Cómo evaluar las plataformas de IA agentiva: un marco de referencia para compradores en materia de experiencia del cliente empresarial

Ya has asistido a las demostraciones. Los agentes han resuelto todas las consultas simuladas, los paneles de control tenían un aspecto impecable y ahora la plataforma tiene que superar el escrutinio de quienes no estaban en la sala de demostraciones.

Evaluar una plataforma de IA autónoma para la experiencia del cliente (CX) en el ámbito empresarial implica valorar seis criterios sobre los que debe ponerse de acuerdo tu comité de compras: arquitectura, gobernanza, resultados de resolución, nivel de integración, durabilidad del modelo y plazo de puesta en producción.

La mayoría de las evaluaciones se realizan con marcos diseñados para la IA destinada al gran público o a las pymes. La plataforma parece prometedora, pero cuando llega al escritorio del CISO, el proceso se estanca. El resultado son ciclos de adquisición desperdiciados y proyectos piloto que no superan su primera auditoría.

Puntos clave

• La mayoría de los marcos de IA agentiva para compradores que se han publicado pasan por alto los dos criterios que determinan los acuerdos empresariales: la gobernanza y la durabilidad del modelo. Un marco diseñado para la IA destinada al consumidor no es aplicable a la producción regulada.
• El comité de compradores es más amplio que el de CX. El director de sistemas de información (CIO), el director de seguridad de la información (CISO), el director de riesgos y el director de operaciones (COO) aportan cada uno una perspectiva diferente. Una plataforma que cumple con los requisitos de CX pero que se queda estancada en la revisión de seguridad es el patrón de fracaso más habitual.
• El tiempo de puesta en marcha no es una métrica vanidosa. La diferencia entre lanzar un programa de IA en cuestión de días y tardar seis meses en hacerlo es la misma que existe entre un programa de IA que genera valor y otro que acaba archivado.
• Un marco de seis pasos, que se lleva a cabo con la comisión al completo presente en la sala, pone de manifiesto los criterios que determinan el acuerdo antes de que se lleve a cabo la contratación.
• Descubre cómo se ajusta Encore a cada criterio de evaluación en una demostración.

¿Qué es una plataforma de IA agencial?

Una plataforma de IA con capacidad de acción es un sistema empresarial que dota a los agentes de IA de la capacidad de planificar y ejecutar tareas de varios pasos de forma autónoma, más allá de las simples interacciones de pregunta y respuesta de un solo turno.

En el ámbito de la experiencia del cliente, esto significa una IA capaz de gestionar una interacción de principio a fin, y no solo de generar una respuesta fluida y pasar la llamada a un agente humano.

Una verdadera IA agentiva se rige por objetivos. Recibe un objetivo, determina su propio camino y lo lleva a cabo sin supervisión continua ni pasos preestablecidos.

Esto difiere, desde el punto de vista arquitectónico, de la automatización basada en desencadenantes que se comercializa como «agente», en la que cada paso se define de antemano.

Seis pasos para evaluar una plataforma de IA autónoma para la experiencia del cliente en la empresa

Sigue estos seis pasos en orden. Cada uno de ellos termina con una pregunta que debes plantear directamente al proveedor, ya que la rapidez y la precisión de la respuesta te dicen tanto como la propia respuesta.

Paso 1. Analizar la arquitectura: ¿«Knowledge-first» o «LLM-first»?

Determina si las respuestas se obtienen de una fuente controlada o si las genera el modelo en tiempo de ejecución. Esta única decisión determina si los cinco criterios siguientes son siquiera alcanzables.

Qué preguntar al proveedor: «Muéstrame el documento de origen concreto en el que se basa esta respuesta y dime si cada respuesta se obtiene de una fuente controlada o se genera en tiempo de ejecución».

Paso 2. Prueba de resistencia de la gobernanza y la auditabilidad

Asegúrate de que puedes reconstruir lo que dijo la IA y por qué, cuando se te solicite, no tras presentar un ticket de asistencia. En la experiencia del cliente regulada, la auditabilidad es la restricción vinculante y debe cumplir con las obligaciones de transparencia del artículo 13 de la Ley de IA de la UE.

