Matriz de decisión: respuesta automática, sugerida por IA o manual según tipo de consulta y riesgo

El problema no es "IA sí o no", es qué consulta tenés enfrente

Casi todas las discusiones sobre atención automatizada arrancan mal: se discute si el negocio "usa IA" o "atiende a mano", como si fuera una sola decisión para todo el canal. En la práctica conviven tres modos en la misma bandeja y el trabajo real es asignar cada conversación a uno. Un turno de peluquería y un reclamo por un producto que llegó roto entran por el mismo número y no pueden tener el mismo tratamiento.

Esta página no recomienda una herramienta: arma el criterio. Son dos variables las que deciden, y con esas dos se llena la tabla. La primera es el tipo de consulta: si la respuesta es siempre la misma o cambia según el caso. La segunda es el riesgo: qué pasa si la respuesta sale mal, incompleta o fuera de contexto. Cuando las dos son bajas, automatizar es gratis. Cuando alguna sube, hace falta una persona en algún punto del circuito, aunque no sea escribiendo la primera línea.

La tercera opción, la del medio, es la que más se ignora: la IA sugiere y una persona aprueba con un click. No es un chatbot que contesta solo ni un agente tipeando desde cero. Es un borrador con contexto que alguien del equipo revisa. Para muchos negocios chicos ese es el único modo de IA que tiene sentido al principio, porque no requiere confiar en que el sistema acierte sin supervisión.

Las tres modalidades, definidas sin ambigüedad

La respuesta automática no es solo el saludo de bienvenida. Incluye las auto-respuestas por horario (fuera de horario, feriados), las confirmaciones de recepción y todo texto que se dispare por una condición conocida. Su límite es que solo sirve para lo previsible: si la consulta se parece a la condición pero no es igual, la respuesta automática contesta cualquier cosa con total seguridad.

La sugerencia de IA es distinta porque el texto se genera para esa conversación, con lo que ya se dijo antes. En Wando, por ejemplo, la IA aprende de las respuestas reales que el equipo dio antes y propone el borrador; el equipo lo aprueba con un click. Ese es el modo human-in-the-loop: el sistema no contesta solo por defecto. La ventaja no es la velocidad del envío sino la de la redacción: el agente deja de armar la respuesta desde la hoja en blanco.

La matriz: tipo de consulta cruzado con riesgo

Leé la tabla así: ubicá la consulta en la fila que mejor la describa y después bajá por la columna de riesgo. Si dudás entre dos filas, elegí la de más abajo (la más específica) y si dudás entre dos niveles de riesgo, elegí el más alto. La duda casi siempre significa que falta contexto para automatizar.

Cómo se mide el riesgo de una consulta

Riesgo no es gravedad del tema en abstracto: es qué tan caro sale que la respuesta esté mal. Se puntúa con cuatro preguntas y alcanza con que una sola dé positivo para subir de nivel. No hace falta un sistema complicado; con anotar el nivel en la etiqueta de la conversación ya se puede medir después cuántas se fueron a manual.

• ¿La respuesta compromete plata? Un precio mal dicho, un descuento que no existe o un presupuesto mal armado se paga con el margen del negocio o con un cliente enojado.
• ¿La respuesta compromete un dato sensible? Documentos, datos de salud, datos de menores o información de pago no deberían pasar por un texto generado sin revisión.
• ¿La respuesta promete algo que el negocio no controla? Un plazo de entrega, una fecha de turno o una aprobación externa. Si el negocio no lo garantiza, no se automatiza.
• ¿La respuesta es difícil de revertir? Un "sí, te lo cambio" enviado por error obliga; un "te averiguo y te confirmo" no. Cuanto menos reversible, más alto el riesgo.
• ¿El cliente ya mostró frustración? Si es el segundo o tercer mensaje sobre el mismo tema, la automatización lee como desinterés y sube el conflicto.

