Atención al cliente con IA: cuándo pasar a un humano

Un cliente reporta un cobro duplicado en su tarjeta o reclama que el producto llegó dañado. En 2026, frente a ese tipo de consultas, casi ocho de cada diez personas en Estados Unidos prefieren hablar con alguien antes que con un asistente de inteligencia artificial, y la proporción es similar entre los hispanohablantes de la región. El problema de gerencia no es si usar IA en atención al cliente —eso ya está decidido en la mayoría de las empresas—, sino cuándo cederle el paso a una persona. Y ahí está fallando casi todo el mundo: apenas el 15% de los clientes describe ese traspaso como fluido.

Lo esencial

• El 79% de los consumidores prefiere un agente humano y solo el 8% prefiere la IA; esa preferencia sube a 85% en disputas de facturación, 78% en seguridad de datos y 76% en fallas de producto.
• Solo el 15% de los clientes vive un traspaso fluido del bot a una persona, y el 41% considera que el servicio empeoró desde que su proveedor introdujo IA.
• La atención mixta que funciona no se diseña para recortar costos: clasifica las consultas por riesgo, fija reglas explícitas de cuándo debe rendirse el bot y traslada el contexto completo al agente humano.

¿Cuándo debe la IA ceder el paso a un humano?

La regla práctica que emerge de los datos de 2026 es clara: la inteligencia artificial debe resolver consultas de bajo riesgo emocional y económico —horarios, estado de un pedido, cambios simples— y escalar de inmediato cualquier interacción donde el cliente perciba una pérdida de dinero, un riesgo de seguridad, una falla del producto o una frustración acumulada. Según el estudio de SurveyMonkey sobre estadísticas de servicio al cliente, la preferencia por un humano llega al 85% en disputas de facturación, 78% en temas de seguridad o privacidad de datos y 76% en fallas de producto, frente a apenas 5%-10% que prefiere la IA en esos mismos casos. Automatizar justo esas categorías —las que más desgastan la relación si se manejan mal— es el error más costoso que puede cometer una empresa en 2026.

La brecha entre lo que promete la IA y lo que vive el cliente

La presión por automatizar viene de arriba: según Gartner, el 91% de los líderes de servicio al cliente reporta presión de la alta dirección para implementar IA en 2026, y cerca del 80% de las organizaciones planea reasignar a parte de sus agentes a nuevos roles a medida que se automatizan las tareas rutinarias. El problema es que esa presión no siempre se traduce en una mejor experiencia. Qualtrics encontró que casi uno de cada cinco consumidores que usó IA para atención al cliente no percibió ningún beneficio, una tasa de fracaso muy por encima de la de otros usos de IA, y atribuye buena parte de esa brecha a que muchas empresas adoptan IA para recortar costos, no para resolver problemas del cliente.

La preferencia por un humano, además, no es un capricho que se esté disolviendo con el tiempo. Un estudio de Metrigy citado por No Jitter encontró que el 84,7% de los consumidores prefiere interactuar con una persona, y que el 80,1% mantiene esa preferencia incluso cuando tiene garantizada la resolución del problema por la vía automatizada. Verint, en una encuesta a 5.000 consumidores estadounidenses a inicios de 2026, reporta que el 61% prefiere un agente humano —cinco puntos más que el año anterior— y que el 79% cambiaría de proveedor después de una sola experiencia pésima. La automatización mal calibrada no es un costo oculto: es un riesgo de cancelación visible desde la primera llamada mal resuelta.

¿Qué consultas deben ir directo a una persona?

Clasificar por tipo de consulta, y no solo por volumen o costo de atenderla, es el punto de partida de cualquier diseño de atención mixta serio:

• Disputas de facturación y cobros. Un banco en Colombia o una fintech en México que automatiza por completo un reclamo de cobro duplicado multiplica el riesgo de que el cliente perciba mala fe, no solo lentitud.
• Seguridad y privacidad de datos. Una filtración sospechada o un acceso no reconocido a la cuenta exige una persona que pueda escalar con autoridad, no un bot con un guion fijo.
• Fallas de producto. Un fabricante de electrodomésticos en Argentina o una aerolínea española que atiende un reclamo por un producto defectuoso o un vuelo cancelado con un bot sin salida a un humano erosiona la confianza de forma desproporcionada frente al costo que ahorra.
• Quejas con carga emocional. Cuando el cliente ya escribió “esto es inaceptable” o repitió la misma consulta más de una vez, mantenerlo en el flujo automatizado multiplica el esfuerzo percibido y el riesgo de pérdida del cliente.
• Quejas que pueden volverse públicas. Un reclamo que empieza en un chat automatizado y no encuentra salida a una persona termina, con frecuencia, publicado en redes sociales. El costo reputacional de esa escalada pública suele ser mayor que el costo de haber asignado un agente humano desde el principio.

En cambio, consultas de bajo riesgo —horario de atención, estado de un envío, cambio de contraseña, preguntas frecuentes sobre un servicio— son exactamente donde la IA sí agrega valor: resuelve rápido, está disponible 24/7 y libera a los agentes humanos para los casos que realmente lo requieren.

