Coaching con IA para agentes de soporte: retroalimentación a partir de conversaciones reales

Por Linh Ngo · Actualizado el 11 de octubre de 2026

El coaching con IA para agentes de soporte es la práctica de usar IA para leer o escuchar conversaciones reales con clientes, detectar los momentos que muestran una brecha de habilidad o una fortaleza y entregarlos a un manager como material concreto para una reunión individual. La IA hace la búsqueda. El manager hace el coaching. Esa división es toda la idea, y los equipos que la desdibujan suelen terminar con un montón de puntuaciones que nadie aprovecha o con un sistema que los agentes rechazan.

La mayoría de los managers de soporte hacen coaching a partir de un puñado de conversaciones que les tocó muestrear. Un equipo de 30 agentes que atiende miles de contactos por semana no puede entenderse con cinco tickets por persona. La IA cambia el problema del muestreo: puede mirar todas las conversaciones y mostrar las tres que importan para este agente esta semana. Esta guía explica cómo funciona, quién hace qué, cómo ponerlo en marcha por pasos y cómo mantener el programa del lado correcto de la línea entre desarrollo y vigilancia. Forma parte de la colección AI for Customer Service; para la visión más amplia, empiece por la IA en el servicio al cliente.

Datos clave

• En un documento de trabajo preliminar sobre un call center europeo de servicios financieros, el coaching potenciado con IA redujo el tiempo medio de gestión de las llamadas en cerca de 7%, con mejoras mayores para los agentes con menos antigüedad (Fouarge et al., documento de trabajo de Netspar, enero de 2025).
• Ese estudio abarcó 187 839 llamadas atendidas por 147 agentes durante un despliegue escalonado en 2023 (documento de trabajo de Netspar).
• En un estudio aparte con 5179 agentes de soporte, un asistente de IA aumentó las incidencias resueltas por hora en 14% en promedio y en 34% en el caso de trabajadores novatos y de baja cualificación, con un impacto mínimo en los trabajadores con experiencia (Brynjolfsson, Li y Raymond, NBER Working Paper 31161).
• 51% de los trabajadores de EE. UU. dice saber que su empleador los monitorea con tecnología, y 56% de los monitoreados reporta sentirse por lo general tenso o estresado en el trabajo (American Psychological Association, encuesta Work in America 2023).
• 45% de los trabajadores monitoreados afirma que su entorno laboral perjudica su salud mental, frente a 29% de los trabajadores que no son monitoreados. La APA subraya que se trata de correlaciones, sin una causa de fondo confirmada (APA).
• La EU AI Act prohíbe los sistemas de IA que infieren las emociones de las personas en el lugar de trabajo, salvo por motivos médicos o de seguridad (EU AI Act, artículo 5).

Qué hace realmente el coaching con IA

Imagine la versión tradicional. Un líder de equipo extrae cinco tickets por agente al final del mes, los lee y redacta la retroalimentación. La muestra es diminuta, la retroalimentación llega semanas después de la conversación y el agente apenas recuerda el contacto. A menudo esos cinco tickets son los más fáciles de encontrar, no los más útiles.

El coaching con IA reemplaza el paso de la búsqueda, no la conversación. En términos de ACE, es el patrón Meeting Intelligence aplicado al soporte: ingerir la conversación (texto de chat y correo, o audio transcrito de las llamadas), analizarla según lo que le importa y generar algo que un manager pueda usar, como una lista corta de momentos señalados con las líneas relevantes resaltadas.

Lo que suele sacar a la luz:

• Momentos que se pueden trabajar en coaching. Una conversación en la que el cliente estuvo confundido durante varios turnos, en la que el agente se saltó un paso obligatorio o en la que una situación difícil se manejó de forma excepcionalmente buena.
• Patrones entre conversaciones. Un agente que explica de forma sistemáticamente insuficiente los plazos de reembolso, o uno cuyas respuestas se vuelven más cortas y frías al final del turno.
• Fortalezas que vale la pena copiar. El mismo análisis que encuentra brechas encuentra al agente cuyas explicaciones de un error de facturación siempre dan en el blanco. Eso se convierte en un ejemplo compartido para el equipo.

