interpretar intención; recomendar/ejecutar “siguiente mejor acción”
Omnicanalidad Presencia en varios canales, a veces sin continuidad Continuidad real del contexto entre canales y etapas
Métricas típicas AHT, volumen, SLA, costo por contacto Resolución en primer contacto, reducción de repetición, retención, engagement, conversión
Riesgo si se implementa mal “Bot” que contesta pero no resuelve Intervenciones fuera de tiempo o sin contexto; pérdida de confianza

Este giro no es solo una mejora incremental. Cambia la lógica del servicio: la interacción deja de ser un “evento” aislado y se convierte en una oportunidad para construir continuidad. Si la IA puede reconocer intención y contexto, la empresa puede intervenir de manera más oportuna a lo largo del recorrido del cliente, sin importar el canal.

En esa transición, la omnicanalidad adquiere un sentido más exigente: no se trata únicamente de “estar” en varios canales, sino de mantener coherencia y trazabilidad del contexto. La anticipación requiere que la organización conecte información y capacidades para responder según la situación específica, no con respuestas genéricas.

Los casos citados por Ascar ilustran el punto desde ángulos distintos, como ejemplos de aplicación descritos en esa conversación. En SKY (Europa), la IA agéntica se asocia con una evolución que va más allá de reducir costos: tras trabajar desde 2022 en eficiencia y lograr disminuir 23% el costo por contacto en 2025, el “siguiente paso” es usar IA para incrementar engagement y conocer mejor al cliente. En industrias donde el contenido impulsa el consumo, cada interacción puede convertirse en un momento para fortalecer relación y fidelización.

La anticipación, en ese sentido, no elimina el contacto: lo vuelve más útil. La empresa no solo resuelve; aprende, ajusta y construye valor con cada conversación.

La importancia de la orquestación tecnológica en las organizaciones

Si la IA interpreta y actúa con mayor autonomía, el desafío central deja de ser “incorporar herramientas” y pasa a ser orquestar la tecnología. Para Ascar, este es el siguiente paso: definir cómo interactúan los componentes, qué información utilizan, qué decisiones pueden tomar y en qué momento debe intervenir una persona.

Orquestación Omnicanal en Seis Pasos
Orquestación en 6 pasos (con checkpoints prácticos)
1) Inventario de señales: define qué datos realmente describen intención y fricción (no solo “lo que ya existe”).

  • Checkpoint: ¿puedes explicar con 3–5 señales por qué un cliente contacta?

2) Unificación de contexto: conecta historial, canal y estado del caso para que no se “reinicie” la conversación.

  • Checkpoint: ¿un agente (humano o IA) ve el mismo contexto en web, WhatsApp y voz?

3) Decisiones permitidas: delimita qué puede decidir/ejecutar la IA (y con qué reglas) vs. qué debe escalar.

  • Checkpoint: ¿hay criterios claros de escalamiento por riesgo, monto, sensibilidad o ambigüedad?

4) Diseño de flujos omnicanal: define transiciones entre canales (incluye enlaces SMS, web, etc.) sin perder trazabilidad.

  • Checkpoint: ¿puedes auditar el recorrido completo de un caso de punta a punta?

5) Humano en el circuito: diseña intervención humana como parte del flujo (no como “parche”).

  • Checkpoint: ¿qué ve el humano al tomar el caso y qué acciones quedan registradas?

6) Medición y ajuste: mide impacto en resolución, repetición, costo por contacto y satisfacción/retención.

  • Checkpoint: ¿cada automatización tiene una métrica de éxito y una condición de reversa?

La orquestación responde a un problema común: la tecnología operando como un conjunto de soluciones independientes. En CX, esa fragmentación suele traducirse en experiencias inconsistentes, pérdida de contexto entre canales y esfuerzos duplicados. El objetivo de orquestar es coordinar capacidades alrededor de la necesidad concreta del cliente, con una lógica de punta a punta.

