El director de tecnología y clientes afirma que los líderes de experiencia del cliente están demasiado centrados en los resultados de la IA mientras la experiencia del cliente se deteriora

Oremeyi Akah es la CCO de Interswitch, una empresa panafricana de infraestructura de pagos que presta servicio tanto a segmentos B2B como B2C.

Nos reunimos con Oremeyi para conocer los impresionantes resultados que está obteniendo gracias a la integración de la IA en toda su organización de CX. Durante la conversación, nos explicó dónde se están equivocando las organizaciones de CX al integrar la IA.

De función de servicio a función estratégica

Soy Oremeyi Akah, directora de Clientes (CCO) de Interswitch Group, una empresa panafricana de infraestructura de pagos que opera en 23 mercados africanos y conecta a particulares, empresas y gobiernos con servicios financieros digitales.

La organización de clientes que dirijo abarca todo el espectro de las relaciones comerciales de Interswitch: desde grandes instituciones financieras y empresas fintech, a través de nuestra función de gestión de cuentas clave, hasta comercios, emisores de facturas y consumidores finales que interactúan mediante canales digitales, centros de contacto y canales presenciales. Prestamos servicio tanto a segmentos B2B como B2C.

Nuestro mandato de CX abarca desde relaciones estratégicas de cuentas de alta atención con bancos como Stanbic IBTC y Providus hasta la experiencia de millones de nigerianos que realizan transacciones a diario con tarjetas Verve, Quickteller y nuestra infraestructura de conmutación.

Mi equipo gestiona relaciones en la intersección entre los ingresos, la confianza y la inclusión financiera nacional, lo que convierte la experiencia del cliente no solo en una función de servicio, sino también en una función estratégica.

Cómo la IA amplía radicalmente lo que pueden hacer los equipos de CX

Hace un año, con un equipo de 15 personas, revisábamos manualmente solo el 10 % de los contactos de clientes en nuestros canales B2B y B2C. Esto significaba que no podíamos ver el 90 % de las experiencias de nuestros clientes: cada queja, cada punto de fricción y cada señal de riesgo normativo. Tomábamos decisiones sobre la experiencia del cliente basadas en una visión muy incompleta.

Después implementamos un sistema de aseguramiento de la calidad basado en IA que cambió completamente esta situación. Ahora analizamos el 100 % de los contactos de clientes. Revisamos todas y cada una de las interacciones, las precategorizamos según su gravedad y señalamos los riesgos normativos, los patrones de fallos repetidos o las áreas que requieren atención crítica.

Como resultado, cambiaron tres aspectos.

1. Nuestra cobertura pasó del 10 % al 100 %, sin aumentar la plantilla. Esto representa un salto de 10 veces en visibilidad con los mismos recursos.
2. Pasamos de un enfoque reactivo a uno proactivo. Antes, solo detectábamos los problemas cuando los clientes los escalaban. Ahora los detectamos antes de que los escalen; y, en la infraestructura de pagos, esta diferencia es enormemente importante, tanto para la confianza de los clientes como para nuestra posición frente a los organismos reguladores.
3. Cambió el trabajo de nuestro equipo de 15 personas. El equipo pasó de muestrear contactos a actuar basándose en información útil. Ahora concentra el criterio humano donde más importa: en las interacciones con mayor gravedad y riesgo que el sistema identifica.

Así es la CX impulsada por IA en la práctica: no consiste en sustituir a las personas, sino en ampliar radicalmente lo que esas mismas personas pueden ver y hacer.

Un flujo de trabajo de IA del mundo real para gestionar las interacciones con clientes

Este es el flujo de trabajo.

Nuestra plataforma de aseguramiento de la calidad basada en IA, Gladly, incorpora automáticamente cada interacción con los clientes, ya sea por voz, correo electrónico, chat u otros canales digitales.

En primer lugar, la IA comprende la conversación. Clasifica el problema, evalúa el sentimiento, determina la gravedad, identifica posibles riesgos normativos o reputacionales, detecta patrones de fallos repetidos y predice la asignación más adecuada y la probable vía de resolución basándose en casos históricos similares.

A continuación, el flujo de trabajo se divide según la complejidad.

En el caso de problemas sencillos, la IA dirige el caso al equipo adecuado con el contexto pertinente ya recopilado para agilizar la resolución.

Para los casos de mayor riesgo o valor —especialmente aquellos que involucran a nuestros socios bancarios o cuestiones con implicaciones regulatorias— escalamos inmediatamente el caso con una prioridad recomendada. Entonces interviene la experiencia humana. Nuestros especialistas revisan las recomendaciones de la IA, aplican su criterio, tienen en cuenta la relación más amplia con el cliente y determinan la respuesta y la recuperación del servicio adecuadas.

