Casi todas las marcas que crecen acaban teniendo la misma conversación. Las ventas suben, el Black Friday sale bien, se abre un mercado nuevo, y a las pocas semanas alguien de atención al cliente pide refuerzos. Las consultas crecen al ritmo del negocio y el equipo no puede hacerlo sin que el margen lo note, así que durante años la elección ha sido contratar o asumir que los tiempos de respuesta empeoren.
Los agentes de IA cambian esa ecuación, y lo interesante es que no lo hacen por contestar más rápido. Eso ya lo hacía cualquier chatbot. Lo que aportan es que resuelven: miran el pedido, hablan con el transportista o emiten el reembolso sin que nadie del equipo tenga que tocarlo.
Merece la pena detenerse en por qué ahora sí funciona, porque el mercado mete en el mismo saco herramientas que se parecen bastante poco.
Del chatbot de botones a la IA nativa
El chatbot de árbol de decisión lo conoce todo el mundo. Alguien intentó prever todas las preguntas posibles, las convirtió en botones y respuestas cerradas, y el sistema funciona mientras el cliente se ciña al guion. Cuando escribe algo como «me ha llegado el pedido, pero falta una prenda y la otra viene manchada», el bot da vueltas o lo pasa a una persona, y el cliente termina más molesto que si hubiera mandado un email desde el principio. Estaba pensado para desviar consultas, y eso es lo que hace.
Después llegaron los helpdesks de siempre con una capa de IA encima. La herramienta sigue girando alrededor del ticket, que entra, se clasifica, se asigna y se cierra, y la IA ayuda a la persona que lo atiende sugiriéndole respuestas o resumiendo la conversación. Es una mejora de productividad real, pero quien resuelve sigue siendo el equipo, ahora algo más rápido.
Las plataformas de IA nativa parten de otra pregunta. Antes de decidir a quién asignar una consulta, el sistema intenta resolverla él mismo, y solo si no puede la deriva a quien corresponda. Siguen teniendo bandeja unificada, asignaciones y SLA, todo lo que se espera de un helpdesk, pero esas funciones trabajan para el agente.
Konvo AI, una de las plataformas con las que trabajamos en OHDIGITAL, encaja en este tercer modelo. Guillem Oliva, su CEO, lo dejó claro al anunciar su ronda de financiación en 2025: «Nuestro objetivo no es construir otra herramienta de tickets». Se nota en cómo se configura. No hay flujos que dibujar. Al agente se le entrena en lenguaje natural con las políticas de la tienda, documentos internos y páginas de la web, y cuando se equivoca se le corrige hablando con él, igual que con alguien que acaba de entrar en el equipo.
Qué necesita un agente para resolver de verdad
Lo primero es contexto. Un agente conectado a Shopify no le pide al cliente que entre en su cuenta para consultar el pedido, porque ya lo tiene delante, junto con el estado del envío, el historial de compras y hasta lo que ha estado mirando en la web antes de escribir. La conversación empieza con buena parte del trabajo hecho.
Con contexto y nada más, sin embargo, se queda en una conversación mejor informada. Lo que lo convierte en operativa es que pueda actuar. Konvo llama a estas acciones habilidades y trae más de treinta configuradas, como cancelar un pedido, emitir un reembolso o cambiar la dirección de envío mientras el paquete no haya salido. También permite crear las propias y marcar cuándo y con qué límites se usa cada una. Decirle a un cliente «lo revisamos» no arregla nada; cambiarle la dirección a tiempo, sí.
Y luego está todo lo que pasa fuera de Shopify, que es donde la mayoría de herramientas se quedan cortas. Un envío perdido se resuelve hablando con Correos o con GLS, un producto defectuoso pasa por el equipo de calidad y un pedido mayorista puede vivir en Odoo o en SAP. Los agentes de esta generación abren conversaciones laterales con el transportista o con el departamento que toque hasta cerrar la incidencia, y se conectan al ERP o a sistemas propios por API o por MCP, el protocolo que se está imponiendo para que los agentes de IA hablen con otras herramientas. Es exactamente el trabajo que hoy hace alguien del equipo copiando números de seguimiento de una pestaña a otra.
Donde de verdad se nota: la gestión del servicio
Cuando revisamos con un cliente qué es lo que más tiempo le quita a su equipo de atención, casi nunca sale «responder». Sale todo lo que rodea a la respuesta: priorizar, perseguir al transportista, darse cuenta de que un ticket está a punto de vencer o de que lleva tres semanas llegando la misma queja sobre una talla.
