El fantasma en la centralita: Lecciones de 81 millones de conversaciones de soporte

Actualmente circula una ficción silenciosa y peligrosa en las salas de juntas y oficinas ejecutivas. Dice que la IA por fin ha resuelto el problema de costos del soporte. La lógica es simple: automatiza las preguntas rutinarias, observa cómo disminuye el volumen y reduce la plantilla. Si miras los tableros a nivel macro, parece que está funcionando. La eficiencia aumenta y la desviación de tickets alcanza cifras récord.

Pero si realmente te sientas con un equipo de soporte hoy—si observas el ritmo de sus chats internos y ves la expresión en el rostro de un agente a las 4:00 p.m. en un día laboral—sabrás que la realidad es diferente. El soporte no se está aligerando. Se está volviendo más denso. 

Y esa densidad recae directamente sobre los humanos que permanecen.

En Hiver, nunca buscamos construir para la complejidad inflada de las empresas Fortune 500; construimos para los equipos ágiles y rápidos que quieren resolver problemas sin la carga de una fábrica heredada. El año pasado, nuestras plataformas ayudaron a nuestros clientes a resolver 81 millones de conversaciones. No es el volumen de una empresa enorme, pero incluso dentro de esta burbuja de PYMEs, estamos viendo un cambio que refleja y, en muchos aspectos, magnifica, la crisis que ocurre en el mundo empresarial. 

La industria está avanzando dormida hacia una crisis de talento. Estamos presenciando una erosión global del soporte de Nivel 1. En nuestra prisa por automatizar el trabajo sencillo, las plataformas de soporte 'impulsadas por IA' han roto accidentalmente el camino hacia la experiencia.

Puedes llamar a esto "transformación" si lo deseas, pero el vocabulario no oculta el hecho de que la entrada al dominio del soporte está desapareciendo de manera rápida y silenciosa. Lo que hace que este momento sea diferente de los ciclos anteriores de eficiencia es que la economía subyacente comienza a moverse en dirección opuesta al relato establecido. 

Esto no es una falla temporal de gestión. Es un cambio de sistema.

Durante más de un siglo, servicio al cliente se ha regido por la suposición invisible de que el soporte es un problema de fontanería. Esa suposición se remonta a 1917 y a un matemático llamado Agner Krarup Erlang. Él desarrolló Erlang-C, una fórmula para decirles a las compañías telefónicas cuántos operadores necesitaban para una cantidad determinada de llamadas. La fórmula trata a los humanos como tuberías: si el nivel del agua sube, simplemente ensanchas la tubería. Ergo, si tienes más llamadas, simplemente agregas más personas para manejar las entradas.

Esa lógica de central telefónica aún resuena bajo la superficie de cada mesa de ayuda moderna. Hablamos de futuros dominados por la IA y agentes supercargados, pero seguimos gestionando el soporte con métricas antiguas como Tiempo Medio de Gestión y Ocupación. La IA prometió escapar de la fontanería. Demasiadas veces, simplemente se ha convertido en la tubería más reciente incorporada a una máquina antigua.

Permíteme ilustrar esto aún más.

El año pasado, la infraestructura de Hiver manejó 85 millones de tareas manuales mediante automatizaciones: los reinicios de contraseñas, las actualizaciones de estado y las reglas de enrutamiento que antes eran el pan de cada día de un agente. Según la lógica matemática de la antigua central, eliminar 85 millones de unidades de trabajo debería crear un enorme superávit de capacidad humana. Y si esa lógica aún fuera válida, este superávit sería visible en toda la economía del soporte.

En cambio, en toda la industria, el 77% de los agentes afirma que la complejidad está aumentando, mientras que otros informes dicen que el 56% de la fuerza laboral de soporte muestra niveles récord de agotamiento. 

La matemática falla porque olvidó que esas 85 millones de tareas sencillas no eran solo trabajo—también eran tiempo de recuperación, tiempo de aprendizaje y espacio cognitivo para respirar. Quita la repetición sin rediseñar el sistema humano alrededor de lo que queda, y el resultado no es eficiencia sino compresión.

El Cornell Global Call Center Project ha pasado años documentando por qué este modelo de "fontanería" falla. Su informe de investigación de 2007 demostró por primera vez que los equipos de alto rendimiento prosperan con la discreción, pero la industria sigue gestionándolos por volumen. 

