Para implementar la IA en un centro de atención al cliente regulado, decide primero qué se le permite decir a la IA antes de decidir qué herramienta lo dirá. Establece primero las normas de gobernanza, empieza por preguntas informativas de gran volumen, valida las respuestas antes de que se publiquen, mantén un registro de auditoría que permita rastrear las respuestas hasta su fuente aprobada y amplía la autonomía por etapas. Esa es la secuencia que Inbenta recomienda a los centros de atención al cliente regulados que implementan Inbenta Encore, nuestra plataforma de IA centrada en el conocimiento para la experiencia del cliente.
La implementación de la IA se estanca en una reunión sobre riesgos, no en una demostración
Una de las preguntas que más nos gusta plantear desde el principio es: ¿por qué se estancan vuestras implementaciones de IA? Lo que hemos observado es que las implementaciones de IA se estancan en una reunión sobre riesgos, no en una demostración. La prueba piloto funciona, se aprueba el estudio de viabilidad y, entonces, el departamento de cumplimiento normativo plantea una pregunta que el proveedor no puede responder: ¿qué le dirá exactamente este sistema a un cliente y quién lo ha autorizado?
La presión para superar esa reunión es real. Gartner informó en febrero de 2026 que el 91 % de los responsables de atención al cliente se ven presionados para implementar la IA. En junio de 2025, Gartner predijo que más del 40 % de los proyectos de IA con capacidad de agencia se cancelarían a finales de 2027. Un centro de atención al cliente regulado que ya ha pasado por una prueba piloto fallida tiene motivos de sobra para ser cauteloso.
El problema es de diseño. La mayoría de los sistemas de IA utilizados en la atención al cliente redactan la respuesta mientras el cliente espera. Esa respuesta no existe hasta el momento en que se genera, por lo que nadie puede aprobarla de antemano y el equipo de riesgos no puede dar el visto bueno a un texto que no ha visto. Unas indicaciones mejoradas reducen la frecuencia con la que esto sale mal. No cambian quién ha redactado la respuesta.
El término «gobernanza» tiene que referirse a algo concreto
Pregunta a un proveedor qué significa «gobernanza» en el contexto de la IA aplicada a los centros de atención al cliente y presta atención a los detalles concretos. La gobernanza significa que, para cualquier respuesta que dé la IA, se puede saber de dónde procede, quién la aprobó y cuándo. Si un proveedor utiliza el término «gobernanza» sin identificar esos tres mecanismos, considéralo una afirmación más que una capacidad real.
En el caso de un centro de atención al cliente regulado, la gobernanza se reduce a tres elementos fundamentales:
- Respuestas vinculadas a la fuente. Cada respuesta remite al contenido correspondiente que la respalda: la página de la póliza, la tabla de tarifas, las condiciones del producto.
- Aprobación humana en el momento de la creación. Un experto en la materia autoriza la información antes de que el cliente la vea. Esa aprobación constituye el registro.
- Un registro de auditoría. Los departamentos de gestión de riesgos y cumplimiento normativo pueden rastrear cualquier respuesta que haya dado el asistente hasta el contenido regulado y la autorización correspondiente.
El Marco de Gestión de Riesgos de la IA del NIST, publicado en enero de 2023, organiza el trabajo relacionado con los riesgos de la IA en cuatro funciones: gobernanza, identificación, medición y gestión. El NIST describe la gobernanza como una función que impregna las otras tres, por lo que ocupa el primer lugar. Este mismo orden se aplica en un centro de atención al cliente. Decide quién es el responsable del conocimiento, quién lo aprueba y qué pruebas de cumplimiento se necesitan antes de configurar nada.
Decide cuatro respuestas antes de cualquier demostración de un proveedor
Antes de elegir una herramienta de IA, ¿qué aspectos deben estar claros? Cuatro respuestas, acordadas internamente, antes de cualquier demostración de un proveedor:
- Fuentes. ¿Qué contenido se publica primero? Normalmente, las páginas de políticas, las condiciones de los productos y el contenido de ayuda, que ya son los que generan más consultas.
- Caso de uso. ¿ Cuál es el beneficio inmediato: un autoservicio regulado, un flujo de trabajo automatizado o un agente que razona dentro de los límites que tú establezcas?
- Responsable. ¿Quién del equipo de CX aprueba los contenidos y se hace cargo del asistente tras su lanzamiento? Si la respuesta sincera es «el departamento de TI, en nombre del equipo de CX», una respuesta errónea puede permanecer activa durante un sprint.