En la práctica, orquestar implica al menos cuatro decisiones de gobierno:

  1. Datos y contexto: qué señales se capturan y cómo se conectan para entender intención y situación.
  2. Agentes y automatización: qué puede resolver la IA de forma autónoma y qué requiere supervisión o escalamiento.
  3. Canales: cómo se mantiene continuidad entre puntos de contacto (web, mensajería, enlaces, etc.).
  4. Personas: dónde entra el criterio humano, no como “respaldo”, sino como parte diseñada del flujo.

El caso de Lufthansa Group muestra por qué esta coordinación importa. Con múltiples puntos de contacto a lo largo del viaje —desde reservación y cambios de vuelo hasta equipaje y llegada—, la experiencia exige respuesta oportuna y personalizada. Según lo descrito, la incorporación de NiCE aportó capacidad de respuesta para gestionar picos extremos de tráfico y mantener atención constante. Para fortalecer el modelo, los agentes de IA se integraron en distintos canales, incluidos sitios web y enlaces vía SMS, además de soporte multilingüe y traducción en tiempo real.

La lección es clara: la IA puede escalar, pero solo genera valor sostenido cuando está integrada y coordinada con el resto del sistema de atención.

Hiperpersonalización: el objetivo clave en la experiencia del cliente

En el horizonte de esta transformación aparece un concepto que funciona como destino: la hiperpersonalización. Ascar la vincula directamente con el desafío de coordinar capacidades alrededor de la necesidad concreta del cliente. No se trata de personalizar un saludo o insertar un nombre en un mensaje, sino de conectar información, intención y contexto para responder de manera específica a cada situación.

Anatomía de la interacción cliente
Anatomía de una interacción (marco mínimo para llegar a hiperpersonalización)

  • Intención: qué quiere lograr el cliente (no solo el tema; el “para qué”).
  • Contexto: qué está pasando ahora (estado del servicio/cuenta/caso) + historial relevante inmediato.
  • Restricciones: qué no se puede hacer (políticas, elegibilidad, límites operativos) para evitar promesas falsas.
  • Siguiente mejor acción: qué conviene hacer ahora (resolver, informar, prevenir, ofrecer alternativa, escalar).
  • Canal y tono: dónde y cómo responder (voz/chat/SMS/web) según urgencia y complejidad.
  • Cierre y aprendizaje: qué se registra para que la próxima interacción no empiece de cero.

La hiperpersonalización exige que la tecnología deje de operar como piezas sueltas. Si los sistemas no comparten contexto, la experiencia se rompe: el cliente repite información, cambia de canal y vuelve a empezar, o recibe respuestas que no consideran su historial inmediato. En cambio, cuando la IA interpreta intención y contexto, puede ajustar el tipo de respuesta, el tono, el canal y el momento de intervención.

El caso de Generali aporta un ejemplo de cómo se construye esa base de entendimiento. La IA permitió analizar 100 mil grabaciones de llamadas e identificar 150 intenciones de cliente en cuestión de semanas. Ese mapa de intenciones no es un fin en sí mismo: sirve para detectar oportunidades concretas de automatización y para diseñar recorridos más precisos.

Ascar destaca un diferencial metodológico: antes de automatizar, realizar la “anatomía de una interacción”, analizando una muestra representativa de llamadas para identificar qué procesos pueden automatizarse y dónde la IA genera mayor valor. El resultado, en el caso descrito, fue revelar oportunidades para automatizar hasta 65% de las interacciones.

La hiperpersonalización, entonces, no nace de la intuición ni de pilotos basados en hipótesis. Se apoya en evidencia: entender por qué contacta el cliente, qué necesita resolver y qué fricciones se repiten. Con esa claridad, la IA puede intervenir con precisión, y el humano puede concentrarse en los casos donde el juicio y la empatía son decisivos.