El flujo de trabajo no termina cuando se cierra el caso.

La IA agrega continuamente información de todas las interacciones, identificando puntos problemáticos recurrentes, fallos operativos emergentes y tendencias de los clientes que los casos individuales nunca revelarían. Esa información alimenta directamente nuestras iniciativas de excelencia operativa, mejoras de productos, rediseño de procesos y paneles de control para la dirección, lo que nos permite abordar las causas raíz en lugar de limitarnos a resolver reclamaciones individuales.

Por qué son necesarios tanto la IA como el trato humano

En general, la IA se encarga del trabajo a escala: tareas que requieren amplitud, rapidez y reconocimiento de patrones en millones de puntos de datos. En concreto, esto incluye el análisis completo de los contactos, la precategorización de la gravedad, la priorización de problemas, la señalización de riesgos regulatorios y la identificación de patrones de fallos repetidos antes de que se conviertan en crisis. También proporciona una capa de alerta temprana para las escalaciones: el sistema nos indica qué requiere atención humana y con qué urgencia.

Tres tareas siguen siendo humanas, y deliberadamente.

1. Criterio para la escalación: la IA nos indica qué debemos revisar; las personas deciden qué hacer, especialmente cuando lo que está en juego en la relación o la sensibilidad regulatoria son elevados.
2. Recuperación del servicio: ningún modelo se encarga de esto, especialmente en el ámbito B2B, donde una conversación con un banco de nivel 1 es un momento importante para la relación, no solo un ticket.
3. Comprender la experiencia real del cliente: esto es lo que más me importa. La experiencia real del cliente no puede reducirse únicamente a los datos. Invertimos en la interacción etnográfica e inmersiva con los clientes. Nos sentamos con ellos, observamos cómo interactúan con nuestros productos y escuchamos lo que dicen cuando nadie realiza una encuesta. Este tipo de información —la verdad conductual sin filtros y espontánea— orienta nuestras decisiones más importantes sobre el diseño de la experiencia. La IA puede identificar a gran escala qué salió mal. Una persona presente en la sala entiende por qué.

La IA amplía lo que podemos ver. Las personas deciden qué significa y qué hacer al respecto. Ambas son necesarias. Ninguna es suficiente por sí sola.

Cómo mejora la IA la gestión de solicitudes y la satisfacción

Las reflexiones de Oremeyi

Desde un punto de vista cualitativo, hemos cambiado la cultura del equipo: hemos pasado de apagar fuegos a una gestión guiada por la inteligencia. Esto es más difícil de cuantificar, pero más fácil de percibir: en cómo realizamos las revisiones, cómo interactuamos con las cuentas y cómo hablamos del cliente en las conversaciones de dirección.

Las cifras cuentan una historia convincente.

Como he mencionado, nuestro sistema de control de calidad basado en IA nos permitió pasar de revisar el 10 % al 100 % de todos los contactos con clientes con el mismo equipo de 15 personas: una ganancia de visibilidad de 10 veces sin ningún coste adicional de personal.

Nuestro portal de autoservicio para clientes basado en IA también redujo en más de un 54 % la gestión manual de solicitudes y, algo fundamental, no se limita a desviarlas: prioriza las solicitudes de forma inteligente basándose en el volumen de clientes y los datos de tendencias, para que las personas atiendan primero los asuntos adecuados.

Y el efecto posterior en la experiencia ha sido cuantificable: el CSAT creció un 60 %. Los tiempos de respuesta mejoraron significativamente. Y quizá la cifra de la que me siento más orgulloso: la satisfacción de los empleados mejoró en más de un 70 %. Cuando tu equipo deja de estar desbordado por el volumen y empieza a realizar un trabajo significativo, eso se refleja en la forma en que atiende a los clientes.

Desde un punto de vista cualitativo, hemos cambiado la cultura del equipo: hemos pasado de apagar fuegos a una gestión guiada por la inteligencia. Esto es más difícil de cuantificar, pero más fácil de percibir: en cómo realizamos las revisiones, cómo interactuamos con las cuentas y cómo hablamos del cliente en las conversaciones de dirección.

Por qué los líderes de CX deben centrarse en la transferencia y la escalación

La mayor parte de los esfuerzos de rediseño se centra en la interfaz: el chatbot, el motor de personalización y la automatización de los contactos repetitivos. Este trabajo es necesario y, en gran medida, ya está en marcha. Pero la conexión que determina si la IA ayuda o perjudica la relación suele tratarse como una función que se configurará más adelante, a pesar de ser el sistema que más determina la confianza.