Qué hay que preguntarle al proveedor: «Elabore un registro de auditoría de esta conversación que cumpla con los requisitos normativos y en el que se indique la fuente de cada respuesta».

Paso 3. Mide los resultados de la resolución, no la desviación

Evalúa la plataforma en función de la resolución en el primer contacto, no de la contención ni de la desviación. La contención se mide por si se ha evitado la intervención de una persona. La resolución se mide por si se ha solucionado el problema del cliente.

Qué hay que preguntarle al proveedor: «Muestre la tasa de resolución en el primer contacto y el índice de satisfacción del cliente (CSAT) de una cuenta de producción regulada, no de un entorno de demostración».

Paso 4. Evaluar el grado de integración y la adecuación al centro de atención al cliente

Comprueba si la plataforma es compatible con los sistemas que ya utilizas, incluida la infraestructura obsoleta del centro de atención al cliente. Una plataforma que obligue a una sustitución completa antes de aportar valor añadido rara vez supera el análisis de viabilidad.

Qué preguntar al proveedor: «¿Para cuáles de nuestros sistemas disponéis de integraciones ya preparadas? ¿Podéis conectaros a nuestro centro de atención al cliente actual sin tener que sustituirlo por completo?».

Paso 5. Comprobación de la independencia del modelo y la solidez de la inversión

Comprueba que la plataforma pueda pasar de un modelo de base a otro sin tener que volver a validar toda la implementación. El panorama de los modelos cambia cada año, y la dependencia de un único modelo se convierte en un ciclo de actualización que nadie tuvo en cuenta en la fase de adquisición.

Qué preguntar al proveedor: «Cuando se lance un nuevo modelo o el que utilizamos quede obsoleto, ¿qué cambios habrá por nuestra parte y qué habrá que volver a validar?»

Paso 6. Verificar el plazo de puesta en producción y el mantenimiento continuo

Comprueba con qué rapidez la plataforma alcanza una implementación en producción y controlada, y qué garantiza la precisión de las respuestas tras el lanzamiento. Una prueba piloto rápida que pierde eficacia en el tercer mes no está lista para la producción.

Qué preguntar al proveedor: «Explícame paso a paso el proceso para una implementación en producción y muéstrame cómo se mantiene la precisión a medida que cambia nuestro contenido».

4 señales de alerta a las que hay que prestar atención durante la evaluación

Estos patrones se repiten una y otra vez en evaluaciones que posteriormente fracasan.

• El proveedor no puede presentar, cuando se le solicite, un registro de auditoría que cumpla con los requisitos de las autoridades reguladoras. Si para determinar la procedencia es necesario realizar una llamada de seguimiento, es que dicha información no existe en la arquitectura.
• Las referencias de los clientes se centran en pymes o en tecnología de consumo, no en empresas sujetas a regulación. Una plataforma que ha demostrado su eficacia en servicios de asistencia de bajo riesgo aún no ha sido puesta a prueba ante un inspector.
• Los plazos de implementación se expresan en trimestres, no en semanas. Los plazos largos suelen indicar que se trata de un trabajo de desarrollo a medida que habrá que repetir cada vez que cambie tu contenido.
• La capacidad de actuación se demuestra mediante demostraciones, no con referencias. Una demostración controlada demuestra el escenario ideal. Una cuenta de referencia regulada demuestra la arquitectura.

Si una plataforma cumple dos o más de estos criterios, la evaluación ya te está dando una pista. Pon a prueba una plataforma que no los cumpla.

Por qué la mayoría de los marcos de compra no tienen en cuenta la gobernanza

Hay cuatro puntos ciegos que se aprecian en los marcos de referencia que aportan los compradores.

