La IA conversacional ya no impresiona a nadie. Y eso es una buena noticia

Voy a decir algo que no es popular en mi sector: la mayoría de los agentes IA que las empresas prueban en experiencia de cliente no sobreviven el primer trimestre en producción.

No porque la tecnología falle, sino porque nadie pensó en qué pasa cuando el agente tiene que decirle a un cliente que no, que esa promoción no existe, o que su gestión requiere hablar con una persona de carne y hueso.

El reporte The GenAI Divide del MIT cifró lo que muchos ya intuíamos: a pesar de una inversión de entre 30.000 y 40.000 millones de dólares en IA generativa, el 95% de los proyectos no están generando un retorno medible. Y esto es porque las empresas siguen comprando demos en lugar de soluciones operativas.

La era de la demo terminó

2025 fue el año en que todo el mundo montó un piloto de IA conversacional. Cualquiera con acceso a una API de un modelo de lenguaje podía crear un chatbot que impresionara en una sala de reuniones.

Nosotros también tuvimos un 2025 intenso, pero del otro lado: llevando decenas de proyectos a producción real con clientes en México, Colombia, Chile y España.

Y justamente por eso puedo decir que la distancia entre una demo que deslumbra y un agente IA que opera en el día a día es enorme.

Porque en la vida real te enfrentas al agente que se inventó una política de devolución, al que prometió un descuento que no existe, o al que entra en bucle cuando no entiende el español coloquial del cliente. Hemos vivido todo esto y lo hemos resuelto.

Pero 2026 es otro capítulo. Las empresas que están aprovechando el valor real de la IA conversacional son las que entendieron que un agente de IA en producción es un tema de ingeniería operativa, no de inteligencia artificial.

Lo que nadie te cuenta de operar agentes de IA

Cuando implementas un agente virtual en un entorno corporativo ya sea banca, telco, educación o cobranzas descubres rápido que el 80% del trabajo se dedica a definir qué puede decir y qué no.

Es conectar con un CRM que tiene 15 años y una API que devuelve XML. Es calibrar cuándo el agente debe callarse y transferir a un humano, porque hay conversaciones donde la empatía no se puede sustituir.

En un estudio elaborado por IFAES con la colaboración de la AEERC, el 88% de las empresas que ya usan agentes de IA consideraron esencial garantizar un traspaso fluido al equipo humano.

Este dato no me sorprende. La transferencia al humano no se puede tratar como un “plan B”, en realidad es parte del diseño de la propia solución. 

Pero transferir la conversación es solo la mitad del problema. La otra mitad y la que casi nadie resuelve bien es transferir el contexto. ¿De qué sirve que un agente humano tome la llamada si tiene que pedirle al cliente que repita todo lo que ya explicó?

En Inconcert esto lo tenemos claro desde hace tiempo. Nuestros agentes IA operan con un supervisor en tiempo real y con transferencia completa de contexto al equipo humano: cuando la conversación escala, el agente recibe todo el historial, las acciones ya ejecutadas y las que quedaron pendientes. No empieza de cero. 

WhatsApp y la voz: donde se juega la partida real

Hoy, la experiencia de cliente se gestiona por WhatsApp y, cada vez más, por voz. Las llamadas integradas dentro de WhatsApp están cambiando el panorama, porque el cliente espera que la marca lo reconozca y recuerde su contexto sin importar por dónde se comunique. 

Esto suena simple pero no lo es. Mantener el contexto de una conversación que empieza en WhatsApp, sigue por una llamada de voz y termina en un email requiere una infraestructura de datos que la mayoría de las empresas no tiene.

La omnicanalidad lleva años como concepto; como realidad operativa, sigue siendo poco habitual.

Y en voz, el desafío técnico se multiplica. La latencia el tiempo entre que el cliente termina de hablar y el agente responde define si la experiencia se siente natural o robótica.

Estamos hablando de la diferencia entre 300 milisegundos y 2 segundos. Para el cliente, es la diferencia entre una conversación y un interrogatorio.

La confianza se construye con transparencia

Y llego al punto que más me importa. La IA en experiencia de cliente sufre un problema de confianza. Las empresas necesitan poder explicar a sus clientes y a sus propios equipos cómo funcionan sus agentes IA, qué datos usan, qué pueden hacer y qué no.

Esto se resuelve con trazabilidad real: poder auditar cada decisión que tomó el agente IA, entender por qué dijo lo que dijo, y tener mecanismos de supervisión que no dependan de revisar conversaciones a mano.

Las certificaciones como la ISO/IEC 42001 son un buen punto de partida, pero el estándar real lo pone cada empresa con el control que aplica a su operación diaria.

2026: el año de demostrar, no de prometer

Si tuviera que resumir lo que viene en una frase sería esta: se acabó la moda de la novedad. Las empresas que desplieguen agentes IA en 2026 van a tener que demostrar impacto en métricas de negocio concretas como coste por resolución, tasa de conversión y retención de clientes.

En paralelo, la tecnología va a seguir avanzando. Los modelos serán más rápidos, más baratos y capaces.

Pero la diferencia entre las empresas que extraigan valor real y las que sigan acumulando pilotos fallidos va a estar en cómo integren esa tecnología con sus procesos, sus datos y sus equipos.

Ese es el trabajo que hacemos en Inconcert cada día. No es espectacular. Pero es lo que funciona.