La investigación converge en este punto desde varias perspectivas. Un estudio de CX de 2025 reveló que el 79 % de los encuestados prefiere a una persona antes que a un agente de IA para los problemas complejos —por lo que la vía de escalamiento no es opcional; lo opcional es que sea fluida—. El coste de hacerlo mal ya está cuantificado: el 48 % de los clientes abandonaría una marca si tuviera que volver a explicar su problema después de ser transferido a una persona, y el 40 % se marcharía si tuviera que volver a verificar su identidad. El fallo no es la lentitud, sino que una mala transferencia borra todo lo que el cliente ya te había contado, y la confianza que la IA había generado se evapora justo cuando aumentan las consecuencias.

Dos conclusiones hacen que este tema merezca la atención del consejo de administración. En primer lugar, el sector admite discretamente que automatizó en exceso: Gartner predice que, para 2027, la mitad de las empresas que reduzcan su plantilla de atención al cliente debido a la IA volverán a contratar para realizar trabajos similares con otros títulos. En segundo lugar, el veredicto estratégico es explícito: las marcas con más probabilidades de ganarse la confianza mediante agentes de IA no son las que se apresuran a eliminar la interacción humana, sino las que diseñan procesos de escalamiento claro, conservación del contexto y divulgación honesta.

Por qué la IA no reduce la necesidad del contacto humano

Dos áreas no dieron los resultados que esperábamos, pero ambas nos enseñaron algo importante.

La primera: pensábamos que la IA podía reducir significativamente la necesidad del contacto humano. No fue así, al menos no como esperábamos. El volumen se redujo, sí. Pero la necesidad de una interacción humana auténtica no. Al reflexionar sobre ello, no debería habernos sorprendido. Nos dedicamos al dinero —el dinero de las personas, el dinero de las empresas— y, cuando algo sale mal o lo que está en juego parece importante, la gente quiere hablar con una persona. No con un bot ni con un portal. Quiere una voz humana que comprenda, asuma la responsabilidad y actúe. La IA puede contener el volumen. No puede replicar la presencia. Al fin y al cabo, somos humanos.

La segunda: la inteligencia para el diseño de productos. Esperábamos que los datos derivados de la IA nos indicaran cómo querían los clientes que se diseñaran los productos. No podía hacerlo, al menos no por completo. Los datos de comportamiento te dicen lo que hace la gente. No te dicen qué desearía que existiera ni qué le frustra a un nivel que todavía no ha sabido expresar. Para eso, volvimos a lo básico: sentarnos con los clientes, mantener conversaciones reales y realizar el trabajo etnográfico. La perspectiva que transformó nuestro enfoque de producto surgió de esas conversaciones, no de los paneles de control.

La IA es excepcionalmente buena para trabajar a escala y detectar patrones. No es buena para los matices, la emoción o la imaginación. Estos siguen siendo obstinadamente, irreductiblemente humanos, y quizá así es exactamente como debe ser.

Por qué los líderes de CX deben aprender a medir los resultados

Nuestro primer piloto funcionó. El modelo rindió, los paneles de control se llenaron de datos y las demostraciones para las partes interesadas tuvieron buena acogida. No entendí que nada de eso respondía a la única pregunta que la alta dirección haría seis meses después: «¿Qué retorno produjo esto y cómo lo sabes?»

Había optimizado para demostrar la capacidad. Debería haber optimizado para demostrar el valor, estableciendo una línea de base para la métrica que pretendíamos mejorar, aislando la contribución de la IA de otros cambios y acordando de antemano con Finanzas cómo mediríamos el éxito. No lo hicimos, así que, cuando llegó el momento de justificar la inversión, reconstruí la línea de base a posteriori y defendí una atribución que no podía demostrar con claridad.

La lección más difícil tiene que ver con la alta dirección, no con el proveedor ni con la herramienta. Una demostración llamativa es fácil de comprar y difícil de justificar. Cuando eres responsable de la partida presupuestaria, el entusiasmo no es el resultado que debes entregar: lo es una cifra que puedas defender ante el consejo. La mayoría de los pilotos de IA impresionan. Muchos menos están instrumentados para demostrar que han compensado su coste, y debes diseñar esa instrumentación desde el primer día, porque no puedes incorporarla después.

Por eso, esto es lo que le diría a cualquiera que ponga en marcha su primer piloto: decide cómo demostrarás el retorno antes de construir nada y mira con escepticismo el resultado llamativo hasta que la cifra se sostenga.

