Cómo cambia la IA los roles y la dotación de personal en soporte

Por Linh Ngo · Actualizado el 11 de octubre de 2026

La IA cambia los roles de los equipos de soporte al asumir los contactos repetitivos y bien documentados y asistir a los agentes en el resto, lo que desplaza el trabajo humano hacia los casos complejos, las decisiones de criterio y el mantenimiento del conocimiento y de las reglas sobre los que funciona la IA. La planificación de la plantilla cambia con ello: usted dota de personal para conversaciones menos numerosas y más difíciles, y suma un pequeño conjunto de roles que antes no existían, como los entrenadores de IA y los knowledge managers.

Esta guía está pensada para líderes de soporte, directores de CX y managers de soporte que deben decidir cómo será su organigrama cuando la IA esté en el flujo de trabajo. Forma parte de la colección AI for Customer Service. Para la visión de conjunto, empiece por la IA en el servicio al cliente. Aquí nos centramos en las personas: qué roles cambian, cuáles nuevos aparecen y cómo llevar a un equipo hasta ahí sin romper el servicio.

Datos clave

• En un estudio con 5179 agentes de soporte al cliente, el acceso a un asistente de IA generativa aumentó las incidencias resueltas por hora en 14% en promedio (Brynjolfsson, Li y Raymond, NBER Working Paper 31161).
• El mismo estudio reporta una mejora de 34% para los trabajadores novatos y de baja cualificación, y un impacto mínimo en los trabajadores con experiencia y alta cualificación (NBER Working Paper 31161).
• La Oficina de Estadísticas Laborales de EE. UU. (BLS) contabilizó cerca de 2,67 millones de puestos de representante de servicio al cliente en 2025 y proyecta una caída de 5% de 2025 a 2035, una pérdida de aproximadamente 141 800 puestos (BLS Occupational Outlook Handbook).
• La BLS atribuye la caída a que los sistemas de autoservicio y la automatización se encargan de las tareas simples, mientras algunas empresas mantienen centros de servicio internos para las consultas complejas (BLS Occupational Outlook Handbook).
• Incluso con la caída proyectada, la BLS espera cerca de 289 500 vacantes al año, todas por trabajadores que dejan la ocupación o pasan a otras (BLS Occupational Outlook Handbook).

Qué cambia realmente en un equipo de soporte

Dos fuerzas actúan a la vez sobre una organización de soporte, y tiran en direcciones distintas.

La primera es asistir. Un copilot de IA redacta respuestas, resume hilos largos y trae el artículo de ayuda adecuado mientras el agente escribe. El estudio del NBER es la evidencia más clara que tenemos de este efecto. La mejora no se repartió de forma pareja. El 34% de mejora para los trabajadores novatos y de baja cualificación, frente a un impacto mínimo en los experimentados, sugiere que el asistente funciona en parte transmitiendo lo que los mejores ya saben. Eso tiene una consecuencia para la dotación de personal: cambian tanto el tiempo de incorporación como el valor de un agente con antigüedad. Nuestro artículo sobre los copilots de IA explica el mecanismo.

La segunda es automatizar. Los chatbots y los agentes de IA resuelven algunos contactos de principio a fin, de modo que esos contactos nunca llegan a una persona. La BLS lo dice sin rodeos en su perspectiva para la ocupación: las tareas simples pasan al autoservicio y a los sistemas automatizados, y lo que queda para las personas es más complejo. Si quiere ver cómo se toma esa decisión contacto por contacto, lea automatizar o asistir en el servicio al cliente.

En conjunto, el volumen que llega a las personas se reduce y se vuelve más difícil. El tiempo medio de gestión por contacto puede subir aunque la productividad por agente mejore, porque los contactos fáciles salieron de la cola. Los líderes que juzguen al equipo con la antigua meta de tiempo de gestión creerán que las cosas empeoran cuando en realidad mejoran.

La tabla de roles: antes y después

Los títulos varían, pero los cambios son constantes. Úsela como mapa inicial y luego adáptela a su propia estructura.

No todos los equipos necesitan a alguien llamado «entrenador de IA». En un equipo de 15 personas, el trabajo puede ser media jornada por semana de un agente sénior. En una operación grande, es un equipo. Lo que importa es que alguien se haga responsable con nombre y apellido, porque la calidad de la IA sin responsable se desvía.

