Empatía y tono en el servicio al cliente con IA: dónde se quedan cortos los bots

Por Linh Ngo · Actualizado el 11 de octubre de 2026

La empatía en el servicio al cliente con IA es cuánto se siente un cliente cuidado, comprendido y respetado en una conversación con un bot, y la investigación indica que tiene dos mitades: las palabras que escribe un modelo y lo que el cliente cree sobre quién las escribió. Las palabras suelen ser buenas. Varios estudios encuentran que las respuestas escritas por IA se califican como cálidas, incluso más que las humanas. El problema es la creencia. Cuando los clientes saben que una máquina es quien muestra el cuidado, muchos lo descuentan, y en algunas situaciones de servicio el lenguaje emocional resulta contraproducente.

Este artículo está dirigido a líderes de soporte y managers de CX que deciden cómo debe sonar un bot y cuándo debe dejar de hablar. Forma parte de la colección IA en el servicio al cliente. Repasaremos qué midieron realmente los estudios (y en quiénes), dónde los clientes quieren a una persona y un conjunto de pautas de tono que puede incorporar a las instrucciones de un bot esta misma semana.

Datos clave

• En tres estudios con viñetas y 714 participantes, los clientes reportaron menor satisfacción y menos disposición a volver tras una interacción con un chatbot que tras una con una persona, y esa brecha se explicó por completo por la empatía percibida (Markovitch, Stough y Huang, Journal of Retailing and Consumer Services, 2024).
• Cuando se les dijo que una respuesta provenía de una IA y no de una persona, las personas se sintieron menos escuchadas: 5,13 frente a 5,81 en una escala de 7 puntos (Yin, Jia y Wakslak, PNAS, 2024).
• En nueve estudios con 6282 participantes, un mismo texto empático escrito por un LLM se calificó como más empático y comprensivo cuando se etiquetaba como humano que cuando se etiquetaba como IA (Rubin et al., Nature Human Behaviour, 2025).
• En un estudio de un foro médico, los evaluadores calificaron como empáticas o muy empáticas el 45,1% de las respuestas del chatbot frente al 4,6% de las de los médicos (Ayers et al., JAMA Internal Medicine, 2023). Se trata de preguntas y respuestas sobre salud, no de servicio al cliente.
• La mitad de los consumidores teme que la IA les impida llegar a una persona (Qualtrics XM Institute, 2026).
• Cerca del 75% de los consumidores quiere saber si habla con un AI agent, y el 45% tiene más probabilidades de usar uno cuando existe una vía clara para llegar a una persona (Salesforce, 2024).

Qué significa «empatía» para un bot

Los investigadores dividen la empatía en partes, y esa división resulta útil para los equipos de soporte. La empatía cognitiva es entender qué siente la persona y por qué. La empatía afectiva es compartir ese sentimiento. La empatía motivacional es preocuparse lo suficiente como para actuar. Un modelo puede hacer bien lo primero, porque es lectura de patrones, y puede escribir frases que suenen a las otras dos. Lo que no puede es sentir nada, y los clientes lo saben.

Para una operación de soporte, conviene traducir esto a tres cosas prácticas que una respuesta hace o no hace:

1. Nombra el problema real. «Le cobraron dos veces y el reembolso no ha llegado» es mejor que «Entiendo su frustración».
2. Reconoce el costo para el cliente. Tiempo perdido, un plazo incumplido, una conversación incómoda con su propio jefe.
3. Hace algo al respecto. Un reembolso, una escalación, un siguiente paso concreto con un responsable y una hora.

En el tercer punto los bots están limitados por permisos, no por lenguaje. Un bot que suena atento pero no puede emitir un reembolso es un bot que suena atento y luego falla.

Qué muestra la investigación

La mayor parte de esta bibliografía usa intercambios escritos breves, participantes en línea e interacciones únicas, no colas de soporte reales. Aquí se detalla qué hizo cada estudio para que usted pueda juzgar hasta dónde se generaliza.

