Una respuesta de la IA no significa que el problema del cliente quedó resuelto. Para medir resolución, define qué conversaciones entraron en el flujo, qué evidencia confirma el resultado y cuándo una persona asumió el caso. Separa resolución confirmada, resolución supuesta, transferencia humana y abandono. Después revisa los contactos repetidos y la calidad de las respuestas. Así el indicador no premia simplemente que el cliente deje de escribir.
Usa una conversación como unidad y fija un período de observación. Entre las conversaciones donde participó la IA, cuenta los resultados con confirmación explícita o acción verificada, los que solo parecen resueltos por silencio, los traspasos a una persona y los casos sin conclusión. Muestra las cuatro cantidades y sus denominadores. Revisa una muestra antes de tratar el silencio como una resolución.
Elige la población antes de calcular la tasa
Primero aclara la pregunta de gestión. ¿Quieres saber cómo funciona la IA cuando recibe un caso o qué parte de toda la atención termina sin intervención humana? Para la primera pregunta, el denominador son las conversaciones elegibles en las que participó la IA. Para la segunda, es todo el volumen del alcance, incluidas las conversaciones enviadas directamente al equipo. Mezclar ambas preguntas puede hacer que un cambio de enrutamiento parezca un cambio de calidad.
La explicación oficial de Intercom distingue participación, resolución entre conversaciones con IA y automatización sobre el volumen total de su producto. Son definiciones de un proveedor, no un estándar universal. Anota las reglas de inclusión: canales, idiomas, motivos, horarios, mensajes de prueba, casos reabiertos y solicitudes de atención humana antes de que responda la IA. Mantén las mismas reglas al comparar períodos.
Cuenta cada conversación una sola vez, aunque la IA envíe varios mensajes. Si el cliente vuelve por otro canal, verifica la identidad antes de unir registros. Nombres parecidos o teléfonos compartidos no bastan. La guía de identidad entre canales ayuda a evitar una fusión equivocada.
Distingue respuesta, resultado y confirmación
Una respuesta demuestra actividad. La resolución exige que la solicitud haya sido atendida dentro del alcance acordado. La mejor evidencia puede ser una confirmación explícita del cliente, una acción operativa completada y verificada o una revisión humana del caso. En muchos recorridos no hay confirmación explícita. Etiqueta ese resultado como supuesto, no confirmado.
La documentación de informes de Intercom distingue estados confirmados, supuestos, escalados y abandonados para Fin. La documentación de Zendesk separa resoluciones automatizadas, escalaciones asistidas y niveles de evidencia. Los criterios cambian según el proveedor; lee las definiciones antes de comparar dos porcentajes con el mismo nombre.
El silencio es ambiguo. Tal vez el cliente encontró la respuesta, tuvo que irse o abandonó el intento porque la respuesta no ayudó. El cierre automático tampoco demuestra satisfacción. Registra lo que se observó y conserva una ventana para detectar un nuevo contacto. Las solicitudes de alto riesgo, cargos en disputa, asuntos de salud o decisiones contractuales requieren la revisión humana apropiada; una tasa general no debe ocultar esas excepciones.
Haz una cuenta que se pueda auditar
Imagina 300 conversaciones de atención en un período. La IA participó en 120. De esas 120, 48 tuvieron resolución confirmada, 24 quedaron supuestamente resueltas, 30 se transfirieron a una persona y 18 terminaron sin conclusión verificable. Al cerrar el período, asigna cada conversación a una sola categoría.
La resolución confirmada entre conversaciones con IA es 48 ÷ 120 = 40%. Si el equipo decide incluir los resultados supuestos, debe decirlo: 72 ÷ 120 = 60% de conclusiones confirmadas o supuestas, no 60% de resoluciones demostradas. Sobre todo el volumen, 72 ÷ 300 = 24% responde a otra pregunta. Un caso que terminó un humano no se convierte en resolución de la IA. Estas cifras son ejemplos hipotéticos, no resultados de Signaldesk ni metas de mercado.
Conserva las cantidades junto a los porcentajes: una tasa puede subir aunque bajen los resultados útiles. Separa por canal y motivo solo cuando haya una muestra suficiente. La guía de métricas de atención explica por qué una tasa aislada puede engañar.
Busca fallas detrás de una tasa aparentemente buena
Lee una muestra de conversaciones clasificadas como confirmadas y supuestas. ¿La respuesta usó una fuente aprobada? ¿Entendió la pregunta real? ¿Quedó una acción pendiente? ¿El cliente volvió por el mismo motivo? Un nuevo contacto no demuestra por sí solo un error, pero merece investigación. La guía para auditar conversaciones de IA propone criterios observables de evidencia, riesgo, transparencia y calidad del traspaso.
Observa también quién quedó fuera del denominador. Si la IA solo recibe preguntas sencillas, su tasa puede parecer excelente mientras el equipo humano se sobrecarga. Si una nueva regla transfiere antes los casos delicados, una tasa menor quizá represente mejor protección. Sigue participación, motivos de transferencia, espera del humano y satisfacción, mostrando la cobertura de la encuesta. No atribuyas a todos los clientes la opinión de una muestra pequeña.
Cuando detectes una brecha, corrige la causa antes de elevar la meta: conocimiento desactualizado, intención mal clasificada, datos no disponibles, acción que necesita autorización o regla de transferencia confusa. Prueba el cambio en una muestra, registra versión y responsable y verifica que el error no reaparezca. No pidas a la IA que improvise sin evidencia.
- Unidad, período, canales y población elegible definidos antes de comparar.
- Conteos separados de participación, resolución confirmada, supuesta, transferencia y casos sin conclusión.
- Numerador y denominador visibles; pruebas y duplicados tratados explícitamente.
- Evidencia de resultado preservada y ventana de nuevo contacto definida.
- Una persona revisa respuestas que parecen exitosas.
- Casos sensibles y pedidos de atención humana transferidos con contexto y aceptación de responsabilidad.
- Cambios de enrutamiento, conocimiento o política anotados junto a la serie histórica.
- Ninguna tasa presentada como satisfacción, ahorro o ingresos sin pruebas independientes.