Hace poco, el equipo de atención de una marca de moda con la que trabajamos nos pasó sus condiciones para cambiar de herramienta, y ninguna tenía que ver con la calidad de las respuestas. Querían que la IA les propusiera mejoras a partir de lo que veía en los tickets, que se encargara de las incidencias de transporte y de los defectuosos, y que hablara con su ERP. El resto iba de gestión pura, desde el reparto de tickets con avisos antes de que venza el SLA hasta migrar el histórico de su helpdesk anterior o conectar la centralita. Es una radiografía bastante fiel de dónde duele.
Hay detalles que cambian el día a día más de lo que parece. El sistema prioriza cada consulta por idioma, sentimiento, urgencia y categoría antes de asignarla, así que la queja en alemán de un cliente enfadado por un retraso llega directamente a quien sabe resolverla, sin pasar por la cola general. Los avisos de SLA saltan por email o por WhatsApp antes de que el plazo venza. Y la propia IA, al analizar las conversaciones, detecta políticas mal explicadas o preguntas que se repiten y propone cambios que el equipo valida. La base de conocimiento mejora con la propia operación, en lugar de depender de que alguien se acuerde de actualizarla.
Las marcas con canal mayorista tienen además un problema propio, porque un cliente profesional no se atiende como un consumidor final. Cambian las políticas, los plazos y el interlocutor, y en B2B mucho volumen sigue entrando por teléfono. Poder tener un agente para cada canal, con sus reglas y sus integraciones, y llevar la automatización también a la voz, evita forzar un modelo único que acaba sin encajar en ninguno de los dos.
Qué resultados esperar y qué puede salir mal
Las cifras del sector llaman la atención y hay que leerlas con calma. Konvo publicó en 2025 que sus agentes automatizan de media alrededor del 65% de las consultas y que cerca del 8% de las conversaciones de soporte terminan en compra. Hay casos bastante por encima: en Siwon el agente resuelve el 87% de las conversaciones entre WhatsApp, email y chat, y en Café San Jorge llegó a gestionar el 77% de las consultas y a generar el 40% de las ventas en picos como el Black Friday.
Más que el porcentaje, importa de qué depende. Una tienda donde casi todo son dudas sobre envíos, cambios y devoluciones tiene mucho margen de automatización. Otra con mucho asesoramiento técnico o con incidencias que piden criterio humano se quedará más abajo, y es normal. Por eso conviene desconfiar de la tasa de desvío, que solo cuenta cuántas conversaciones no llegaron a una persona, y mirar la resolución real junto al CSAT. Cerrar el 80% de las conversaciones con clientes descontentos es peor resultado que resolver bien la mitad.
El dato de las compras merece un comentario aparte. Un agente que conoce el catálogo, enseña productos mientras el cliente navega y resuelve dudas de talla está haciendo CRO, aunque se haya contratado para soporte. Medir los ingresos atribuidos a la IA junto con las métricas de servicio da una foto bastante más completa del retorno.
En cuanto a lo que puede salir mal, casi siempre tiene que ver con lo que se le da al agente. Hereda el desorden que haya, ya sean políticas de devolución ambiguas, un ERP mal sincronizado o excepciones que cada persona resuelve a su manera. En muchos proyectos lo primero que aporta valor es documentar cómo se atiende de verdad, antes incluso de activar nada.
Tampoco conviene darle toda la autonomía el primer día. Lo sensato es arrancar con pocas habilidades y límites claros, revisar las conversaciones cada semana e ir abriendo a medida que se gana confianza. Activar reembolsos automáticos desde el lanzamiento es asumir un riesgo que no hace falta.
Y está el equipo. Si un agente absorbe más de la mitad del volumen, el trabajo de las personas se desplaza hacia los casos complejos y hacia supervisar y afinar al propio agente. Cuando eso no se explica desde el principio, la herramienta se vive como una amenaza, cuando en la práctica suele ser la forma de absorber el crecimiento sin quemar a nadie.
Sobre el coste, estas plataformas suelen cobrar una cuota con un número de conversaciones de IA incluidas y un precio por cada conversación adicional. Compararlo solo con lo que cuesta hoy el helpdesk da una imagen equivocada. La cuenta buena incluye todo lo que se deja de pagar, porque a menudo sustituye también al chatbot, a la herramienta de WhatsApp y a veces a la centralita, y lo pone frente a las horas que el equipo recupera o a la contratación que ya no hace falta.