El texto de IA puede percibirse como más empático que el humano

El resultado más conocido proviene de un estudio de JAMA Internal Medicine. Los autores tomaron 195 preguntas públicas de un foro de salud de Reddit, con respuestas de médicos acreditados, y generaron una respuesta de ChatGPT (GPT-3.5) para cada una. Tres profesionales de la salud con licencia, que además eran coautores, calificaron los pares sin saber cuál era cuál. Prefirieron al chatbot en el 78,6% de las evaluaciones y calificaron mejor sus respuestas en empatía (una media de 3,65 frente a 2,15 en una escala de 5 puntos). Un detalle importa mucho: las respuestas del chatbot eran bastante más largas, con una mediana de 211 palabras frente a 52 de los médicos (Ayers et al., 2023).

¿Qué puede llevarse un líder de soporte de esto? No que los bots sean más empáticos que sus mejores agentes. Los médicos respondían a desconocidos en un foro público gratuito, probablemente en pocas líneas, y los evaluadores eran profesionales de la salud que leían texto. La lectura prudente es más acotada: cuando se le pide a un modelo una respuesta cuidadosa y con reconocimiento, y una persona escribe una rápida, la versión del modelo puede percibirse como más cálida. Es un asunto de esfuerzo y extensión, y una razón para usar la IA como ayuda para que los agentes escriban mejores respuestas (consulte el AI agent assist).

Un estudio de la USC apunta en la misma dirección. Los participantes describieron una situación estresante y luego leyeron una respuesta. En el experimento principal se reclutó en Prolific a 540 participantes de EE. UU., y 455 completaron la etapa final. Las respuestas escritas por Bing Chat (GPT-4) hicieron que las personas se sintieran más escuchadas que las respuestas escritas por otros participantes (5,74 frente a 5,17 en una escala de 7 puntos). Los autores lo vincularon con el apoyo emocional: la IA dio más (5,76 frente a 4,64) y menos sugerencias prácticas (3,28 frente a 4,31), y fue el apoyo emocional, no el consejo, lo que se asoció con sentirse escuchado (Yin, Jia y Wakslak, 2024). Quienes respondían como humanos eran desconocidos anónimos y las respuestas tenían unas 50 a 60 palabras, así que esto no indica cómo se compararía un agente con experiencia que conoce al cliente.

La etiqueta de IA le quita una parte

El mismo experimento de la USC cruzó la fuente real con la etiqueta. El efecto de la etiqueta fue casi tan grande como el efecto de la redacción, y en sentido contrario. Una respuesta que se creía de IA hacía sentir menos escuchado que una que se creía humana, sin importar quién la hubiera escrito en realidad. Los dos efectos se sumaron casi por igual: el texto de IA con etiqueta de IA (5,41) quedó casi donde quedó el texto humano con etiqueta humana (5,51), mientras que el texto de IA que las personas creían humano obtuvo la puntuación más alta (6,12). Los autores señalan que no hubo una condición sin etiqueta, por lo que no pueden decir si una etiqueta de IA reduce la sensación o si una etiqueta humana la aumenta (Yin, Jia y Wakslak, 2024).

El artículo de Nature Human Behaviour lleva el mismo hallazgo mucho más lejos. En todos los estudios, los investigadores hicieron que LLM escribieran respuestas empáticas a las situaciones emocionales de las personas y dijeron a los participantes que las había escrito una persona o una IA. El texto era el mismo. La versión «humana» se calificó como más empática y comprensiva, y generó más emociones positivas y menos negativas. La brecha se mantuvo con distintas longitudes de respuesta, demoras y modelos. Fue más fuerte en las respuestas que enfatizaban compartir el sentimiento y el cuidado, y más débil en las puramente comprensivas. Quienes sospechaban, sin que se les indicara, que una IA había ayudado a redactar una respuesta con etiqueta humana también la calificaron más bajo. Cuando querían compromiso emocional, elegían a una persona (Rubin et al., 2025).

Esto tiene una implicación clara para el soporte. Parte de lo que los clientes valoran en «Lamento mucho que esto haya pasado» es que alguien decidió decirlo. Si quita a ese alguien, la misma frase vale menos. Eso también significa que no conviene ocultar el bot para recuperar la puntuación de empatía: la misma investigación sugiere que descubrirlo sale caro, y la mayoría de los consumidores dice que de todos modos quiere saberlo (los datos de la encuesta están en la tabla de abajo).

