Trabajo digital: cómo la IA y los agentes humanos pueden actuar lado a lado
Los grandes proveedores de plataformas de contact center dejaron claro en Enterprise Connect 2026: la llamada agentic AI se volvió pieza central de la experiencia del cliente. La idea es usar agentes de IA tanto para el enrutamiento inteligente como para la atención directa de dudas simples y rutinarias. La visión común entre estos ejecutivos es que el digital labor no llega solo para recortar costos, sino para mejorar el trabajo humano y la interacción con el cliente al mismo tiempo.
Este movimiento levanta algunas cuestiones importantes: ¿cómo cambia el día a día de quien trabaja en atención cuando la automatización basada en IA se vuelve estándar? Y, más que eso, ¿cómo estos profesionales pasan a interactuar con agentes artificiales específicos por tarea o función, que actúan en paralelo con el equipo humano?
Para entender esta relación en la práctica, tiene sentido mirar a las empresas que construyen las plataformas sobre las que hoy funciona buena parte de los contact centers. Cinco ejecutivos que viven este escenario de cerca explicaron cómo ven la asociación entre personas e Inteligencia Artificial en la atención:
- Neville Letzerich, CMO de Talkdesk
- John Finch, VP global de marketing de producto en RingCentral
- Jasen Williams, SVP de marketing corporativo en Verint
- Craig Walker, CEO de Dialpad
- Gautam Vasudev, SVP de product management para Agentforce Service, en Salesforce
A continuación, un panorama organizado de las visiones de estos líderes, siempre manteniendo el foco en lo que se dijo originalmente, pero con contexto extra para quien sigue de cerca el avance de la IA en CX.
IA especializada para reducir filas y escalar conocimiento
Neville Letzerich, de Talkdesk, cuenta que la empresa lanzó la plataforma CXA hace cerca de un año. La base de la propuesta es simple: crear un entorno en el que diferentes agentes de IA puedan operar tanto de forma standalone como en conjunto, como un equipo coordinado de asistentes digitales.
Letzerich destaca un punto que cualquier gestor de contact center conoce bien: muchos agentes humanos tienen habilidades altamente especializadas. En operaciones tradicionales, esto significa poner al cliente en una fila de espera precisamente por ese profesional que domina un sistema específico, un producto más complejo o una regla de negocio crítica.
Con la agentic AI, Talkdesk trabaja para entrenar agentes de IA en esas mismas habilidades de nicho. En lugar de encaminar casi toda demanda crítica al mismo pequeño grupo de especialistas humanos, el sistema empieza a absorber parte de estas interacciones, en especial los casos repetitivos que siguen un patrón claro. Según Letzerich, cuando esto se hace con cuidado, ocurren dos cosas al mismo tiempo:
- El tiempo de espera baja, porque menos clientes necesitan disputar espacio en la fila de los pocos especialistas humanos.
- La satisfacción del cliente sube, ya que las dudas se resuelven más rápido.
El secreto aquí no es intentar sustituir al especialista, sino emular su conocimiento y dejarlo disponible a escala. Ese know-how que antes quedaba encerrado en la cabeza de pocos agentes pasa a ser codificado en flujos, bases de conocimiento estructuradas y modelos de IA entrenados con ejemplos reales. Esto cambia por completo el juego de la escala sin borrar el papel humano.
Letzerich no ignora el impacto: algunos puestos de trabajo tienden a ser eliminados, sí. Pero él señala otro lado de la historia: el ahorro generado en el contact center puede reinvertirse en áreas como ventas, marketing y desarrollo de producto, acelerando el crecimiento de la empresa. En su visión, el contact center deja de ser solo un centro de costo para conectarse más directamente con la generación de ingresos.
Redistribución de funciones en lugar de despidos masivos
John Finch, de RingCentral, sigue una línea parecida, pero enfatiza la reubicación de talentos. Para él, cada organización va a buscar un tipo de ROI diferente con la IA. Algunas quieren recortar costos de forma directa; otras prefieren usar la automatización para liberar personas y reposicionarlas en roles más estratégicos.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Finch da un ejemplo muy común: agentes que crecieron junto con el negocio y conocen el funcionamiento de la empresa de punta a punta. En lugar de simplemente prescindir de estas personas cuando la IA empieza a asumir una gran parte de la atención, él sugiere llevarlas a funciones en las que ese conocimiento acumulado genera todavía más valor.