Rol por rol: qué esperar

Nivel 1: menos contactos, un listón más alto

El nivel 1 es donde la automatización aterriza primero, porque los contactos son repetitivos y las respuestas están escritas. No lo lea como «el nivel 1 desaparece». Léalo como «el trabajo del nivel 1 cambia de forma». El agente humano de nivel 1 ahora atiende los contactos que el bot no pudo cerrar: clientes molestos, solicitudes que mezclan dos problemas o cuentas con un historial inusual. Eso exige más habilidad que restablecer una contraseña, y su perfil de contratación y su banda salarial deberían reflejarlo.

Las herramientas de agent assist (asistencia al agente) cumplen aquí una segunda función. Si un copilot sugiere la respuesta, una persona recién contratada puede atender una gama más amplia de problemas antes. Eso es coherente con el patrón que halló el estudio del NBER en los trabajadores con menos experiencia, aunque es un solo estudio en un único entorno de soporte, así que pruébelo con sus propios contactos antes de planificar a partir de él.

Especialistas: la ruta de escalación se llena más

Los especialistas y el nivel 2 asumen una porción mayor de lo que llega a las personas. También reciben una nueva tarea: revisar los casos que la IA escaló e informar al entrenador de lo que hizo mal. Un flujo de escalación bien gestionado pasa todo el contexto al especialista para que el cliente no tenga que repetirse. A los especialistas a quienes les gusta resolver problemas a fondo les suele ir bien. Quienes dependían del trabajo de volumen para ser productivos pueden necesitar apoyo.

Knowledge managers: el nuevo rol más infravalorado

La mayoría de las herramientas de respuesta con IA recuperan información de su contenido de ayuda y luego redactan una respuesta, un patrón llamado generación aumentada por recuperación. Si el artículo está desactualizado, la respuesta lo está, entregada con seguridad y a escala. Eso convierte a la persona responsable de la base de conocimiento en la responsable de la calidad de cada respuesta de la IA. Un knowledge manager mantiene una única fuente de verdad, retira los artículos duplicados y contradictorios y revisa todo lo que se marca cuando los clientes valoran mal una respuesta. Consulte el agente de IA para la base de conocimiento para ver cómo la automatización puede asistir este trabajo sin reemplazar a la persona responsable.

Entrenadores de IA y diseñadores de conversaciones

Este rol escribe y prueba las reglas: cuándo traspasar, qué tono usar, qué temas la IA nunca debe responder sola. Se parece mucho al trabajo de un agente sénior combinado con el de un editor de contenido. Los buenos candidatos suelen salir de sus mejores personas de nivel 2, porque saben dónde las respuestas reales difieren de las documentadas.

Líderes de equipo y QA

El aseguramiento de calidad (QA) solía muestrear un puñado de tickets humanos por agente a la semana. Con la IA en juego, también se revisan las conversaciones de los bots, y los fallos son distintos: respuestas erróneas dichas con seguridad, círculos viciosos sin salida donde el cliente no logra llegar a una persona, señales de frustración que se pasan por alto. Los líderes necesitan una forma de leer muestras con rapidez y una vía clara para corregir la IA, no solo para hacer coaching a las personas.

Cómo rediseñar roles y dotación de personal, paso a paso

1. Mapee los tipos de contacto por complejidad y riesgo. Reúna tres meses de tickets y agrúpelos: repetitivos y documentados, repetitivos pero sensibles (disputas de facturación, cierre de cuentas) y complejos o emocionales. Este mapa guía todo lo demás. Si los datos de sus tickets están desordenados, corríjalo primero; preparar los datos de soporte para la IA lo cubre.
2. Decida qué automatizar y qué asistir. Automatice donde las respuestas sean estables y equivocarse sea barato. Asista donde importen el criterio o la empatía. Mantenga a las personas en el circuito en todo lo que tenga consecuencias económicas, legales o de seguridad.
3. Nombre responsables antes de lanzar. Asigne a alguien al conocimiento, a alguien a las reglas de la IA y los traspasos, y a alguien a la revisión de calidad. Al principio pueden ser a tiempo parcial. La falta de responsables con nombre es la razón más común de que la calidad de la IA decaiga tras el lanzamiento.
4. Haga un Pilot con una cola y un equipo. Mantenga la dotación anterior durante el Pilot. Mida la calidad de la resolución y la tasa de escalación, no solo el volumen de deflexión (desvío de consultas).
5. Recalcule la línea base de sus métricas. El tiempo de gestión, los contactos por agente y el costo por ticket se mueven cuando el trabajo fácil se va. Fije metas acordes con la nueva mezcla y añada medidas como la satisfacción del cliente en los casos escalados y la proporción de respuestas de la IA que hubo que corregir.
6. Recapacite y reubique los roles. Ofrezca un camino del nivel 1 hacia roles de especialista, entrenador o conocimiento. Actualice las descripciones de puesto, las preguntas de entrevista y las bandas salariales para que correspondan al trabajo más difícil.
7. Planifique la dotación primero mediante rotación natural y reasignación. La BLS proyecta cerca de 289 500 vacantes al año en la ocupación, todas por trabajadores que se van o se trasladan, lo que apunta a una rotación real. Si su equipo tiene una rotación similar, a menudo puede dejar que la carga de trabajo se asiente mediante bajas naturales y movimientos internos en lugar de despidos. Decídalo de forma deliberada, no por defecto.
8. Revise cada trimestre. La mezcla de contactos cambia a medida que la IA mejora y que los clientes aprenden lo que puede hacer. Retome el mapa del paso 1 cada trimestre durante el primer año.