- Norma. ¿Qué tendrían que ver los departamentos de cumplimiento normativo, jurídico o de auditoría para dar su visto bueno? Anótalo. Eso se convertirá en tu prueba de aceptación.
Lo que hemos observado es que la cuarta pregunta es la que los equipos suelen saltarse, y es precisamente la que acaba con los acuerdos en las últimas fases. Haz que el equipo de gestión de riesgos defina el estándar desde el principio y evalúe cada herramienta en función de ese estándar, en lugar de hacerlo en función de una lista de características.
Automatiza primero las preguntas con una respuesta escrita
La pregunta más práctica que puede plantearse un centro de atención al cliente regulado es qué casos de uso automatizar en primer lugar. Empieza por las consultas informativas de gran volumen que tengan una respuesta correcta documentada en algún sitio: comisiones, acceso a extractos, activación de tarjetas, estado de los pagos, requisitos de documentación y configuración de cuentas. Estas consultas representan la mayor parte del volumen de contactos, y la respuesta puede aprobarse con antelación.
No reveles nada que requiera emitir un juicio sobre un cliente concreto, como casos de dificultades económicas, disputas o reclamaciones que puedan tener repercusiones normativas. Esa información debe permanecer en manos de la persona en cuestión hasta que se demuestre la base normativa correspondiente.
La mayoría de los compradores sujetos a regulación necesitan, en primer lugar, un autoservicio controlado: respuestas verificadas a gran escala en la web, las aplicaciones, los asistentes y los sistemas de voz. Las respuestas vinculadas a fuentes fiables, la aprobación humana y el registro de auditoría te llevan al siguiente nivel cuando llegas a él.
Barreras de seguridad que modifican la procedencia de la respuesta
Los compradores se preguntan qué medidas de seguridad necesita la IA de los centros de atención al cliente. Hay dos tipos, y no son equivalentes.
Los mecanismos de control de salida se asientan sobre un modelo generativo: filtros, reglas de prompts y umbrales de confianza que intentan detectar una respuesta errónea una vez que se ha generado. Reducen la tasa de errores. No pueden eliminar el comportamiento subyacente, ya que el modelo sigue generando datos en tiempo de ejecución.
Las barreras de seguridad arquitectónicas cambian el origen de la respuesta. La respuesta existe antes incluso de que se formule la pregunta. El proceso tiene lugar en la fase de ingestión, por lo que la respuesta que finalmente se ofrece ya ha sido aprobada. Esto es lo que Inbenta entiende por «alucinaciones evitadas gracias a la arquitectura», y no como una barrera añadida a posteriori. Analizamos este argumento en detalle en el artículo «Cómo evitar las alucinaciones de la IA en la atención al cliente: corrige la arquitectura, no la indicación».
La tercera medida de seguridad es el comportamiento del asistente de IA cuando existe una laguna de conocimiento. Cuando ninguna respuesta aprobada se ajusta a la consulta, el asistente no debe forzar una coincidencia poco precisa. Debe derivar la consulta a un experto en la materia o a un agente humano, adjuntando el historial completo de la conversación, para que el cliente no tenga que repetir lo que ya ha dicho.
Valida los conocimientos, no las conversaciones
¿Cómo se validan las respuestas generadas por IA antes de que lleguen a los clientes? Hay que validar la información, no las conversaciones. Revisar una a una las respuestas en tiempo real no es una solución escalable y, además, las respuestas erróneas se detectan cuando el cliente ya las ha visto. Aprobar la información antes de que se facilite resuelve ambos problemas.
El proceso que mejor funciona es el siguiente: recopilar la información de la que ya dispone la empresa, estructurarla en función de las distintas formas en que un cliente podría plantear su consulta, validar cada respuesta y hacer que un experto en la materia apruebe el contenido en el momento de su creación, antes de que el cliente lo vea.
El experto aprueba lo que dirá el sistema, no cada conversación en el momento en que se produce. Así es como se adapta a gran escala.
Supongamos que un regulador pregunte por qué la IA dijo lo que dijo
¿Cómo se garantiza el cumplimiento normativo de la IA de un centro de atención al cliente una vez que está en funcionamiento? Todo se reduce a una pregunta: imagina que, algún día, un organismo regulador, un auditor o el abogado de un cliente te pregunte por qué la IA dijo lo que dijo. Tu situación en materia de cumplimiento normativo viene determinada por lo bien que respondas a esa pregunta.
