Inteligencia artificial en atención al cliente para 2026

Tabla de contenidos

La IA mejora la atención al cliente en telecomunicaciones

  • En 2026, la IA pasó de chatbots rígidos a agentes capaces de ejecutar tareas y coordinar flujos, con supervisión humana, según Infobae y Personal.
  • Personal puso en producción una plataforma corporativa que centraliza el uso de IA con seguridad, trazabilidad y gobernanza, según contó Mariela Fiorenzo (Personal) en Infobae Talks Insights IA.
  • Gartner estimó que la IA conversacional eliminaría 80.000 millones de dólares en costos laborales en contact centers globales para 2026, según Brilo AI.
  • Aunque crece la automatización, 79% de consumidores prefiere mantener la opción de hablar con una persona, según Brilo AI.

Metodología de análisis de la inteligencia artificial en atención al cliente

Analizar el impacto de la inteligencia artificial (IA) en atención al cliente exige separar promesas de resultados operativos. En telecomunicaciones, donde el volumen de contactos es alto y los motivos de consulta se repiten (facturación, pagos, cortes, soporte técnico), la evaluación suele combinar métricas de eficiencia, calidad y confianza.

Un primer eje es qué tipo de IA se está midiendo. Según Infobae, Personal venía trabajando “desde hace años” con modelos predictivos y machine learning, y la irrupción de la IA generativa “hace dos años” abrió una etapa distinta por sus capacidades de lenguaje natural y generación de contenido. Esa distinción importa porque los indicadores no son idénticos: un modelo predictivo se evalúa por precisión/recall; un agente generativo se evalúa también por consistencia, seguridad y trazabilidad.

El segundo eje es dónde se inserta la IA: autoservicio, asistencia al agente, voz/IVR conversacional, ruteo inteligente o automatización de tareas. Datalvar AI describe rangos de impacto por caso de uso (por ejemplo, reducción de contactos o de tiempos de gestión) que sirven como referencia comparativa, no como garantía.

El tercer eje es gobernanza y riesgo. Mariela Fiorenzo, manager de Data Office de Personal, subrayó en Infobae la necesidad de no “dejar los datos corporativos en cualquier herramienta”, lo que introduce criterios de evaluación adicionales: seguridad de la información, control de accesos, auditoría y supervisión humana (human in the loop), también destacada por la ejecutiva.

Transformación de la industria de telecomunicaciones mediante IA

La IA está reconfigurando la forma en que las telcos diseñan operaciones, atienden usuarios y organizan el trabajo. Infobae describe que su incorporación “atraviesa distintas áreas” y habilita oportunidades para “mejorar la calidad de los servicios, personalizar la experiencia de los clientes y optimizar las operaciones”. En telecomunicaciones, esa promesa se vuelve concreta cuando la IA se conecta con sistemas reales: CRM, facturación, redes, tickets y logística de campo.

Personal, según Infobae, se encuentra en “una nueva etapa de su transformación tecnológica” impulsada por IA generativa y agentes inteligentes. En atención al cliente, la transformación no es solo “responder más rápido”: implica rediseñar el recorrido completo, desde la identificación del motivo de contacto hasta la resolución y el seguimiento.

En paralelo, el mercado empuja hacia la centralidad de la IA en funciones de negocio. McKinsey estimó que 88% de las organizaciones utiliza IA en al menos una función, según Brilo AI. En atención al cliente, Gartner proyectó que la IA conversacional eliminaría 80.000 millones de dólares en costos laborales en contact centers globales para 2026. Esas cifras explican por qué las telcos priorizan automatización y autoservicio: el costo de operación es un componente crítico.

Pero la transformación también tiene límites sociales y de experiencia. Brilo AI reportó que 79% de consumidores prefiere conservar la opción de interactuar con un humano. En telecomunicaciones —donde los problemas pueden ser urgentes (sin servicio) o sensibles (cobros)— esa preferencia condiciona el diseño: automatizar sin bloquear la salida hacia una persona.