Con esas cinco preguntas, el nivel queda así: riesgo bajo es cuando ninguna dio positivo, medio cuando dio positivo una y se puede corregir en el mismo hilo, alto cuando dio positivo más de una o cuando la consulta toca plata, datos sensibles o un compromiso del negocio.

El circuito de escalamiento: cómo pasa una conversación de un modo a otro

La matriz sirve solo si el cambio de modo ocurre en algún punto concreto. Si no hay una regla de escalamiento, la conversación se queda en automático hasta que el cliente se enoja y ahí pasa a manual con todo el contexto perdido. Estas son las cuatro señales que deberían sacar una conversación del modo automático o sugerido y ponerla en manos de una persona.

Un detalle operativo que se pasa por alto: cuando la conversación escala, la persona que la toma necesita ver el historial completo, incluida la respuesta automática que ya se envió. Si el agente arranca sin eso, va a preguntar cosas que el cliente ya contestó y el escalamiento se siente como empezar de nuevo.

Los casos límite que rompen la matriz

Hay consultas que caen justo en el borde y no se resuelven con la tabla. Estos son los cuatro casos que aparecen siempre y cómo se tratan.

• Fuera de horario con riesgo alto: la tentación es dejar el automático porque no hay nadie. La salida correcta no es contestar la consulta sino acusar recibo con un texto fijo que no prometa nada y aclarar cuándo va a haber respuesta. La consulta en sí queda para manual.
• Cliente conocido que pregunta algo simple: aunque la consulta sea de riesgo bajo, si el cliente es recurrente y el historial es largo, la sugerencia de IA suele ser mejor que el texto fijo, porque puede tomar lo que ya se habló. Automatizar acá se siente frío.
• Consulta ambigua: si no se entiende qué pide, ninguna de las tres modalidades sirve bien. Va manual y la primera respuesta es una pregunta, no una solución.
• Volumen alto con equipo chico: cuando no hay gente para aprobar sugerencias, la discusión no es IA o manual sino qué consultas se pueden sacar del flujo con una respuesta automática honesta. Si no hay ninguna, el problema es de dotación, no de herramienta.

Qué medir para saber si la asignación está bien

La matriz se puede auditar. No hace falta un tablero complicado: alcanza con etiquetar cada conversación con el modo que se usó y revisar tres números por semana. Si el porcentaje de manual sube sin que suba el volumen, la matriz está mal calibrada o el equipo está evitando la sugerencia. Si el porcentaje de automático sube y aparecen reclamos por respuestas fuera de lugar, el riesgo se está subestimando.

Un cuidado con los datos: si vas a analizar a qué hora llegan los mensajes para decidir tus auto-respuestas por horario, usá la marca de tiempo del mensaje (la que viene del canal), no la fecha en que se guardó en tu sistema. Si alguna vez importaste historial, la fecha de guardado amontona todo en el día de la importación y cualquier conclusión sobre horarios sale mal.

Errores frecuentes al armar esta matriz

• Definir el modo por canal y no por consulta: "en WhatsApp automático, en Instagram manual" no resiste el primer reclamo que llega por WhatsApp.
• Automatizar el saludo y nada más: eso no es automatizar la atención, es saludar más rápido. El trabajo sigue entero del otro lado.
• Usar la sugerencia de IA como respuesta automática: si nadie aprueba, dejó de ser sugerencia. El modo se define por quién envía, no por quién escribió.
• No dejar registro de qué modo se usó: sin eso no hay forma de auditar la matriz ni de saber si el criterio funciona.
• Cambiar la matriz cada vez que aparece un caso raro: los casos raros van a manual y listo; la matriz se revisa por período, no por incidente.
• Prometer plazos de resolución al cliente desde el automático: el tiempo depende del caso y de quién lo tome, así que conviene acusar recibo sin comprometer una hora.

La prueba de que la matriz está bien armada es simple: cualquier persona del equipo puede tomar una conversación nueva, ubicarla en una fila y saber si la contesta el sistema, si la aprueba ella o si la escribe de cero. Si para decidir hay que preguntarle al dueño, la matriz todavía no está escrita.