La investigación sobre la selección de llamadas respalda el enfoque. Un artículo de 2023 sobre un sistema llamado AI Coach Assist describe el uso de modelos de lenguaje para decidir qué llamadas sirven para coaching a partir de las preguntas de aseguramiento de calidad que fijan los managers, de modo que los supervisores no se limiten a muestras aleatorias (Coach Assist, arXiv). Es un artículo sobre un sistema, sin resultados de campo reportados, así que tómelo como la descripción de un método, no como prueba de impacto.

¿En qué se diferencia del AI agent assist? El agent assist (asistencia al agente) actúa durante la conversación, sugiriendo respuestas y mostrando artículos en tiempo real. El coaching actúa después, convirtiendo conversaciones terminadas en desarrollo. Se retroalimentan: el coaching le dice en qué temas necesitan más ayuda los agentes, y el assist es donde puede poner esa ayuda.

Qué dice la evidencia

Tenga cuidado con las afirmaciones grandes. La evidencia es alentadora, pero joven.

El estudio más relevante es un documento de trabajo de investigadores que analizaron a un gran proveedor de servicios financieros de Europa occidental. La empresa implantó una herramienta de IA que analiza el contenido hablado de las llamadas para apoyar su proceso de coaching, y lo hizo por etapas, lo que permite a los investigadores comparar a los agentes que la recibieron con los que no. Reportan que el coaching potenciado con IA redujo el tiempo de gestión de las llamadas en cerca de 7%, que el mecanismo fue un mejor estilo de comunicación y que las mejoras fueron sustancialmente mayores para los agentes con menos antigüedad (documento de trabajo de Netspar). Valen dos cautelas. Es un borrador, y los agentes tratados tenían considerablemente menos experiencia que el grupo de control, el tipo de desequilibrio que convendría que corrigiera una versión posterior.

Un resultado más amplio apunta en la misma dirección. El estudio del NBER sobre la asistencia con IA generativa halló los mayores beneficios en los trabajadores más nuevos y concluyó que la herramienta parecía difundir las prácticas de los trabajadores más capaces (NBER Working Paper 31161). Ese estudio trata de la asistencia en tiempo real, no del coaching. Pero el patrón en común sirve para planificar: espere que el desarrollo apoyado con IA ayude más a los agentes nuevos, y no prometa un salto espectacular a los veteranos.

Note también lo que estos estudios no muestran. Miden la velocidad y la calidad de la comunicación, no si los clientes quedaron más satisfechos ni si los agentes permanecieron más tiempo. Ponga eso en su propio marcador.

Quién hace qué: la IA encuentra los momentos, las personas hacen el coaching

La forma más limpia de operar esto es una división del trabajo estricta.

La última fila es la que más importa. Las señales de la IA son un punto de partida para una conversación, no un veredicto. Un algoritmo ve que una respuesta fue larga; no sabe que el cliente era una persona mayor y necesitaba que se le explicara todo con detalle. Un manager que conoce el contexto y pregunta primero, «cuénteme qué pasó aquí», obtiene mejor información que cualquier puntuación, y el agente sale sintiéndose escuchado.

La documentación de QA de Zendesk muestra cómo plantea esto un producto de uso masivo. Su guía de administración describe una puntuación automática que evalúa y puntúa todas las interacciones con clientes, y por separado describe la creación de sesiones de coaching en las que se «agrupan conversaciones específicas y notas fijadas», además de verificar si los agentes han revisado la retroalimentación recibida (Zendesk Help Center). La puntuación es automática. La sesión es un acto humano. Para el lado de la puntuación en profundidad, vea el aseguramiento de calidad con IA para soporte.

Ejemplos reales por función

El método es el mismo en todas partes. Los momentos cambian.

Soporte por chat de nivel 1. La IA señala las conversaciones en las que el cliente hizo la misma pregunta dos veces. El manager y el agente leen dos de ellas juntos y encuentran un patrón: el agente responde a la pregunta formulada, no a la que hay debajo. Objetivo para la próxima semana: confirmar que entendió antes de responder.