Le ha tomado casi dos décadas a la industria del soporte ponerse al día, pero por fin hablamos de "sobrecarga cognitiva" y "juicio humano"; términos que otros sistemas de alto riesgo adoptaron mucho antes al incorporar automatización e inteligencia aumentada. 

En la aviación, por ejemplo, el piloto automático no eliminó a los pilotos; los transformó en gestores de excepciones raras y críticas donde el juicio era más importante que el control rutinario. En medicina, el software de diagnóstico por imágenes no reemplazó a los radiólogos; concentró su atención en las tomografías ambiguas donde la experiencia determina el resultado. 

En cada caso, la automatización eliminó la repetición pero preservó las vías de aprendizaje que crean la experiencia. El soporte al cliente está entrando ahora en esa misma fase histórica—solo que más rápido y sin haber protegido el camino que produce a los expertos necesarios.

¿Podemos formar a los expertos del mañana si hoy hemos cubierto el camino?

Existe un segundo efecto secundario, aún más peligroso, de esta automatización que la industria en gran parte está ignorando. Estamos eliminando conscientemente la escalera del aprendizaje. 

Según investigaciones, se requieren aproximadamente 16 semanas para que un nuevo agente se vuelva realmente competente. Históricamente, esas 16 semanas se pasaban en el Nivel 1. Un agente junior aprendía el producto y el lenguaje específico del cliente atendiendo cientos de solicitudes simples y de bajo riesgo.

Pero hoy, arrojamos a los nuevos empleados directamente a lo más profundo. Vemos las consecuencias de esto a diario. Un cliente envía un correo diciendo que algo en el lado izquierdo del panel parece estar roto. Para un agente senior, eso es una referencia clara a un módulo de actividad específico. Pero para uno junior que no ha tenido oportunidad de gestionar los 1,000 tickets sencillos que forjan ese mapa mental, es un enigma ambiguo.

Esta brecha en el lenguaje crea una gran deuda de especialización. No tenemos forma de formar a la próxima generación de profesionales senior porque hemos automatizado todas las lecciones de entrada. Por eso Gartner predice que el 50 % de las organizaciones que reduzcan personal por IA se verán obligadas a volver a contratar para esos mismos roles para 2027. 

Están dándose cuenta de que, aunque la IA pueda hablar, no puede sustituir la "experiencia, empatía y juicio" que solo se construyen con la experiencia. Hemos asfaltado los peldaños y ahora nos preguntamos por qué nadie puede cruzar el río.

Toda profesión depende de un camino visible de principiante a experto, un periodo en el que los errores son pequeños, el riesgo es bajo y la capacidad de reconocer patrones se acumula silenciosamente. Cuando ese terreno intermedio desaparece, la especialización deja de renovarse. El síntoma inmediato es una resolución más lenta y una mayor escalada. La consecuencia a largo plazo es mucho más grave: una fuerza laboral vaciada donde el criterio de los seniors es escaso y frágil. Cuando la escasez se hace visible en los paneles de control ejecutivos, el ciclo de aprendizaje necesario para solucionarlo ya lleva años roto.

Entonces, ¿cómo sobreviven los equipos cuando ninguna persona puede tener todas las respuestas?

Esta presión ha provocado un mecanismo de supervivencia visible en la bandeja de entrada. Este año, los usuarios de Hiver crearon 5 millones de notas internas directamente sobre conversaciones con clientes. Esto no es solo una estadística de colaboración. Es una señal de que la era del agente solitario se ha acabado.

En el modelo anterior, una persona era responsable de un ticket hasta su cierre. Pero cuando cada ticket es una excepción compleja, nadie puede tener todas las respuestas. Esos 5 millones de notas representan una reunión colectiva. Al agruparse en torno al problema dentro de la conversación, los equipos están construyendo un "cerebro compartido" en tiempo real. Están redistribuyendo la carga cognitiva para que ningún individuo tenga que llevar solo el peso de una crisis compleja. 

Pero la inteligencia colectiva es solo una cara de la supervivencia. La otra es la realidad económica.