Estrategia de Personal en la adopción de IA generativa

La estrategia de Personal, tal como la reconstruye Infobae a partir de la participación de Mariela Fiorenzo en Infobae Talks Insights IA, combina tres frentes: plataforma, casos de uso y adopción cultural.

En el plano tecnológico, Personal “puso en producción una plataforma corporativa que centraliza su uso dentro de la compañía, con un lanzamiento masivo para todos los colaboradores”, según Infobae. El objetivo explícito es ordenar el uso de IA en un entorno con criterios de seguridad, trazabilidad y gobernanza, evitando que cada equipo adopte herramientas por fuera del control corporativo.

En el plano organizacional, Fiorenzo planteó que la IA generativa “viene no solo a presentarse como una tecnología” sino a “cambiar nuestro mindset”, según Infobae. Ese cambio se traduce en áreas que “repiensan procesos y evalúan nuevas oportunidades de negocio” a partir de la tecnología.

La adopción cultural aparece como condición de escala. Infobae reportó que, en el último año, “más de 12.000 colaboradores participaron de instancias de capacitación en IA” y “más de 9.000 ya utilizaron herramientas” basadas en estas tecnologías en tareas cotidianas. También mencionó un equipo multidisciplinario con participación de Capital Humano, una comunidad de práctica para intercambio entre pares y hackathons internos.

La lógica detrás de estas iniciativas es coherente con el enfoque human in the loop que Fiorenzo remarcó: la IA no se plantea como sustitución automática, sino como potenciador del trabajo, con supervisión humana de lo que el agente devuelve.

Impacto de la IA en la atención al cliente

La IA está cambiando el “cómo” y el “cuánto” de la atención al cliente: desde el volumen de interacciones que se resuelven sin intervención humana hasta la calidad percibida cuando el usuario necesita una respuesta rápida, contextual y consistente.

En términos de expectativas del mercado, Zendesk señaló que 75% de líderes de experiencia de cliente espera que la IA resuelva 80% de las interacciones sin intervención humana “en unos años”, según Brilo AI. Al mismo tiempo, 79% de consumidores prefiere mantener la opción de hablar con una persona, según Brilo AI, una tensión que obliga a diseñar experiencias híbridas.

En telecomunicaciones, Infobae describe que Personal ya opera un agente conversacional de atención telefónica que gestiona “cientos de miles de llamadas mensuales” y apunta a resolver consultas frecuentes con interacciones “más naturales y personalizadas”. Ese tipo de despliegue sugiere un impacto directo en tiempos de respuesta y capacidad de absorción de demanda, especialmente en picos.

Datalvar AI, al describir casos de uso, reportó rangos de impacto observados: en autoservicio, reducción de contactos de 20% a 45%; en agent assist, reducción del tiempo medio de gestión (AHT) de 15% a 30% y mejora de resolución en primer contacto (FCR) de 10% a 20%. Estos rangos ayudan a entender por qué las telcos combinan automatización con asistencia a agentes humanos, en lugar de apostar todo a un único canal.

Mejora en la calidad del servicio

La calidad del servicio no se reduce a “resolver”: también incluye tono, claridad, consistencia y capacidad de sostener contexto. Infobae señala que los agentes de IA de Personal “interpretan las consultas” y “generan respuestas adaptadas a cada interacción”, con el objetivo de una atención “más ágil y personalizada”.

En voz, Personal buscó reducir la fricción de lo “artificial” incorporando voces de integrantes reales de sus equipos. “Se trabajó muy fuerte en que la voz no sea artificial”, explicó Mariela Fiorenzo, según Infobae. En atención telefónica, donde el usuario percibe rápidamente la calidad, esa decisión apunta a mejorar naturalidad y confianza.