Las autoridades financieras y los organismos normativos estadounidenses se han mostrado muy claros respecto a este riesgo. El artículo destacado de la edición de junio de 2023 de la Oficina para la Protección Financiera del Consumidor, titulado «Los chatbots en las finanzas del consumidor», advertía de que el servicio de atención al cliente automatizado puede proporcionar información inexacta y no reconocer cuándo un cliente está haciendo valer sus derechos. El informe del Tesoro de EE. UU. de diciembre de 2024 sobre la IA en los servicios financieros señaló la explicabilidad y el riesgo de terceros como motivos de preocupación para las instituciones que adoptan la IA. El Perfil de IA Generativa del NIST (NIST AI 600-1, julio de 2024) señala la confabulación —un modelo que genera contenido falso con gran seguridad— como un riesgo específico de la IA generativa.
La solución práctica consiste en hacer que el sistema sea auditable, lo cual supone una postura más sólida que limitarse a calificarlo de seguro. Esto implica que las respuestas estén vinculadas a su fuente y registradas en un registro de auditoría, de modo que los departamentos de gestión de riesgos y cumplimiento normativo puedan rastrear cualquier respuesta hasta el contenido regulado al que hace referencia y hasta la aprobación que la puso en línea.
La precisión disminuye tras el lanzamiento, así que mantente atento a las correcciones
¿Cómo se supervisa la precisión de la IA tras su puesta en marcha? Empieza por analizar por qué se desvía. La precisión disminuye tras la puesta en marcha porque el negocio cambia: se modifica una tarifa, se reescribe una política o se retira un producto. Según la experiencia de nuestros clientes, esta disminución tras la puesta en marcha es un punto de fallo habitual en el servicio de atención al cliente basado en IA, y es el menos visible en una fase piloto.
El seguimiento debería dar lugar a soluciones, no solo a informes. El sistema debería aprender de las interacciones reales, detectar las lagunas (preguntas que el conocimiento no cubre, fuentes que faltan, acrónimos sin definir, escalaciones que apunten a una solución), redactar la actualización y presentársela al equipo de CX para su aprobación. Cuando una fuente cambie, las respuestas afectadas deberían marcarse y actualizarse. El paso de la aprobación sigue recayendo en el equipo de CX, de modo que el control de calidad se mantiene tras la puesta en marcha.
Mide el éxito en función de los resultados. La tasa de resolución, la resolución en el primer contacto y la satisfacción del cliente (CSAT) son los indicadores de éxito. La contención y el desvío son indicadores de eficiencia: son útiles, pero un cliente que abandona cuenta lo mismo que uno cuyo caso se ha resuelto a la hora de calcular la cifra de contención.
Un recorrido de 90 días con datos que lo avalan en cada etapa
Los equipos quieren saber cómo es un proceso de 90 días hasta la puesta en marcha. Una implantación controlada amplía la autonomía por etapas, demostrando los resultados en cada una de ellas antes de pasar a la siguiente. A esto lo llamamos «autonomía por etapas»: primero leer, luego recomendar y, por último, actuar.
Días 1 a 30: definición del alcance y desarrollo. Aceptar las cuatro respuestas anteriores, incluida la norma de cumplimiento por escrito. Importar las primeras fuentes. Los expertos en la materia revisan y aprueban los contenidos de los primeros temas.
Días 31 a 60: puesta en marcha limitada. Pon el asistente en funcionamiento en un solo canal y con un conjunto limitado de temas. Realiza un seguimiento de la resolución, los motivos de escalado y las deficiencias que detecte el sistema de supervisión. Comparte el registro de auditoría con el departamento de cumplimiento normativo lo antes posible, antes de que te lo pidan.
Días 61 a 90: ampliar. Añadir temas y canales una vez que el primer conjunto esté consolidado. Plantearse un primer flujo de trabajo automatizado para una transacción de ruta fija. Considerar la voz como una línea temporal independiente, ya que la integración de la telefonía y la migración del flujo de llamadas añaden tiempo.
La clave del plan es que cada fase deja un rastro. Para el día 90, el equipo de riesgos debería estar dando el visto bueno a un documento, no a una promesa.
Preguntas frecuentes
¿Cuál es el primer paso para implementar la inteligencia artificial en un centro de atención al cliente regulado?