• La mayoría se han diseñado para la IA destinada al consumidor. Los marcos que se centran en la integración, el diseño de flujos de trabajo y la optimización de la experiencia dan por sentado que la gobernanza no es la limitación determinante. En la experiencia del cliente regulada, sí lo es.
• Los responsables de la experiencia del cliente (CX) no pueden llevar a cabo la evaluación por sí solos. El departamento de CX se encarga de los indicadores de experiencia, el director de seguridad de la información (CISO) se encarga de la postura de auditoría, el director de riesgos se encarga de la exposición normativa y el director de sistemas de información (CIO) se encarga del compromiso con la plataforma. Un marco que omita a cualquiera de ellos no superará el proceso de adquisición.
• La gobernanza no es una característica que se añada a posteriori. Una plataforma diseñada pensando ante todo en el conocimiento, con enlaces a fuentes y registros de auditoría como principios de diseño, genera gobernanza como resultado natural. Una plataforma diseñada pensando ante todo en los modelos de lenguaje grande (LLM) no puede incorporar la gobernanza a posteriori mediante documentación. Este es el quid de la cuestión del problema de los «envoltorios» de los LLM.
• La durabilidad de los modelos es el criterio del que menos se habla. El panorama de los modelos en 2024 no es el mismo que en 2026, ni será el mismo que en 2028. Una plataforma basada en un único modelo genera un ciclo de renovación que nadie había previsto, por lo que la independencia respecto a los modelos supone una protección de la inversión.

Lo que realmente necesita el comité de decisión sobre la experiencia del cliente (CX) de la empresa

Hay cuatro perfiles que dan el visto bueno a la IA aplicada a la experiencia del cliente (CX) en la empresa, y cada uno tiene un requisito imprescindible diferente.

El director de sistemas de información necesita que la inversión sea sostenible y que el compromiso con la plataforma no se convierta en un lastre cuando cambie el panorama de los modelos. La cuestión es si esta decisión seguirá pareciendo acertada dentro de tres años, teniendo en cuenta los sistemas que ya están en funcionamiento.

El director de seguridad de la información (CISO) y el director de riesgos necesitan un registro de auditoría completo, la vinculación de las fuentes en cada respuesta, un comportamiento determinista ante consultas repetidas y la correspondencia de los controles con los marcos normativos a los que deben rendir cuentas, como la norma SR 11-7, la norma SOC 2 y el artículo 30 del RGPD.

El responsable de CX necesita una precisión que se mantenga a gran escala, no solo en las demostraciones, y una resolución en la que los clientes confíen desde el primer contacto. Esa resolución debe ser cuantificable y estar vinculada a una implementación de la IA en el sector regulado que el equipo pueda justificar.

El director de operaciones necesita que el programa se ponga en marcha rápidamente y siga funcionando. Una implementación que se mida en días en lugar de en trimestres, con un mantenimiento que no requiera un equipo de contenidos permanente, marca la diferencia entre un programa que crece y uno que se estanca.

Cómo se adapta Encore al marco de referencia del comprador

Inbenta Encore se ha diseñado dando prioridad al conocimiento, lo que le permite cumplir los seis criterios en lugar de solo tres. El enfoque habitual en el sector es dar prioridad a los modelos de lenguaje a gran escala (LLM). Encore invierte ese diseño.

• Arquitectura. El contenido de origen se importa y se estructura en intenciones reguladas y vinculadas a la fuente. En tiempo de ejecución, el sistema recupera una respuesta previamente validada, y el modelo se encarga de la coordinación y el enriquecimiento, en lugar de generar el contenido.
• Gobernanza. Cada respuesta se remonta a su intención original, y cada ruta de decisión puede examinarse, de modo que un responsable de cumplimiento normativo o un inspector puede ver exactamente por qué el sistema respondió de esa manera. El registro de auditoría se mantiene a medida que evoluciona el contenido, gracias a la ingeniería del conocimiento, la capa de datos regulada que sustenta la gestión inteligente del conocimiento.
• Resultados en la resolución de incidencias. La plataforma está diseñada para resolver, y no solo para responder, con una mejora del 35 % en la resolución en el primer contacto y del 30 % en la satisfacción del cliente (CSAT), tal y como demuestran los datos documentados. GOL Airlines gestiona más de 10 millones de consultas al año, y Travel Club redujo el coste por llamada en un 39 % gracias a la IA de voz de Encore.
• Nivel de integración. Con más de 850 integraciones empresariales preconfiguradas, la orquestación preconfigurada se conecta a la infraestructura heredada del centro de atención al cliente sin necesidad de sustituir por completo la plataforma, por lo que no es necesario resolver la migración antes de implementar la IA.
• Durabilidad de los modelos. Encore evalúa los modelos disponibles en función de tu caso de uso y puede alternar entre ellos, de modo que la inversión no se convierta en un lastre cuando cambie el panorama. La «inteligencia programada», impulsada por la arquitectura de doble LLM de Encore, alterna entre la recuperación determinista y la formulación generativa en función del contexto. Esto es, en la práctica, una orquestación de la IA independiente del modelo.
• Tiempo hasta la puesta en marcha. Encore está listo para la producción en cuestión de días, no de meses, con una implementación un 75 % más rápida y una reducción de los costes generales del 50 %. Su capa de mantenimiento autónomo supervisa las interacciones, detecta lagunas en el contenido y actualiza las intenciones cuando cambia el contenido de origen, sin necesidad de intervención manual.

