Transformando la experiencia del cliente con IA

Imagina que pierdes tu tarjeta de crédito y tratas de reportar a tu banco el extravío. Llamas a la línea de atención al cliente, pasas por varios filtros de verificación y te transfieren con distintos agentes, a los que tienes que repetir varias veces la misma información. Mientras tardan en bloquear tu tarjeta, te desesperas porque temes que alguien haga cargos indebidos en tu tarjeta. Finalmente, el problema se resuelve. Días después, recibes una encuesta del banco donde indicas que el problema se solucionó y que la atención fue “satisfactoria”, pero esta evaluación no capta realmente la frustración e incertidumbre de la experiencia que viviste.

Aunque se siguen usando encuestas, escalas de satisfacción y otras métricas para medir la experiencia del cliente, estos instrumentos no siempre reflejan la historia completa de una interacción y pueden pasar por alto inconformidades y otras emociones negativas. Sin embargo, en un entorno donde productos y servicios son cada vez más accesibles y fáciles de replicar, la calidad del trato puede hacer la diferencia. Por ello, es relevante para las organizaciones poder analizar directamente las conversaciones que pasan por el área de atención al cliente.

Esa es la premisa central de una investigación de próxima publicación en el International Journal of Bank Marketing, donde se propone un sistema que combina aprendizaje competitivo e inteligencia artificial (IA) generativa -como Claude, Gemini o ChatGPT-, para extraer insights de experiencia del cliente a partir de más de 10 millones de conversaciones que sucedieron en el marco de los servicios bancarios.

Escuchar la experiencia en tiempo real

La experiencia del cliente no ocurre en abstracto, sino que se manifiesta en interacciones concretas, como puede ser una tarjeta perdida, una cuenta bloqueada, una transferencia retrasada, una transacción no reconocida o una aplicación móvil que no funciona. En esas conversaciones, el diálogo no es lineal y con frecuencia aparecen emociones, expectativas y señales de frustración que no pueden capturarse mediante preguntas estructuradas.

Si consideramos una lógica del servicio, el valor de un producto financiero no se percibe hasta que el usuario ve sus necesidades resueltas. Por ello, las interacciones entre clientes y agentes representan procesos de cocreación de valor. Al mismo tiempo, desde la perspectiva del marketing relacional, cada interacción contribuye a construir —o erosionar— activos esenciales como la confianza, el compromiso y la percepción de competencia. Cada llamada al call center puede brindar información estratégica sobre la relación entre un cliente y la institución.

A partir de más de 10 millones de conversaciones telefónicas recopiladas durante dos años en un call center de una institución financiera global, identificamos tópicos recurrentes y patrones que se analizaron posteriormente mediante IA generativa en lenguaje natural. A diferencia de un chatbot, este sistema no estaba diseñado para reemplazar agentes humanos ni atender clientes directamente, sino para interpretar conversaciones y convertirlas en conocimiento accionable.

La experiencia del cliente como dato estratégico

Uno de los hallazgos más relevantes es que las llamadas relacionadas con solicitudes de servicio son más frecuentes que aquellas asociadas con resolución de problemas También observamos una tendencia creciente en el volumen de interacciones, impulsada por el aumento natural de clientes y productos contratados. Desde una perspectiva operativa, esta tendencia resultó problemática, ya que más llamadas implican mayores costos, menor disponibilidad de agentes y tiempos de espera más largos.

Además de entender qué preocupa a los clientes, el objetivo era identificar qué fricciones pueden eliminarse para reducir la dependencia del call center y fortalecer capacidades de autoservicio. Por ejemplo, si miles de conversaciones muestran frustración asociada con autenticación, transferencias o funcionalidades digitales, el banco puede rediseñar procesos, mejorar interfaces o introducir nuevas funcionalidades antes de que el problema escale. Así, la experiencia del cliente deja entonces de ser únicamente una métrica de satisfacción y se convierte en una fuente continua de aprendizaje organizacional.

Limitaciones de la IA generativa

Uno de los desafíos más importantes en el uso de IA generativa en entornos financieros es la confiabilidad. Por ello, el estudio no se limita a generar respuestas automáticas, sino que incorpora mecanismos de validación humana y benchmarking con otros modelos de IA, incluyendo Gemini y DeepSeek. Treinta agentes especializados evaluaron periódicamente las respuestas generadas y los resultados mostraron puntuaciones entre 4.4 y 5 sobre 5.

A diferencia de otros métodos basados en embeddings y arquitecturas opacas, el sistema utiliza representaciones léxicas y reglas analíticas explícitas que permiten mayor trazabilidad, menores costos computacionales y mejor alineación con políticas de gobernanza de datos. Esto es especialmente relevante en sectores regulados, donde transparencia, auditabilidad y cumplimiento normativo son condiciones indispensables para implementar la IA a gran escala.

Usos más allá de la banca

Transformar hallazgos analíticos en cambios reales no es fácil; requiere planeación estratégica, inversión, ajustes operativos y aprobaciones institucionales que puede llevar tiempo implementar en cualquier organización. No obstante, la posibilidad de analizar millones de conversaciones en tiempo real permite detectar patrones emergentes antes de que se conviertan en problemas estructurales. También permite entender mejor cómo los clientes interpretan la calidad del servicio, cómo se construye la confianza y qué elementos pueden deteriorar la relación.

Más allá de la banca, este estudio constata que la experiencia del cliente no debe inferirse únicamente mediante formularios, encuestas u otros indicadores a posteriori. El lenguaje cotidiano de las interacciones reales puede darnos las claves para comprender mejor al cliente. En un entorno donde el margen de competencia entre productos financieros es cada vez más estrecho, monitorear las conversaciones podría convertirse en una importante fuente de ventaja competitiva para las organizaciones.