Impacto de la IA en la eficiencia operativa y los ingresos

La discusión sobre IA en CX suele empezar por eficiencia, pero en esta etapa se amplía hacia impacto económico más completo: costos, sí, pero también conversión, retención e ingresos. Ascar sintetiza ese alcance al referirse a casos donde el valor se vuelve directo cuando los agentes inteligentes se integran con la operación y se orientan a objetivos específicos del negocio.

Caso (según lo compartido por Ascar) Qué se hizo con IA Métrica/resultado reportado Para qué sirve en negocio
SKY (Europa) Evolución de eficiencia hacia IA para engagement 23% menos costo por contacto (2025), tras trabajo iniciado en 2022 Liberar costo y usar interacciones para conocer mejor al cliente y aumentar engagement
Generali Análisis de conversaciones para mapear intención y automatización 100 mil llamadas analizadas; 150 intenciones identificadas en semanas; hasta 65% de automatización potencial Pasar de pilotos por hipótesis a decisiones basadas en datos; reducir tiempo/costo de experimentación
Lufthansa Group Integración de agentes IA en múltiples puntos del recorrido Capacidad para gestionar picos extremos; integración en web y enlaces SMS; soporte multilingüe y traducción en tiempo real Escalar atención sin perder continuidad del servicio ni contexto en un entorno complejo

En SKY, el dato más concreto es la reducción de 23% del costo por contacto en 2025, tras un trabajo iniciado en 2022 para hacer más eficiente la operación. Sin embargo, el punto de Ascar es que ese ahorro no agota el potencial: el siguiente paso es usar IA para incrementar engagement y conocer mejor al cliente. En una industria impulsada por contenido, cada interacción puede ser una oportunidad de fidelización emocional y de generación de conocimiento accionable.

En Generali, el impacto se expresa como velocidad de diagnóstico y claridad de oportunidades: analizar 100 mil llamadas, identificar 150 intenciones en semanas y detectar automatización potencial de hasta 65% de interacciones. Además de eficiencia, esto reduce el tiempo y costo de experimentación: se pasa de pilotos basados en suposiciones a decisiones sustentadas en datos.

En Lufthansa Group, el valor aparece en la capacidad de sostener atención constante frente a picos extremos de tráfico, integrando agentes de IA en canales como web y enlaces SMS, con soporte multilingüe y traducción en tiempo real. Aquí, la eficiencia no es solo “hacer más con menos”, sino proteger la continuidad del servicio y mantener personalización en un entorno de alta complejidad operativa.

En conjunto, los tres casos apuntan a una conclusión: la IA genera retorno cuando se conecta con objetivos concretos (reducir costo por contacto, escalar capacidad, identificar intenciones, automatizar con criterio, aumentar engagement) y cuando se integra al flujo real de la operación.

Transformación del CX en Telecomunicaciones: El Futuro es Ahora

La Revolución de la Inteligencia Artificial en la Experiencia del Cliente

En telecomunicaciones y proveedores de internet, el CX suele estar marcado por alto volumen de contactos, presión por tiempos de respuesta y expectativas de inmediatez. En ese contexto, la IA no se limita a responder preguntas: puede ayudar a interpretar intención, sostener contexto y automatizar interacciones repetitivas, siempre que esté integrada a la operación y orientada a resultados.

Desafíos y Oportunidades en el Sector de Telecomunicaciones

Los retos típicos del sector —costos por interacción, tiempos de resolución, fragmentación de canales, baja resolución en primer contacto y churn por mala experiencia— hacen que el paso de lo reactivo a lo anticipatorio sea especialmente valioso. La oportunidad es doble: mejorar eficiencia sin perder calidad y, al mismo tiempo, usar cada interacción como fuente de conocimiento para ajustar servicio y relación.