La mejora de calidad también se juega en el back-end: si el agente accede a información de contexto y la usa bien, reduce repreguntas y transferencias. Infobae describe que Personal desarrolla agentes inteligentes para que equipos técnicos accedan a contexto, agilicen diagnósticos y automaticen tareas. En operaciones de campo, ya trabajan con agentes que coordinan capacidades de otros agentes especializados, lo que sugiere una mejora indirecta de calidad: menos demoras, mejor diagnóstico, menos reincidencias.

Aun así, la calidad exige control. Fiorenzo insistió en el esquema human in the loop: humanos revisando que lo que el agente devuelve sea lo esperado, según Infobae. Ese punto es clave para evitar errores que, en telecomunicaciones, pueden escalar a reclamos, recontactos y pérdida de confianza.

Agentes conversacionales y su funcionamiento

La diferencia entre un chatbot tradicional y un agente es operativa, no solo semántica. Infobae explica que los agentes de IA “representan un escalón adicional”: pueden “interpretar información, interactuar con sistemas, ejecutar tareas y coordinar acciones” para resolver procesos más complejos que una interacción simple de chat.

En la práctica, eso implica que el agente no solo responde, sino que puede disparar acciones: consultar estado de cuenta, verificar un pago, abrir o actualizar un ticket, o guiar un flujo. Datalvar AI describe capas funcionales típicas en atención al cliente: autoservicio, agent assist, voz conversacional y ruteo inteligente, que suelen combinarse en una misma operación.

En el caso de Personal, Infobae destaca un agente conversacional telefónico que atiende cientos de miles de llamadas mensuales. La elección del canal voz es relevante: requiere reconocimiento automático del habla (ASR) y síntesis de voz (TTS), además de un componente conversacional. Datalvar AI menciona que los voicebots pueden manejar escenarios estructurados y reducir costos de IVR, en rangos que dependen del caso.

El funcionamiento, sin embargo, no se plantea como autonomía total. Fiorenzo remarcó que la capacidad de decisión “no excluye la supervisión humana” y describió el circuito de control: el humano ve lo que el agente devuelve y chequea si coincide con lo esperado, según Infobae. Ese diseño híbrido responde tanto a calidad como a confianza del usuario.

Capacidades de la IA generativa en 2026

En 2026, la IA generativa se consolidó como una tecnología de propósito general para lenguaje y contenido, pero su valor en atención al cliente depende de cómo se integra a procesos y datos. Infobae ubica el punto de inflexión en 2023 con la irrupción de ChatGPT, que abrió una etapa con capacidades de lenguaje natural y generación de contenido que “las disciplinas anteriores no ofrecían” en el mismo sentido.

En atención al cliente, esas capacidades se expresan en tres planos. Primero, conversación más natural: interpretar preguntas abiertas, reformular, pedir aclaraciones y sostener un tono consistente. Segundo, personalización: adaptar respuestas a la interacción, como describe Infobae en el caso de los agentes de Personal. Tercero, multimodalidad: trabajar con texto, imágenes y audio. Infobae señala que la plataforma corporativa de Personal permite trabajar con “texto, imágenes, audio y análisis de datos”.

La evolución hacia agentes agrega ejecución. Según Infobae, los agentes pueden interactuar con sistemas y coordinar acciones para procesos complejos. En paralelo, el análisis sectorial citado por Datalvar AI y otros actores del ecosistema describe arquitecturas que combinan modelos de lenguaje con recuperación de conocimiento (RAG) para responder con información corporativa, y capas de automatización para ejecutar tareas.

El impacto económico proyectado explica la velocidad de adopción. Gartner estimó ahorros laborales globales de 80.000 millones de dólares para 2026, según Brilo AI. Pero la capacidad técnica no elimina el requisito de diseño: Brilo AI reportó que 79% de consumidores quiere opción humana, lo que obliga a que la IA generativa sea parte de un sistema con escalamiento y control, no un reemplazo ciego.

