El principal obstáculo a la hora de implementar agentes de IA para la experiencia del cliente —el que todos los proveedores tienen que afrontar y que el mercado medio percibe con mayor intensidad— es la brecha de puesta en práctica: la distancia que separa la adquisición de una solución de experiencia del cliente basada en agentes de conseguir que esta funcione de forma fiable con tus clientes, tus productos y tus casos extremos, sin necesidad de un equipo dedicado que la supervise constantemente.

He aquí por qué esto afecta más al mercado medio. Todos los proveedores, en todos los niveles, ofrecen demostraciones impecables. Un cliente potencial de gran empresa ve esa demostración, se decide por el producto y luego le dedica un equipo de implementación de seis personas, un par de ingenieros de desarrollo del proveedor y un socio de integración de sistemas durante cuatro meses para alimentarlo con datos, ajustar sus respuestas, crear medidas de seguridad, configurar las integraciones y gestionar los 200 casos extremos que los clientes reales le plantean. Las empresas del mercado medio no pueden hacer eso. Quizás tengan un técnico de operaciones y un responsable de experiencia del cliente que además gestiona a 30 agentes. Necesitan que la cosa funcione —no en una demostración, ni tras un contrato de servicios profesionales de 150 000 dólares—, sino en cuestión de días, con la desordenada base de conocimientos que ya tienen.

Esto se desglosa en tres puntos débiles concretos que nadie ha logrado resolver aún. En primer lugar, la incorporación de conocimientos: ¿cómo se consigue que la IA comprenda realmente tu negocio específico sin un proyecto de ingeniería de datos? La mayoría de las soluciones siguen requiriendo la curación manual de bases de conocimientos, la importación estructurada de preguntas frecuentes o largos periodos de «entrenamiento». En segundo lugar, el mantenimiento continuo de la precisión: los productos cambian, las políticas se actualizan y surgen casos extremos. ¿Quién mantiene la IA al día cuando no se cuenta con un equipo dedicado a las operaciones de IA? En tercer lugar, la calibración de la confianza: los líderes del mercado medio necesitan saber cuándo la IA gestionará las cosas de forma autónoma, en lugar de «pronto tendremos un par de casos de uso más probados y partiremos de ahí…». Claridad.

Ahora bien, quizá te sientas tentado a decir «facilidad de uso» o «configuración sencilla», y aunque ambos conceptos están relacionados, son requisitos mínimos, no factores diferenciadores. Zendesk e Intercom ya se han adueñado del discurso de «fácil de configurar». La idea más profunda es que la facilidad de configuración es diferente de la facilidad de puesta en marcha. Puedes tener un chatbot operativo en 10 minutos que dé respuestas erróneas el 30 % de las veces y derive a un humano el 50 % de los casos que no siguen su ruta óptima.
Eso es una configuración fácil, pero una puesta en marcha terrible.

Glassix presenta una «experiencia del cliente basada en agentes que realmente funciona en entornos de producción para el mercado medio —sin necesidad de un gran equipo detrás—», y ese es un nicho que ninguno de los cuatro segmentos de proveedores ha logrado acaparar: los proveedoresde modelos base operan a un nivel demasiado básico; las plataformas de automatización no comprenden la experiencia del cliente; los proveedores de sistemas operativos basados en agentes se centran en conseguir clientes empresariales; y los gigantes tradicionales del sector de la experiencia del cliente están incorporando la IA a arquitecturas heredadas que no fueron diseñadas para un funcionamiento autónomo.

¿Y si pudieras, en cuestión de días, poner en marcha un equipo de agentes de atención al cliente que entiendan tu negocio, hablen tu mismo idioma y sigan haciéndolo a medida que tu negocio evolucione? Y no, no hace falta que pidas bandejas de pizza para un ejército de ingenieros de implementación, porque no son necesarios (ni los ingenieros, ni las pizzas).