En un negocio de tecnología, por ejemplo, un agente veterano muchas veces sabe más sobre problemas recurrentes, dudas frecuentes y cuellos de botella en el uso del producto que mucha gente de otras áreas. En empresas de logística o envíos, quien atiende al cliente en el día a día entiende bien dónde están los mayores dolores en la operación. En la visión de Finch, tiene mucho más sentido colocar a este personal en funciones internas que mejoren procesos, productos y comunicación, en lugar de simplemente recortarlos de la plantilla.
Otra estrategia que destaca es la reducción gradual del equipo mediante attrition, es decir, no reponer todas las vacantes abiertas por rotación natural. Así, parte de la fuerza de trabajo migra a otros roles dentro de la organización, mientras la IA asume más interacciones en la primera línea. Con esto, las empresas pueden:
- Atender más contactos con el mismo número de personas.
- Desplazar agentes experimentados a funciones de mayor impacto.
- Contener más interacciones ya en la puerta de entrada, sin depender siempre de un humano.
El resultado, si se orquesta bien, es un equilibrio más saludable entre automatización y talento humano, evitando choques internos innecesarios y aprovechando mejor a quienes conocen el negocio desde dentro.
Rebalanceo de la capacidad y calidad a escala
Jasen Williams, de Verint, trae otro dato muy importante: según él, todavía no hay un movimiento agresivo y generalizado de despidos masivos de agentes debido a la IA. Lo que aparece con más fuerza es un rebalanceo de cómo se utiliza la capacidad.
En la práctica, la pregunta que los clientes le hacen a Verint es:
¿Qué hago con la capacidad que estoy liberando con la automatización?
Las respuestas varían:
- Extender el horario de atención sin aumentar el equipo.
- Ofrecer un soporte más robusto a clientes premium.
- Reubicar parte del equipo en funciones de ventas y retención.
Williams también señala un impacto fuerte en el nivel de gestión. Tradicionalmente, los equipos de calidad lograban evaluar solo una pequeña fracción de las interacciones, algo en torno al 1% al 3% de las llamadas, dependiendo del tamaño de la operación. Con IA, entra en juego otro escenario: los modelos consiguen analizar prácticamente el 100% de las llamadas, desde el chat hasta el teléfono.
Él cita el caso de una gran empresa de FinTech que usa los llamados quality bots de Verint. Según Williams, estos bots realizan un trabajo equivalente al de cerca de 1.200 gestores de calidad. En otras palabras, sería impracticable contratar y mantener una estructura de ese tamaño solo para escuchar y evaluar llamadas, pero la IA permite ese nivel de cobertura.
El efecto directo:
- Los costos de compliance bajan, porque la empresa pasa a monitorear todo, no solo una muestra pequeña.
- La calidad del servicio sube, ya que las desviaciones y problemas se identifican y corrigen mucho más rápido.
En la visión de Williams, el patrón que se repite es: la empresa empieza usando IA en una unidad de negocio, una región o una línea de producto. Cuando demuestra valor ahí, expande a más casos de uso, haciendo girar la rueda de aprendizaje de forma incremental.
Cuándo funciona el 100% automatizado (y cuándo no funciona)
Craig Walker, CEO de Dialpad, va directo al punto sobre un hype muy común: empresas que prometen atención totalmente automatizada, sin ningún humano en el circuito. Él reconoce que ese modelo puede funcionar, pero solo en una pequeña porción de los casos de uso reales.
Según Walker, la gran mayoría de los escenarios de atención exige una combinación:
- Parte del flujo se resuelve con agentes de IA actuando solos.
- Otra parte necesita handoff a un agente humano cuando el nivel de complejidad supera cierto límite.
En esta transición, la IA tiene un papel decisivo: preparar el terreno para el humano. En lugar de simplemente transferir la llamada, el sistema recopila contexto, organiza información, resume el historial de la conversación y entrega ese paquete al agente. Así, cuando la persona entra en la línea, no necesita preguntar todo de nuevo. Esto acelera la resolución y mejora bastante la percepción de cuidado por parte del cliente.
Walker destaca especialmente los casos de uso basados en voz. Un ejemplo fuerte es el sector de salud. El grupo de edad que más consume servicios de salud suele ser el de personas mayores de 65 años, que prefieren llamar, hablar y resolver dudas por teléfono. Para este público, una experiencia solo de chatbot de texto suele ser insuficiente.