La Importancia de la Omnicanalidad en la Atención al Cliente

La omnicanalidad, entendida como continuidad real del contexto, es un requisito para la anticipación y la hiperpersonalización. Si el cliente cambia de canal, la experiencia no debería reiniciarse. Esto ilustra cómo la coordinación de canales puede sostener atención constante y personalizada.

Casos de Éxito: Cómo Suricata Cx Está Transformando el Mercado

Suricata Cx se presenta como una plataforma omnicanal impulsada por IA, diseñada para ISPs y operadores de telecomunicaciones en América y España.

Nota de alcance: esta sección traslada los principios de orquestación y operación descritos por Ascar al contexto específico de telecom e ISPs, sin sustituir los casos mencionados (SKY, Generali y Lufthansa) ni presentarlos como implementaciones de Suricata Cx. Su propuesta combina IA conversacional, automatización, flujos con humano en el circuito e integraciones operativas profundas para escalar soporte, ventas y servicio con eficiencia.

El enfoque se alinea con la lógica descrita por Ascar: no se trata de “poner un bot”, sino de integrar agentes y automatización a procesos reales (soporte, cobranzas, ventas, recuperación de servicio) y coordinar canales para evitar silos. En esa línea, la promesa es convertir la IA en un sistema operativo de CX específico para telecom, con trazabilidad y control.

El Rol de la Humanización en la Interacción con el Cliente

La transformación no elimina el componente humano: lo reubica. Si la IA asume tareas predecibles y de alto volumen, las personas pueden concentrarse en casos complejos, sensibles o de alto impacto. En el marco planteado por Ascar, el futuro no consiste en reemplazar personas, sino en ampliar la capacidad organizacional para comprender y responder mejor, con intervención humana donde aporta más valor.

Conclusiones: Hacia un Futuro Sostenible en la Experiencia del Cliente

Equilibrios clave en telecomunicaciones
Trade-offs típicos en telecom (para orquestar sin perder CX)

  • Automatización vs. calidad percibida: más autoservicio reduce costo, pero si falla el entendimiento de intención sube la frustración y la repetición.
  • Velocidad vs. contexto: respuestas “rápidas” sin diagnóstico (cobertura, equipo, red, cuenta) pueden bajar AHT pero empeorar resolución.
  • Costo por contacto vs. churn: ahorrar en atención puede salir caro si aumenta la fuga por mala experiencia.
  • Omnicanalidad real vs. complejidad de integración: conectar CRM, OSS/BSS, tickets y canales requiere gobierno de datos y trazabilidad.
  • Autonomía de IA vs. control humano: cuanto más decide la IA, más importante es definir límites, escalamiento y auditoría de decisiones.

La dirección que marca 2026 no es “más automatización” como fin, sino mejor orquestación para lograr anticipación e hiperpersonalización. Los ejemplos de SKY, Generali y Lufthansa muestran rutas distintas hacia el mismo punto:

Transformación CX 2026: La visión de Martín Ascar deja claro que el salto no es “adoptar IA”, sino orquestarla para pasar de un CX reactivo a uno anticipatorio con continuidad omnicanal y humanos en control. Desde Suricata Cx, esa mirada se traduce en llevar esa orquestación a la operación diaria de ISPs y telecom, conectando contexto, automatización y escalamiento sin perder trazabilidad ni calidad de servicio.

En Suricata Cx, este enfoque se interpreta como una prioridad operativa: diseñar automatización y omnicanalidad alrededor de flujos reales (soporte, ventas y recuperación), manteniendo trazabilidad y control humano donde el contexto lo exige.

Este artículo se basa en información pública compartida por Martín Ascar en entrevistas y en los casos citados (SKY, Generali y Lufthansa Group) tal como se describen en esas fuentes. Los resultados y métricas pueden variar según la industria, la calidad de los datos, el diseño de procesos y el nivel de integración tecnológica. En CX, el valor de la IA suele depender menos del modelo y más de cómo se coordina con canales, reglas y personas, por lo que estas conclusiones pueden actualizarse con nueva información.