Cómo diseñar el traspaso sin perder al cliente en el camino

Cuatro prácticas separan a las empresas que logran una atención mixta eficaz de las que solo automatizaron por recortar costos:

1. Clasificar por riesgo, no solo por tipo de trámite. Antes de decidir qué automatizar, hay que mapear qué consultas combinan alto riesgo económico (montos grandes, disputas) con alto riesgo emocional (frustración, urgencia, vulnerabilidad). Esas deben tener una ruta corta y visible hacia un humano desde el primer mensaje.
2. Escribir reglas explícitas de rendición del bot. No basta con “si el cliente lo pide, escalar”. Hay que definir con precisión cuándo el bot debe ceder el paso: tras dos intentos fallidos de resolver la misma consulta, ante palabras clave de queja o urgencia, o apenas se detecta una disputa de cobro.
3. Trasladar el contexto completo, no solo el ticket. El 78% de los consumidores considera importante poder pasar del agente automático a una persona sin perder lo avanzado, y solo el 15% vive ese traspaso como fluido. Obligar al cliente a repetir todo lo que ya le explicó al bot —el error más citado en las quejas sobre IA— es la forma más rápida de convertir una automatización barata en una cancelación cara.
4. Medir resolución al primer contacto y esfuerzo del cliente, no solo la tasa de contención del bot. Una tasa de contención alta que esconde una tasa de reincidencia o de cancelación también alta no es una métrica de éxito; es una señal de que el bot está absorbiendo consultas que debería estar escalando.

En México, un estudio de Capterra de 2024 —reportado por Expansión— encontró que el 73% de los consumidores sigue identificando la llamada telefónica con una persona como su canal preferido para resolver un problema de servicio, por encima del correo electrónico y las redes sociales. El dato confirma que, en la región, el componente humano del servicio no es un resabio cultural: sigue siendo, para la mayoría de los clientes, la opción de referencia cuando algo realmente importa.

La ejecución técnica de ese traslado de contexto importa tanto como la política que lo ordena. Un banco con operación en España o una aerolínea regional que integra su chatbot y su CRM de forma que el agente humano vea, en una sola pantalla, el historial completo de la conversación automatizada —sin que el cliente tenga que resumirlo— reduce de forma medible el tiempo de resolución y el esfuerzo percibido. Las empresas que todavía obligan al agente humano a reconstruir el caso desde cero, leyendo transcripciones sueltas o pidiéndole al cliente que repita todo, están pagando dos veces el mismo costo: el de la IA y el de la fricción que generó.

El costo de automatizar para ahorrar, no para servir

Los números de cancelación son el argumento financiero que debería pesar más que el ahorro inmediato en nómina de atención al cliente. Según los datos recopilados por SurveyMonkey, el 50% de los consumidores cancelaría un servicio si la atención fuera exclusivamente por IA, y el 42% pagaría más por conservar el acceso a un representante humano. El 89% cree que las empresas deberían ofrecer siempre la opción de hablar con una persona. Son cifras que cualquier gerente de experiencia del cliente, de un banco en Chile, una aseguradora en Perú o una cadena retail en España, debería tener presentes antes de aprobar la siguiente ronda de automatización: el ahorro en el costo por contacto no compensa el costo de adquisición del cliente que se pierde por una mala experiencia evitable.

Esto no es un argumento contra la inteligencia artificial en atención al cliente —la IA bien usada reduce tiempos de espera, atiende fuera de horario y libera a los agentes para los casos complejos—. Es un argumento contra automatizar sin definir, con la misma disciplina con la que se diseña cualquier otro proceso crítico de negocio, el punto exacto en que un cliente necesita dejar de hablar con una máquina.

La pregunta que toda gerencia debería responder antes de escalar la IA

Antes de ampliar el alcance de un asistente automatizado, la pregunta que debería responder cada comité de experiencia del cliente no es “¿cuánto ahorramos?”, sino “¿en qué consultas nuestros clientes necesitan sentir que alguien, no algo, se hizo responsable?”. Las empresas que contestan esa pregunta con datos propios —no con supuestos— y que diseñan el traspaso con la misma atención que el resto del recorrido del cliente son las que, en 2026, logran usar la IA sin pagar el precio de la desconfianza. Las que automatizan primero y preguntan después seguirán viendo cómo su tasa de contención sube mientras su tasa de retención cae, y descubrirán demasiado tarde que ambas cosas estaban conectadas.

Para profundizar en cómo construir esa capacidad sin perder el control del proceso, conviene revisar también qué medir antes de automatizar cualquier función con IA y cómo evitar que la adopción de IA erosione la confianza dentro de los propios equipos, un riesgo paralelo al que corre con los clientes. Dentro de las secciones de servicio al cliente y inteligencia artificial de deGerencia hay más herramientas prácticas sobre este mismo cruce.

Fuentes: SurveyMonkey, Customer Service Statistics; No Jitter / Metrigy, “Consumers overwhelmingly prefer human agents in the era of AI”; Verint, “AI vs. human customer service paradox”; Gartner, encuesta a líderes de servicio al cliente (feb. 2026); Qualtrics, “AI-Powered Customer Service Fails at Four Times the Rate of Other Tasks”; Expansión, sobre el estudio de Capterra en México.