Estudios de servicio al cliente: la empatía explica la brecha de satisfacción

Dos artículos examinan directamente entornos de servicio. En el primero, Markovitch y sus colegas realizaron tres estudios con viñetas. Los clientes calificaron el servicio del chatbot por debajo del servicio humano en satisfacción, recompra, aceptación de recomendaciones y disposición a recomendar, tanto si el resultado era bueno como malo. La empatía percibida explicó el efecto por completo. Y hay una palanca de diseño: cuando el chatbot se redactó para comunicarse con más empatía, las evaluaciones subieron hasta el nivel del agente humano, mientras que hacerlo parecer más humano no ayudó. Un cuarto estudio, con 100 personas que usaron ChatGPT para consejos médicos, respaldó el mismo patrón (Markovitch, Stough y Huang, 2024). Tenga en cuenta que son viñetas e interacciones breves, no clientes recurrentes que conviven con un bot durante un año.

El segundo artículo añade la advertencia. Han, Yin y Zhang realizaron tres experimentos en MIS Quarterly, uno con un chatbot LLM en vivo. Las respuestas del chatbot que reconocían y reflejaban los sentimientos negativos de un cliente a menudo desencadenaban reactancia psicológica, la sensación de que se está imponiendo un límite o se invade el sentido de control. Eso hacía que el bot pareciera menos competente y reducía la calidad de servicio percibida y la satisfacción. La empatía de un agente humano siguió siendo eficaz (University of South Florida, que resume el estudio). La cobertura no indica los tamaños de muestra, así que trate la magnitud del efecto como desconocida y la dirección como una advertencia.

Si junta ambos, obtiene una regla más útil que «agregue empatía». El lenguaje empático mejora a un bot cuando se refiere a la situación del cliente. El reflejo emocional («Percibo lo molesto que es esto») puede resultar contraproducente, sobre todo después de que algo ha salido mal.

Dónde quieren los clientes a una persona

La investigación sobre empatía explica por qué los datos de encuestas sobre el acceso a una persona son como son. A los clientes no les molesta que la IA haga el trabajo. Les inquieta que la IA se interponga entre ellos y una persona cuando el problema importa.

La recomendación propia de Qualtrics es que la IA atienda las solicitudes simples y transaccionales y luego aporte contexto y soluciones sugeridas a los agentes humanos en las complejas. Las encuestas no miden directamente las «necesidades de empatía», así que no afirme que lo hacen. Pero si las combina con los resultados de laboratorio, surge una regla de enrutamiento sensata:

• Deje que el bot atienda las solicitudes en las que el cliente quiere la respuesta, no la relación: estado del pedido, restablecimiento de contraseñas, preguntas sobre políticas, cambios de dirección.
• Pase a una persona cuando el cliente esté molesto por una falla, cuando haya dinero o una cancelación en juego, cuando lo pida o cuando el bot haya fallado dos veces.
• Asista a la persona en esos casos con un resumen y redacción sugerida. La página automatizar o asistir explica cómo decidir, y qué esperan los clientes del servicio con IA profundiza en el lado de las encuestas.

Pautas de tono para su bot

Este es un conjunto de reglas para escribir en las instrucciones del bot y usar como criterio de revisión. Se derivan de los hallazgos anteriores, más el sentido común sobre las respuestas escritas breves.

Lo que tienen en común esos ejemplos:

1. Diga qué pasó, en los términos del cliente. Los detalles concretos se leen como comprensión. La compasión genérica se lee como un guion.
2. Evite reflejar la emoción. No le diga a un cliente cómo se siente. Dado el hallazgo sobre reactancia, «Veo que está molesto» es más arriesgado viniendo de un bot que «Eso no debería haber pasado».
3. Combine cada reconocimiento con una acción o un siguiente paso. La empatía sin nada detrás es justo de lo que se quejan los clientes.
4. Sea breve. El resultado del foro médico se debía en gran medida a que las respuestas largas superaban a las apresuradas. En un chat, la longitud no es el objetivo. Lo es estar completo. Cubra el problema, la solución y el siguiente paso, y termine.
5. Avise, de forma clara y temprana. «Soy un asistente de IA. Puedo ayudarle con pedidos y facturación, o comunicarle con una persona». No le dé al bot un nombre humano ni demoras de escritura simuladas. La investigación sobre etiquetas dice que descubrirlo le cuesta.
6. Pida disculpas por el hecho, no por los sentimientos. «Lamento que el reembolso haya tardado tanto» es exacto. «Lamento que se sienta así» es una forma clásica de empeorar las cosas.
7. Ajuste el registro al canal y al cliente. Una respuesta escueta encaja con un desarrollador que pega un error. Una más cálida encaja con un reclamo de facturación, y el contexto de la cuenta y el historial le dicen al bot con qué cliente está hablando. Lea primero la intención con la detección de intención del cliente.
8. No prometa lo que solo una persona puede decidir. Los reembolsos fuera de política, las excepciones y los créditos de cortesía corresponden a la persona a la que el bot traspasa el caso.
9. Ofrezca la salida una sola vez, con claridad. Una línea, siempre en el mismo lugar.

Paso a paso: definir el tono de su bot de soporte

1. Ordene sus principales motivos de contacto por carga emocional. Marque cada uno como informativo, frustrante o de alto riesgo. El primero puede automatizarse por completo. El último debe enrutarse a personas.
2. Escriba la guía de tono con ejemplos, no con adjetivos. «Cálido pero profesional» no le da nada que copiar a un modelo. Cinco buenas respuestas y cinco malas sí.
3. Prohíba las frases de guion. Haga una lista de las frases que nunca quiere («Entiendo su frustración», «lamento que se sienta así», «pido disculpas por cualquier inconveniente») y compruebe que ya no aparecen.
4. Defina disparadores de escalación. Indicadores de enojo, palabras de cancelación, una segunda respuesta fallida, una solicitud directa de una persona y cualquier disputa de dinero por encima de un umbral. Las señales de sentimiento pueden ayudar; consulte la entrada del glosario sobre análisis de sentimiento para ver qué pueden y qué no pueden indicar.
5. Haga que el traspaso lleve contexto. La persona debe ver la transcripción completa y los datos de la cuenta. Nada hunde más rápido la empatía de un bot que el cliente teniendo que empezar de nuevo.
6. Pruebe con transcripciones reales. Tome 50 conversaciones recientes, páselas por el bot y pida a dos agentes que califiquen el tono a ciegas. Los desacuerdos muestran dónde la guía es vaga.
7. Puntúe el tono con una rúbrica, no con una impresión. Las comprobaciones observables funcionan mejor («nombró el problema específico», «dio un siguiente paso»). La guía de aseguramiento de calidad (QA) con IA muestra cómo calibrar esa puntuación frente a revisores humanos.
8. Mida los resultados del lado del cliente. Recontacto en una semana, tasa de traspaso, tiempo hasta llegar a una persona y una pregunta de satisfacción tras los chats atendidos solo por el bot.

Errores comunes

• Tratar un estudio como universal. Un estudio de foro sobre preguntas de salud dice poco sobre una disputa por un reembolso. Cada vez que lea una estadística de empatía, pregunte quiénes eran los participantes, qué estaban calificando y si era una interacción real.
• Ocultar que es un bot para ganar puntos de empatía. La investigación sobre etiquetas dice que la brecha es real, y los clientes dicen que quieren saberlo. Avisar es el camino honesto y el más barato cuando se descubre.
• Usar el reflejo emocional después de una falla. Aquí es donde el hallazgo sobre reactancia pega con más fuerza.
• Confundir extensión con cuidado. Las respuestas largas puntuaron bien en un estudio. En una ventana de chat solo hacen perder tiempo a las personas.
• Darle empatía al bot pero no autoridad. Una respuesta amable que termina en «No puedo hacer eso» es peor que una sencilla que enruta rápido.
• Entrenar a los agentes para que suenen como el bot. Si la IA escribe mejores reconocimientos que su equipo, úsela como ayuda de redacción, no como plantilla para copiar palabra por palabra.
• No volver a probar nunca. Los modelos, las políticas y el ánimo de los clientes cambian. Repita la prueba con transcripciones cada trimestre.