Facturación y cobranza. La facturación es donde más importa el tono y donde los errores cuestan más. La IA señala las llamadas en las que el lenguaje del cliente pasó de neutral a frustrado justo después de una explicación de política. La conversación de coaching trata de cómo explicar un cargo por mora, no del cargo. El agente que mejor lo explica se convierte en el modelo.

Soporte técnico. Las señales tienen que ver con el proceso: pasos de diagnóstico omitidos, escalaciones prematuras, tickets cerrados sin confirmación. Los managers las usan para mejorar la guía de resolución de problemas además del agente, ya que tres agentes que se saltan el mismo paso suelen indicar que ese paso está mal documentado.

Correo y canales escritos. La IA es más fuerte aquí porque el texto es fácil de analizar. Los temas de coaching más comunes son la extensión de las respuestas, los próximos pasos poco claros y la falta de reconocimiento. Vea la IA para soporte por correo para saber cómo funciona este canal.

Onboarding de nuevas contrataciones. En la semana tres, en lugar de esperar una revisión mensual, el manager recibe una lista corta de las propias conversaciones del agente nuevo: dos cosas bien hechas y dos para practicar. Dada la investigación anterior sobre los trabajadores nuevos, aquí es donde el coaching tiene más probabilidades de dar frutos.

Cómo implementar el coaching con IA, paso a paso

1. Empiece por los agentes, no por la herramienta. Antes de comprar o activar nada, cuente al equipo lo que planea y por qué. Explique qué se analizará, quién verá el resultado y para qué no se usará. Hágalo primero, porque el rumor llena cualquier silencio.
2. Defina cómo se ve lo bueno. Escriba un scorecard breve: de cinco a ocho conductas que importan, como entender la pregunta, la exactitud, los próximos pasos claros y el tono adecuado. Involucre a agentes con experiencia en la redacción. Las rúbricas inventadas solo por la dirección tienden a medir lo que es fácil de contar.
3. Revise sus datos. El análisis de conversaciones necesita transcripciones completas y bien atribuidas. Corrija los problemas de etiquetado, cobertura de canales y consentimiento antes de empezar. Preparar los datos de soporte para la IA cubre la preparación previa.
4. Ejecútelo en modo sombra. Durante unas semanas, deje que la IA puntúe las conversaciones mientras los managers también revisan una muestra a mano. Compare. Si la IA y sus mejores revisores discrepan con frecuencia en una conducta, corrija la rúbrica o descarte esa conducta.
5. Elija una cadencia y un tope. Una conversación de coaching semanal o quincenal por agente, con no más de dos o tres momentos para tratar. Una lista de veinte elementos señalados es una lista de tareas pendientes, no coaching.
6. Dé a los agentes la misma vista. Los agentes deben ver sus propios momentos señalados y sus puntuaciones antes de la conversación, y poder añadir contexto o discrepar. Es la mayor palanca de confianza.
7. Convierta los momentos en un solo compromiso. Cierre cada sesión con una sola cosa específica para practicar, anotada por el agente. Revísela la próxima vez.
8. Comparta lo bueno. Una vez al mes, comparta con todo el equipo un ejemplo anonimizado o consentido de una conversación excelente. Si el coaching con IA solo muestra a las personas sus errores, se siente como vigilancia. Mostrar los logros lo corrige.
9. Revise el sistema cada trimestre. Observe la precisión de las señales, la opinión de los agentes y los resultados (tiempo de gestión, resolución, CSAT, rotación). Retire las señales que no ayuden.

Cómo evitar la sensación de vigilancia

Aquí es donde los programas viven o mueren. La misma tecnología puede sentirse como un coach o como un vigilante de pasillo, y los agentes deciden cuál en cerca de una semana.

Las cifras explican por qué merece atención. En la encuesta de la APA de 2023, 56% de los trabajadores que experimentan monitoreo reportó sentirse por lo general tenso o estresado en el trabajo, y 45% dijo que su entorno laboral perjudicaba su salud mental, frente a 29% de los trabajadores que no son monitoreados. Los puestos de servicio al cliente reportaron una conciencia del monitoreo de 55%, por encima del 51% general (APA). La APA es explícita en que se trata de correlaciones y que la causa de fondo no está confirmada, así que no las cite como prueba de que el monitoreo causa estrés. Tómelas como una advertencia sobre el entorno al que está entrando.