Modelos de dotación que encajan con la nueva mezcla

Aparecen algunos patrones en los equipos que gestionan bien la transición.

Primera línea compartida con un anillo de especialistas. Un grupo atiende el primer contacto, asistido por IA, y un grupo más pequeño de especialistas recibe las escalaciones. Esto reemplaza las colas rígidas de nivel 1 y nivel 2 por un enrutamiento flexible según la complejidad del contacto, que el triaje con IA puede dirigir.

Roles combinados en equipos pequeños. Si tiene menos de diez personas, no contrate a un entrenador de IA a tiempo completo. Dé a su agente más sólido un bloque de tiempo protegido cada semana para reglas y conocimiento, y rótelo cada pocos meses para que el conocimiento no viva en una sola cabeza.

Planificación de capacidad según la resolución, no los tickets. Si pronostica la dotación solo con el volumen de tickets, sobrestimará la necesidad a medida que la IA absorba los contactos simples y subestimará el tiempo por cada caso restante. Pronostique por tipo de contacto y tiempo de gestión esperado para cada tipo.

Cobertura ajustada al riesgo. Donde la IA cubra fuera de horario las preguntas rutinarias, quizá no necesite cobertura humana nocturna para ellas, pero tal vez siga queriendo una pequeña vía de guardia para los casos urgentes. Ajuste la cobertura al riesgo, no a la costumbre.

Errores que conviene evitar

• Recortar la plantilla antes de que la IA demuestre su valor. Las cifras de deflexión se ven bien al principio, mientras los problemas de calidad afloran semanas después. Mantenga un margen hasta que las tasas de escalación y la satisfacción en los contactos atendidos por la IA se estabilicen.
• Olvidar a las personas de las que depende la IA. Los entrenadores, los knowledge managers y los revisores de calidad mantienen preciso el sistema. Eliminarlos para ahorrar costos elimina la salvaguarda.
• Reutilizar las metas antiguas. Juzgar a los agentes por el tiempo de gestión cuando los tickets fáciles se han ido los castiga por atender un trabajo más difícil. Actualice los scorecards antes de actualizar la cola.
• Saltarse la conversación con las personas. Los agentes oyen «IA» y dan por hecho que habrá despidos. Diga con claridad qué cambia, qué se queda y cuáles son las rutas de crecimiento. Los equipos que esperan sorpresas se desvinculan antes de que las herramientas se lancen.
• Tratar el agent assist como sustituto del coaching. Un copilot puede elevar el rendimiento de los agentes más nuevos, pero ellos siguen necesitando retroalimentación sobre criterio y tono. El hallazgo del NBER se refiere a la productividad, no al desarrollo de habilidades.
• Esconder al bot. Los clientes que creen hablar con una persona y luego descubren lo contrario pierden la confianza. Sea claro cuando la IA esté en la conversación y ofrezca siempre una vía hacia una persona. Consulte las expectativas de los clientes sobre el servicio con IA.
• Generalizar en exceso un solo estudio. El resultado del NBER proviene de un único estudio en un entorno de soporte. Sus resultados dependerán de su producto, sus datos y sus agentes. Mida los suyos.

Siguientes pasos

El diseño de roles solo funciona cuando la IA que lo respalda es precisa y los traspasos son limpios. Lea el diseño de human-in-the-loop (persona en el circuito) para ver cómo mantener a las personas al control de los pasos que importan, y vuelva a la guía principal para ver el mapa completo.