Cuándo merece la pena
No todas las tiendas lo necesitan hoy. Empieza a tener sentido cuando la atención crece más rápido que el equipo y buena parte de las consultas se pueden resolver con datos que ya existen en Shopify o en el ERP. También cuando el servicio está repartido entre varias herramientas que no se hablan, o cuando abrir un mercado nuevo obliga a atender en idiomas que el equipo no cubre.
La migración asusta más de lo que debería. Una plataforma madura importa el histórico del helpdesk anterior con sus tickets, macros y etiquetas, cambia el número de WhatsApp sin cortar el servicio y deja la web como estaba. En Konvo la implantación suele estar entre dos y tres semanas. Lo que lleva tiempo de verdad es decidir qué puede hacer el agente, hasta dónde y quién lo supervisa.
En OHDIGITAL lo planteamos como una pieza más de la operativa del ecommerce. Un agente bien implantado depende de que Shopify, la logística, el ERP y el CRM estén bien conectados, y ahí es donde suele estar el trabajo. Si tu equipo de atención está llegando a su límite, merece la pena revisar qué parte de lo que hace hoy podría estar haciéndolo ya un agente, y qué parte conviene que siga en sus manos.
Transparencia: en OHDIGITAL somos partners de Konvo AI. Lo citamos como ejemplo porque representa bien el modelo de IA nativa del que habla este artículo, no como recomendación universal.
Preguntas frecuentes
¿Qué diferencia hay entre un chatbot y un agente de IA de atención al cliente?
Un chatbot sigue flujos y respuestas predefinidas, y pasa la consulta a una persona en cuanto el cliente se sale del guion. Un agente de IA entiende lo que le escriben en lenguaje natural, consulta los datos reales del cliente y del pedido y puede actuar en los sistemas de la tienda, por ejemplo emitiendo un reembolso o cambiando una dirección, para resolver sin intervención humana.
¿Qué es una plataforma de atención al cliente con IA nativa?
Es una plataforma construida desde el principio alrededor de un agente de IA que resuelve consultas. Tiene las funciones de un helpdesk, como la bandeja unificada, la asignación de tickets o los SLA, pero al servicio de ese agente. Los helpdesks tradicionales, en cambio, han añadido la IA como una ayuda para el equipo humano.
¿Qué porcentaje de consultas puede resolver un agente de IA en un ecommerce?
Depende mucho del tipo de consultas que reciba cada tienda. Donde predominan las preguntas sobre pedidos, envíos y devoluciones, las plataformas publican tasas de automatización de entre el 60% y el 85% aproximadamente. Lo importante es medir la resolución real junto a la satisfacción del cliente, y no solo cuántas conversaciones no llegan a una persona.
¿Se puede migrar desde Zendesk a una plataforma de IA nativa sin perder el histórico?
Sí. Las plataformas maduras importan tickets, conversaciones laterales, macros, etiquetas y contactos de años anteriores, y trasladan canales como WhatsApp sin interrumpir el servicio.
¿Un agente de IA puede atender por WhatsApp?
Sí. Los agentes actuales trabajan sobre una bandeja unificada que incluye WhatsApp, email, chat web, redes sociales y marketplaces, con el mismo contexto de cliente y pedido en todos los canales.
¿Cuánto tiempo lleva implantar un agente de IA en una tienda Shopify?
En plataformas como Konvo, la implantación suele llevar entre dos y tres semanas contando configuración, integraciones y pruebas. Lo que más tiempo requiere es acordar qué puede hacer el agente y con qué límites.
¿Un agente de IA sustituye al equipo de atención al cliente?
En la práctica, no. Se queda con las consultas repetitivas y libera al equipo para los casos complejos, para supervisar y mejorar al agente y para las conversaciones que más valor aportan. Para la mayoría de marcas, su gran ventaja es poder crecer sin ampliar el equipo al mismo ritmo.
--
¿Quieres saber qué parte de la atención al cliente de tu marca podría estar resolviendo ya un agente de IA? En OHDIGITAL te ayudamos a analizarlo con criterio, desde la operativa y las integraciones hasta la herramienta que mejor encaja en tu caso. Habla con nosotros.
