Son las 10:47 de un martes. Una mujer llamada Camila —cliente premium del banco hace 11 años, dos productos hipotecarios, tarjeta black, perfil de inversión activo— está al teléfono. Es su tercera llamada esta semana. La primera fue al bot de WhatsApp. La segunda al IVR. Esta es al supervisor.
Por cuarta vez en seis días, alguien al otro lado le pide: "Para validar, ¿me puede confirmar su número de cédula y los últimos cuatro dígitos de su tarjeta?"
Camila respira. Da los datos. Vuelve a explicar que el cobro duplicado del 19 del mes pasado nunca se reversó, que ya le dijeron tres veces que iban a llamarla, que necesita hablar con alguien que tenga el caso completo. El supervisor toma nota, le promete que mañana le devuelven la llamada, y cuelga.
Camila no cuelga enojada. Cuelga decidida. Esa noche, después de acostar a sus hijos, abre la app de un banco competidor y empieza el proceso de portabilidad de su nómina.
El reporte del banco esa semana va a registrar tres conversaciones atendidas con Camila. Tiempo promedio de atención: bueno. Tasa de resolución en primer contacto: aceptable. CSAT post-llamada: ella no contestó la encuesta. El tablero del comité ejecutivo del lunes va a estar verde.
Lo que ese tablero no va a mostrar es que el banco acaba de perder un cliente que vale, en valor presente neto, varias veces más que toda la inversión anual del área de Customer Experience.
Esto no es ficción. Es lo que está pasando ahora mismo, en este instante, en cientos de operaciones en Latinoamérica. Y la métrica más celebrada de su área de CX es exactamente la que está disfrazando la fuga.
"Conversaciones atendidas": la métrica que premia la fragmentación
La mayoría de áreas de CX, cobranzas y ventas miden interacciones por canal. Llamadas atendidas, chats resueltos, bots activados. El problema es que el cliente no vive en silos. Vive en un solo flujo. Y cada vez que cambia de canal y tiene que reiniciar, su experiencia paga el costo de una arquitectura que prioriza puntos de contacto sobre continuidad.
Los datos son brutales. Según el reporte CX Trends de Zendesk, el 74% de los clientes encuentra frustrante repetir su historia a diferentes agentes. McKinsey lo cuantifica todavía más duro: el 56% de los clientes asegura que tiene que repetirse durante interacciones de soporte. Y Gartner estima que las empresas pierden en promedio 12,9 millones de dólares anuales por mala calidad de data y silos de información.
En términos operativos puros, las interacciones de alto esfuerzo cuestan 37% más que las de bajo esfuerzo. Pero el golpe real está en la lealtad: el 96% de los clientes con experiencias de alto esfuerzo se vuelven desleales, contra apenas un 9% en experiencias fluidas. Cada repetición es un fallo invisible que sangra dinero y clientes al mismo tiempo.
La métrica de "conversaciones atendidas" oculta este sangrado. Hace que la operación se vea productiva mientras la lealtad se erosiona en silencio.
El problema no es su IA. Es que tiene muchas IAs que no se hablan.
Aquí está la parte incómoda. La mayoría de las grandes empresas no sufre por falta de IA. Sufre por exceso de IA mal conectada. Un bot para servicio, otro para cobranzas, otro para ventas, una capa de RPA en el back office, un copiloto dentro del CRM. Todos inteligentes por separado. Ninguno enterado de lo que el otro acaba de hacer.
Gartner predice que más del 40% de los proyectos de IA agéntica serán cancelados antes de 2027 por costos descontrolados, ROI inexistente y lo que Gartner llama "agent washing": vendors rebautizando chatbots y RPA como agentes autónomos sin orquestación real. De los miles de "vendors agénticos" en el mercado, solo unos 130 son reales según la firma.
La adopción de IA en silos no resolvió la fragmentación operativa. La disfrazó con vocabulario nuevo. Conectar bots con cinta adhesiva no es arquitectura. Es teatro tecnológico. Y Camila, esa noche en la app del competidor, es el costo real que ese teatro produce.
La métrica real: continuidad operativa
Si "conversaciones atendidas" es la métrica que miente, ¿cuál es la que dice la verdad? Una sola: ¿cuántas veces el cliente tuvo que reiniciar?.
Ese número, medido con honestidad, es el verdadero KPI de madurez operativa. Significa que existe una memoria compartida entre humanos y agentes de IA. Significa que cuando el caso escala, la persona del otro lado no abre con "cuéntame de nuevo", sino con "vi que ya hablaste con el asistente sobre el cobro duplicado, déjame resolverlo ahora". Significa que cada interacción es una continuación, no un reinicio.
Eso es lo que McKinsey llama el verdadero salto del omnichannel: dejar de retener data por canal y empezar a unificar el contexto operativo del cliente. Las compañías que lo logran reducen 3–7% sus costos de servicio. Pero el impacto real está en otro lado: en una operación donde cada excepción resuelta hoy por un humano se convierte mañana en lógica automatizada del sistema. Una fábrica que se optimiza sola.
Equipos que ya operan bajo esta filosofía no compran "bots con IA". Compran sistemas operativos de resolución, donde agentes de IA y humanos resuelven como un solo equipo, con memoria compartida y gobernanza versionada. La diferencia no es semántica. Es arquitectónica. Y es la única que habría hecho que Camila siguiera siendo cliente del banco hoy.
El verdadero punto de inflexión
El próximo trimestre va a llegar otro modelo de lenguaje más potente, más barato y más accesible. Todos sus competidores van a tenerlo también. La pregunta ya no es qué IA elige. La pregunta es qué tan bien orquesta la que ya tiene con todo lo que ya existe en su operación: sus humanos, sus sistemas, su memoria de cliente, sus políticas de gobernanza.
Porque mientras sigamos premiando volumen sobre continuidad, vamos a seguir construyendo operaciones que parecen inteligentes en el reporte y se sienten rotas en la llamada.
Camila colgó hace 8 minutos. La próxima vez que su tablero muestre un récord de "conversaciones atendidas", pregúntate: ¿cuántas de esas conversaciones fueron con un cliente que ya estaba decidiendo irse?