Como ya hemos convertido la velocidad en una mercancía con la IA, las métricas que hemos usado durante décadas están perdiendo su significado. Está surgiendo una nueva métrica que debería preocupar a todo CFO: el aumento del coste de la automatización.

El último análisis de Gartner sugiere que el sueño del soporte “gratuito” está llegando a su fin. Para 2030, se espera que el coste por resolución con GenAI supere los $3; más que el coste de muchos agentes humanos offshore. Las subvenciones se acaban y los costes de infraestructura aumentan.

¿Recuerdas que mencioné antes que la economía de fondo empezaba a moverse en sentido contrario al discurso dominante? Durante más de una década, la automatización se ha justificado principalmente por la arbitrariedad laboral: el supuesto de que el software se vuelve más barato a medida que escala. Pero cuando el coste marginal de la resolución automática empieza a igualar o superar el del trabajo humano, la cuestión estratégica cambia por completo. 

La IA ya no puede defenderse únicamente como un sustituto de las personas. Debe justificarse como un multiplicador de la capacidad humana. Esa distinción es fundamental. La sustitución reduce costes a corto plazo. La multiplicación determina la resiliencia a largo plazo. Las organizaciones que comprendan este cambio a tiempo dejarán de preguntarse cómo eliminar humanos del soporte y empezarán a preguntarse cómo hacer que los que quedan sean mucho más efectivos.

Y la efectividad, en este nuevo contexto, ya no se define solo por la corrección.

El año pasado, nuestros clientes usaron una función llamada “Análisis de Sentimientos” más de 3,6 millones de veces para comprender el contexto emocional en las conversaciones de soporte. Esto nos muestra que una respuesta correcta ya no es suficiente ni efectiva. 

Los clientes llegan a la interacción humana con un déficit de sentimientos. Están cansados y frustrados por los bots con los que acaban de lidiar. En este entorno, el papel del agente ha pasado de entregar información a restaurar emociones. El objetivo ya no es la "Resolución"; es el “Equilibrio Emocional”.

Entonces, ¿sigues gestionando una fábrica o ya estás listo para apoyar a expertos?

Si este diagnóstico es correcto, la implicación para el liderazgo no es una mejora incremental, sino una reorientación de la gestión. La cuestión central del soporte ya no es “¿Cómo gestionamos más tickets con menos personas?”, sino “¿Cómo multiplicamos el juicio humano donde la automatización se detiene, asegurando que las entregas sucedan en el momento oportuno y nunca se pierda el contexto entre el desorden de las herramientas y el cerebro compartido?” Y, ciertamente, esa es una pregunta larga. 

Las organizaciones que sigan optimizando por rendimiento parecerán eficientes hasta que la confianza del cliente se erosione y la fuga de talento se acelere. Las organizaciones que, en cambio, inviertan en contexto, colaboración y aprendizaje experiencial parecerán más lentas a corto plazo, pero serán estructuralmente superiores a largo plazo. La diferencia entre esos caminos definirá la próxima década del soporte y experiencia al cliente.

Los líderes de soporte enfrentan simultáneamente tres presiones convergentes: el aumento del coste cognitivo de cada interacción restante, un canal de talento de entrada reducido, incapaz de desarrollarse en expertos, y una capa de automatización cuyos ahorros marginales se nivelan a medida que los costes de infraestructura y modelos maduran. 

Cuando la complejidad aumenta más rápido que la productividad, el sistema se contrae. Por eso la próxima disrupción del soporte no será paulatina. Se sentirá repentina, no porque las fuerzas sean nuevas, sino porque silenciosamente han cruzado ese umbral donde la optimización incremental ya no compensa la tensión estructural.

La crisis que enfrentamos no es una falta de tecnología; es un apego a una filosofía de gestión de hace 100 años. Si queremos solucionar la deuda de experiencia y prevenir la erosión de L1, debemos dejar de construir herramientas que aíslen a los agentes y empezar a crear entornos que reconozcan y faciliten el cerebro compartido.

El soporte ya no puede escalar desviando a los clientes; solo podemos escalar empoderando a las personas que actúan como guardianes de la confianza en situaciones de alto riesgo. La próxima década no la ganará la empresa con el bot más eficiente, sino aquella que conserve a los humanos más capaces, tranquilos y ricos en contexto.