Salvaguardas prácticas:

• Sea transparente. Documente qué se analiza, qué significan las puntuaciones, quién puede ver qué y cuánto tiempo se conservan los datos. Póngalo por escrito y actualícelo cuando cambie la configuración.
• Avise y cumpla la ley. Los requisitos sobre grabación, consentimiento y datos de los empleados varían según el país y a veces según el estado. Consulte con su asesoría jurídica y con cualquier comité de empresa antes del lanzamiento. No dé por hecho que un aviso de grabación de cara al cliente cubre también el análisis interno del desempeño.
• Evite en la UE puntuar con inferencia de emociones a su propio personal. La EU AI Act prohíbe los sistemas de IA que infieren las emociones de las personas en el lugar de trabajo, fuera de usos médicos o de seguridad (EU AI Act, artículo 5). Si una función de un proveedor califica el «estado de ánimo» o el «estrés» de un agente a partir de la voz o el video, obtenga una opinión legal antes de activarla, sea cual sea el lugar donde esté su personal.
• Use los datos primero para el desarrollo. Diga con claridad, y hable en serio, que los momentos señalados son iniciadores de conversación. Si además piensa usar las puntuaciones en las evaluaciones de desempeño, dígalo abiertamente, fije umbrales con revisión humana y dé a los agentes una vía para impugnar.
• Mantenga a las personas en las decisiones. Ninguna decisión de pago, ascenso o disciplina debe apoyarse solo en una puntuación de la IA.
• Deje que los agentes vean primero sus propios datos. La sorpresa es lo que hace que la retroalimentación se sienta como vigilancia.
• Recopile menos. Analice lo que su scorecard necesita. No conserve todas las métricas posibles solo porque la herramienta pueda producirlas.

Errores que conviene evitar

Puntuar todo y no hacer coaching de nada. La IA abarata las puntuaciones, y los equipos se ahogan en dashboards. Si una señal nunca lleva a una conversación, deje de generarla.

Hacer coaching según la métrica. Si el tiempo de gestión pesa mucho, los agentes apurarán a los clientes. La reducción de 7% en el tiempo de gestión del documento de Netspar solo es buena si la calidad se mantiene, y los autores reportan que llegó por una mejor comunicación, no por atajos. Equilibre la velocidad con la resolución y la satisfacción.

Tratar la puntuación de la IA como la verdad. Los modelos interpretan mal el sarcasmo, las expresiones regionales, las conversaciones multilingües y las situaciones inusuales de producto. Es un riesgo particular en el soporte multilingüe. Deje siempre que el agente explique antes de juzgar.

Ignorar lo que dicen los agentes. Si los agentes con experiencia dicen que una señal es incorrecta, investigue. Suelen ser sus mejores datos de calibración.

Usarlo solo con los agentes que tienen dificultades. Aplique el mismo programa a todo el equipo, incluidos los de mejor desempeño. El uso selectivo parece un castigo.

Olvidar los roles que lo rodean. El tiempo de coaching es tiempo del manager. Si añade coaching con IA sin liberar a los líderes de equipo, no ocurrirá. Vea cómo cambia la IA los roles de los equipos de soporte para planificar esa capacidad.

Una forma sencilla de medir si funciona

Elija cuatro medidas antes de empezar y revíselas cada trimestre: la puntuación de calidad de su scorecard, un resultado de cliente (CSAT o resolución), una medida de velocidad y una medida de personas, como la confianza de los agentes en una breve encuesta de pulso o la rotación. Compare a los agentes que han recibido coaching con el sistema frente a un período de línea base, y observe por separado a los agentes nuevos, porque ahí es donde la investigación sugiere el mayor efecto. Si la velocidad mejora mientras baja la encuesta de pulso, ha construido una herramienta de vigilancia. Corríjalo antes de escalar.