Inbenta Encore es una plataforma unificada de IA orientada al agente, no un conjunto de productos independientes, y por eso ha sido galardonada con el premio TSIA Star Award en la categoría de «Innovador del año en éxito digital del cliente».

Si estás llevando a cabo una evaluación que preferirías no repetir, presenta este marco de trabajo en una sesión de trabajo.

Preguntas frecuentes

¿Qué es una plataforma de IA agencial?

Una plataforma de IA con capacidad de acción dota a los agentes de IA de la capacidad de planificar y ejecutar tareas de varios pasos de forma autónoma, más allá de las simples preguntas y respuestas de un solo turno. En el ámbito de la experiencia del cliente (CX), puede resolver una interacción de principio a fin, en lugar de limitarse a generar una respuesta y pasar el relevo. Se basa en objetivos, no en guiones preestablecidos.

¿Cómo se evalúa una plataforma de IA autónoma para la experiencia del cliente (CX) en el ámbito empresarial?

Evalúa seis criterios por orden: arquitectura, gobernanza, resultados de la resolución, nivel de integración, solidez del modelo y tiempo hasta la puesta en producción. Realiza la evaluación con todo el comité, ya que los departamentos de experiencia del cliente (CX), seguridad, riesgos y TI aportan cada uno una perspectiva diferente. Concluye cada paso con una pregunta directa al proveedor.

¿Cuál es la diferencia entre una IA agente y un asistente de IA inteligente?

Un asistente inteligente basado en IA responde a preguntas concretas y delega cuando la tarea se complica. La IA «agente» planifica y ejecuta una tarea de varios pasos para alcanzar un objetivo, gestionando la interacción de principio a fin. La diferencia radica en la autonomía y la capacidad de resolución, no en lo fluidas que suenen las respuestas.

¿Qué deben buscar los sectores regulados en una plataforma de IA autónoma?

Lo primero es la auditabilidad. Es necesario contar con un enlace a la fuente en cada respuesta, un registro de auditoría apto para los organismos reguladores, un comportamiento determinista en las consultas repetidas y mapeos de control con los marcos normativos bajo los que se opera. La gobernanza debe ser una cuestión de arquitectura, no una capa de registro añadida a posteriori.

¿Cuánto tiempo se tarda en implementar una plataforma de IA con capacidad de agencia?

De días a semanas, no de trimestres. Los plazos largos suelen indicar un trabajo de desarrollo a medida que se repite cada vez que cambia el contenido. Una plataforma basada en el conocimiento integra rápidamente el contenido en «intents» controlados, y así es como Encore logra una implementación un 75 % más rápida que los enfoques tradicionales.

¿Cuál es el criterio que más se pasa por alto en la evaluación de la IA agencial?

Durabilidad de los modelos. La mayoría de los marcos de trabajo la pasan por alto, pero el panorama de los modelos cambia cada año, y la dependencia de un único modelo se convierte en un ciclo de actualización sin fin. Una plataforma independiente de los modelos protege la inversión al permitir cambiar de modelo sin tener que volver a validar toda la implementación.