En este escenario, lo ideal es que agentes de IA sean capaces de conducir buena parte de la interacción por voz, de forma natural, y luego realizar una entrega fluida del caso a un asistente de un médico, por ejemplo, con todo el contexto ya masticado. En la visión de Walker, este es el verdadero punto de magia de la combinación entre Inteligencia Artificial agentic y trabajo humano: cada lado hace lo que mejor sabe hacer, sin fricción para el usuario.
Supervisores, observabilidad y la importancia de la ruta humana
Para cerrar el grupo, Gautam Vasudev, de Salesforce, resume el momento con una frase: el futuro cercano es de humanos y agentes actuando juntos, no de uno sustituyendo por completo al otro.
Él destaca el papel de la IA especialmente en dos frentes:
- Supervisión en tiempo real
- Modelos de workforce management más inteligentes
En la arquitectura de Salesforce, los agentes de IA consiguen llamar al supervisor de la misma forma que lo haría un agente humano. Si el sistema percibe que la conversación se está desviando, por ejemplo, aumento de fricción, tono negativo o desvío del flujo esperado, puede señalizar y pedir escalamiento inmediato. El supervisor, a su vez, puede entrar y salir de la conversación, asumiendo cuando es necesario y devolviendo el control después.
Herramientas que usamos a diario
Otro punto que Vasudev hace cuestión de enfatizar: al implementar agentes de IA en atención al cliente, la empresa necesita garantizar desde el inicio un camino claro de escalamiento hacia humanos. Dejar al usuario atrapado en un bucle automático, sin vía de escape, se ve como una experiencia pobre y, muchas veces, inaceptable.
En la filosofía de la empresa, tanto los agentes humanos como los supervisores se tratan como personas dentro del flujo de engagement, con reglas de enrutamiento, observabilidad e intervención diseñadas para ambos. La IA no está fuera de este ecosistema, sino insertada en él como una persona digital más, con su propio comportamiento, límites y disparadores de escalamiento.
El hilo conductor: experiencia del cliente, no automatización por la automatización
Lo que une las declaraciones de estos cinco ejecutivos es una visión madura: agentic AI y digital labor no son fines en sí mismos, sino medios para construir una experiencia mejor para clientes y trabajadores. Cuando funcionan bien, reducen filas, amplían horarios, mejoran el control de calidad y abren espacio para que los agentes humanos asuman roles más especializados y estratégicos.
Al mismo tiempo, todos reconocen algunos principios básicos que no cambian:
- No todo puede ni debe automatizarse por completo.
- El camino de escalamiento hacia humanos tiene que ser simple y transparente.
- La IA debe aprender continuamente de los especialistas humanos, no actuar a ciegas.
- Los gestores ganan nueva visibilidad con el análisis del 100% de las interacciones, no solo muestras.
- El foco final sigue siendo la combinación de eficiencia con respeto al recorrido del cliente.
Al final del día, el digital labor más interesante no es aquel que se jacta de sacar a todas las personas de la primera línea, sino el que consigue equilibrar Inteligencia Artificial y trabajo humano para entregar algo que, desde la perspectiva del cliente, parezca simple, rápido y confiable. En este escenario, los agentes humanos dejan de verse como un costo a eliminar y pasan a ser tratados como socios de la IA, fundamentales para enseñar, supervisar, corregir y, principalmente, representar a la marca en momentos en los que la empatía y el juicio fino marcan toda la diferencia.
Sobre los autores del contenido original
El artículo que inspiró este análisis fue firmado originalmente por Lisa Schmeiser y Matt Vartabedian, ambos con una larga trayectoria cubriendo tecnología y comunicaciones empresariales.
Lisa es editora de No Jitter y Workspace Connect, con más de dos décadas dedicadas al periodismo de tecnología, pasando por medios como ITPro Today, InfoWorld y Macworld. A lo largo de su carrera, fue nominada a premios relevantes del sector por sus reportajes en profundidad sobre tecnología y continúa participando en pódcasts enfocados en este universo.
Matt, editor sénior de No Jitter, cubre temas de IA, incluyendo IA predictiva, generativa y agentic, siempre conectados al mundo de las comunicaciones unificadas, contact center y lugar de trabajo digital. Antes de retomar el periodismo, trabajó cerca de 20 años como analista de la industria celular, produciendo informes, presentaciones y artículos basados en investigación y análisis de datos.
Las visiones organizadas aquí siguen fielmente los puntos aportados por estos autores y por los ejecutivos entrevistados, solo con más contexto y desdoblamientos para quienes siguen de cerca la evolución de la Inteligencia Artificial aplicada a la atención al cliente.