Ecosistema de modelos de IA en Personal

Personal estructuró su adopción alrededor de una plataforma corporativa que centraliza modelos, herramientas y capacidades. Infobae describe un “ecosistema con más de 100 modelos homologados” dentro de ese entorno, con criterios de seguridad, trazabilidad y gobernanza.

La homologación es un detalle importante: sugiere que no se trata de “cualquier modelo”, sino de un catálogo validado para uso interno. Según Infobae, la plataforma incluye herramientas conversacionales y un catálogo de agentes desarrollados por distintas áreas, además de capacidades para texto, imágenes, audio y análisis de datos. En organizaciones grandes, esa centralización busca acelerar la reutilización.

La seguridad aparece como pilar explícito. “No podemos estar dejando los datos corporativos en cualquier herramienta”, dijo Mariela Fiorenzo, según Infobae. En atención al cliente, donde circulan datos personales, consumos, facturación y reclamos, ese enfoque condiciona arquitectura y operación: qué se registra, qué se anonimiza, qué se audita y quién puede acceder.

Infobae también señala que la plataforma facilita el intercambio de conocimientos y la reutilización de desarrollos, “evitando duplicar esfuerzos”. En términos de operación, esto puede traducirse en que un agente o flujo creado para un canal (por ejemplo, consultas frecuentes) se adapte a otros, o que un componente de análisis se comparta entre equipos técnicos y de atención.

El ecosistema no es solo tecnología: se apoya en adopción. Infobae reportó capacitación masiva (más de 12.000 colaboradores) y uso efectivo (más de 9.000 usuarios), lo que sugiere que la plataforma no quedó restringida a un laboratorio, sino que se empujó hacia el trabajo cotidiano.

Desafíos en la implementación de IA en atención al cliente

La implementación de IA en atención al cliente suele fallar menos por el modelo y más por el sistema: datos, integración, aceptación y control. El propio diseño de Personal, según Infobae, reconoce dos frentes críticos: seguridad de la información y supervisión humana.

El primer desafío es protección de datos y gobernanza. Fiorenzo fue directa: no se pueden dejar datos corporativos “en cualquier herramienta”, según Infobae. Esto obliga a construir entornos controlados, con trazabilidad y reglas claras de uso. En atención al cliente, el riesgo no es abstracto: una respuesta incorrecta o una filtración puede afectar confianza y cumplimiento.

El segundo desafío es aceptación del cliente. Brilo AI reportó que 79% de consumidores prefiere la opción de interactuar con un humano. Eso significa que incluso una automatización exitosa debe ofrecer salida clara a un agente, especialmente en casos complejos o emocionalmente cargados.

El tercer desafío es gestión del cambio interno. Infobae describe una estrategia cultural con capacitación, comunidad de práctica y hackathons. Esa inversión sugiere que la adopción no ocurre sola: hay que formar criterios, habilidades y hábitos para usar IA con responsabilidad.

El cuarto desafío es calidad del conocimiento. Datalvar AI, al describir resultados y mejores prácticas, enfatiza la importancia de la base de conocimiento y su gestión continua para lograr ROI y buenos resultados. En telecomunicaciones, donde cambian planes, promociones, políticas y estados de red, el conocimiento desactualizado se convierte en respuestas erróneas.

Finalmente, está el desafío de definir el rol humano. Fiorenzo insistió en human in the loop, con humanos chequeando lo que devuelve el agente, según Infobae. Ese control reduce riesgo, pero también exige procesos: quién valida, cuándo se escala y cómo se audita.

Inteligencia artificial en atención al cliente para 2026 implica pasar de promesas a operación medible: agentes que resuelven, integraciones reales con CRM/facturación y una gobernanza sólida con trazabilidad y human-in-the-loop. Desde esa mirada, Suricata Cx encaja como una forma práctica de llevar la IA omnicanal a flujos telco concretos sin perder control humano, priorizando seguridad, calidad de respuesta y experiencia del usuario.