Cómo están fallando lentamente las partes no medibles de CX

Reflexiones de Oremeyi

El aprendizaje práctico es que los líderes que triunfen harán medible aquello que no se mide, en lugar de automatizarlo o defenderlo basándose en la fe. Actualmente, me baso en la fe para una parte de ello, y no creo que la fe sea suficiente.

Esto es lo que me preocupa. Estamos automatizando la mitad de la experiencia del cliente que es barata de medir y, discretamente, dejamos que la mitad que es cara de medir se atrofie; los números nos dirán que estamos ganando hasta que hayamos perdido algo que no podamos reconstruir.

La IA destaca en las partes de la experiencia del cliente que aparecen en los paneles: desvío de contactos, tiempo de gestión, coste por contacto y velocidad de resolución. Por eso las optimizamos, porque un consejo de administración puede interpretarlas fácilmente. Pero los elementos que construyen una relación duradera —por qué un cliente se siente seguro, qué consigue que perdone después de un fallo, la sensación de que alguien se responsabiliza de su resultado— no se encuentran en los datos y no podemos automatizarlos.

Así que mi preocupación no es que la IA haga mal el trabajo medible. Es que, al hacer que el trabajo medible sea tan barato y visible, redefine poco a poco la idea de una «buena experiencia del cliente» como solo el trabajo medible. La mitad que no se mide no falla de forma estruendosa; simplemente se va debilitando mientras todos los indicadores de la pared siguen mejorando.

La parte que no he resuelto —y esta es la versión honesta— es que no puedo separar claramente mi propio sesgo del riesgo real. Es conveniente que alguien cuya carrera depende del criterio humano y la empatía crea que esas cosas son irremplazables. Estoy intentando averiguar qué parte de mi convicción es una verdadera previsión y cuál responde a mi propio interés profesional.

Parte de la postura de que «la IA no puede tener empatía» probablemente sea una historia reconfortante que los líderes de CX se cuentan a sí mismos, y la frontera de las capacidades avanza más rápido de lo que esa historia presupone. Así que lo que realmente tengo en mente tiene dos caras: creo que estamos protegiendo insuficientemente la mitad de la CX que no se mide, y sospecho de cuánto deseo que eso sea cierto.

El aprendizaje práctico es que los líderes que triunfen harán medible aquello que no se mide —medir directamente la confianza, la responsabilidad y la recuperación tras un fallo—, en lugar de automatizarlo o defenderlo basándose en la fe. Actualmente, me baso en la fe para una parte de ello, y no creo que la fe sea suficiente.

Tres consejos para los líderes de CX que implementan IA

En general, este es mi consejo para los líderes de CX:

1. Sé realista. Sé comprensivo. El ruido en torno a la IA en la experiencia del cliente es enorme, y gran parte de él no es más que exageración que persigue a otra exageración. Atraviésalo apoyándote en una pregunta: «¿Esto mejora la vida de mi cliente?». No mejora en un panel. Mejora en su día a día. Si la respuesta es sí, persíguelo. Si solo resulta impresionante, déjalo. Los clientes no recuerdan tu conjunto de tecnologías. Recuerdan cómo les hiciste sentir. Eso no ha cambiado y la IA tampoco lo cambia.
2. Sigue aprendiendo, sin descanso. Este entorno avanza más rápido de lo que cualquiera de nosotros se preparó para afrontar. Los líderes mejor posicionados para atender a sus clientes dentro de cinco años serán aquellos con la suficiente curiosidad para admitir hoy que no lo tienen todo resuelto. Lee. Haz preguntas. Habla con tus colegas de distintos sectores y zonas geográficas. Siéntate con tus clientes. En el momento en que dejas de aprender en este entorno, empiezas a quedarte atrás: primero discretamente y después de repente.
3. No tengas miedo de experimentar. No todas las iniciativas funcionarán. Algunas de nuestras mayores conclusiones surgieron de iniciativas que no salieron según lo previsto. Eso no es un fracaso: es conocimiento adquirido a un alto precio. Crea una cultura en la que tu equipo se sienta seguro para probar, aprender y adaptarse. Las organizaciones que lideren en CX no tendrán la IA más sofisticada; tendrán detrás los equipos más valientes y curiosos.

Esfuérzate por ganar para las personas, no para la presentación.

Sigue la actualidad

Puedes seguir el trabajo de Oremeyi Akah en LinkedIn.

¡Próximamente publicaremos más entrevistas con expertos en The CX Lead!