Acuerda los aspectos de gestión antes de elegir una herramienta: qué fuentes se incorporan en primer lugar, quién del equipo de CX aprueba la información y qué requisitos de cumplimiento deben cumplirse para que se apruebe la puesta en marcha. Pone por escrito esa norma y evalúa a los proveedores en función de ella.
¿Es necesario que una persona revise cada respuesta generada por la IA en un centro de atención al cliente regulado?
No. Revisar las conversaciones en directo una por una no es una solución escalable. El enfoque recomendado consiste en que un experto en la materia apruebe el contenido en el momento de la creación, antes de que los clientes lo vean, de modo que dicha aprobación sirva como registro de auditoría.
¿Cómo valida Inbenta Encore las respuestas generadas por IA antes de que lleguen a los clientes?
Encore ejecuta la validación en este orden. Ingesta: Encore recopila la información de la que ya dispone la empresa (páginas web, documentos normativos, archivos PDF, transcripciones de llamadas y sistemas como Salesforce, ServiceNow y SharePoint) a través de más de 850 conexiones preconfiguradas. Una sesión de ingesta tarda entre 30 y 60 minutos con un conjunto de contenido típico. Estructuración: determina las múltiples formas en que un cliente podría formular una pregunta y vincula cada una de ellas a una solución. Validación: un segundo modelo independiente comprueba cada respuesta antes de que se publique. Aprobación: el experto en la materia aprueba el conocimiento en el momento de su creación, antes de que el cliente lo vea. Esa aprobación constituye el registro de auditoría. En el momento de la ejecución, Encore empareja la solicitud del cliente con una respuesta aprobada, adjuntando su fuente.
¿Qué medidas de control evitan que la IA del servicio de atención al cliente dé respuestas erróneas?
Los filtros de salida y las reglas de respuesta reducen las tasas de error en las respuestas generadas. Las medidas de control arquitectónicas van más allá: la IA empareja cada pregunta con una respuesta aprobada previamente y deriva la consulta a una persona cuando no hay ninguna respuesta aprobada que se ajuste a la pregunta.
¿Cuáles son los tres niveles de Inbenta Encore?
Encore se estructura en tres niveles, y el orden es deliberado. Autoservicio controlado: respuestas verificadas a gran escala, tanto en la web como en la aplicación, los asistentes de IA y la IA de voz. Flujos de trabajo de IA: tareas transaccionales con un recorrido fijo, conectadas a los sistemas de registro. Agentes de IA personalizados: tareas orientadas a objetivos que requieren criterio y razonamiento dentro de los límites que tú establezcas. La mayoría de los compradores sujetos a regulación necesitan primero el nivel uno. Las respuestas vinculadas a la fuente, la aprobación humana y el registro de auditoría se trasladan al siguiente nivel.
¿Cómo consigue Encore que las respuestas sigan siendo precisas tras el lanzamiento?
Encore Elevate aprende de las interacciones reales, detecta las lagunas (preguntas que el conocimiento no cubre, fuentes que faltan, acrónimos sin definir, escalaciones que apuntan a una solución), redacta la actualización y la publica tras la aprobación del operador con un solo clic. Cuando cambia una fuente, las respuestas afectadas se marcan y se actualizan. El paso de aprobación sigue recayendo en el equipo de experiencia del cliente, por lo que el control de calidad se mantiene tras la puesta en marcha. Los asistentes de IA de Encore alcanzan una precisión en las respuestas del 98 al 99 % en producción.
¿Cómo ven las autoridades y los organismos de normalización estadounidenses la inteligencia artificial en la atención al cliente?
En su informe destacado de 2023, la CFPB alertó sobre el riesgo de que el servicio de atención al cliente automatizado proporcione información inexacta. El Marco de Gestión de Riesgos de la IA del NIST y su Perfil de IA Generativa ofrecen a las instituciones una estructura para regular, identificar, medir y gestionar los riesgos relacionados con la IA.
¿Cuánto tiempo se tarda en implementar la IA regulada en un centro de atención al cliente?
Con Inbenta Encore, las primeras respuestas verificadas suelen llegar el mismo día de la ingesta, mientras que un asistente con funciones limitadas tarda varios días. Las implementaciones de voz pueden tardar hasta 90 días cuando se incluye la integración con la telefonía.
Míralo en tu propio contenido
Aporta una política, un centro de ayuda o un conjunto de transcripciones, y comprueba cómo Encore las convierte en respuestas vinculadas a la fuente que tu equipo aprueba.
Programa una demostración