Por NOWN · Contenido auspiciado por Networkr.
En el sitio web de una organización chilena del sector salud ocurrió un cambio de esos que parecen menores y terminan revelando un problema mayor. Según la experiencia compartida con NOWN por Networkr, estudio de desarrollo digital vinculado al proyecto, la organización reemplazó el acceso directo a WhatsApp por un chatbot con disponibilidad permanente y respuestas inmediatas. Tras la implementación, Networkr observó una disminución considerable de los mensajes. Más adelante, la organización reincorporó WhatsApp sin retirar el asistente automatizado. Con ambos canales disponibles, según la observación de Networkr, WhatsApp presenta mejores conversiones, incluso cuando las respuestas humanas demoran más.
En NOWN no contamos con cifras auditadas de este caso ni con datos suficientes para separar el efecto del cambio de canal de otros factores, como la ubicación de los botones, el tráfico o las modificaciones realizadas al sitio. Por eso lo presentamos como una experiencia observada por una fuente vinculada al proyecto, sin atribuirle una causa demostrada. La secuencia invita a mirar más allá de las conversaciones registradas: ¿qué sucede cuando una herramienta diseñada para ampliar la atención coincide con una caída de los contactos? Nos interesa especialmente la decisión de no iniciar una conversación, que puede quedar fuera de las métricas del asistente y pasar inadvertida para la organización.
La promesa de la automatización ha estado asociada durante años a la velocidad. Una respuesta instantánea puede resultar útil, pero al escoger un canal de atención las personas también evalúan si podrán explicar su situación, cuánto esfuerzo deberán invertir y si alguien podrá hacerse cargo de su necesidad. La diferencia de conversiones descrita por Networkr invita a considerar una variable difícil de capturar con los indicadores habituales: la confianza que existe antes de escribir el primer mensaje. A veces la persona todavía no sabe exactamente qué necesita.
La pregunta que todavía no existe
Imaginemos a alguien que entra al sitio de una clínica porque necesita orientación. Siente una molestia que no sabe describir, recibió una indicación que no comprendió o tiene dudas sobre qué especialidad corresponde a su caso. Encuentra un menú con opciones para reservar una hora, consultar prestaciones y revisar convenios. Ninguna expresa su situación. En una conversación con una persona podría comenzar diciendo: «No sé si esto corresponde aquí, pero necesito explicar lo que me pasa». Esa frase permite iniciar un intercambio que ayuda a organizar la información, despejar confusiones y encontrar el siguiente paso.
Las personas necesitan explicar y, muchas veces, explicarse. En una conversación se reformulan preguntas, aparecen detalles que parecían irrelevantes y cambian las primeras interpretaciones. La comunicación también sirve para descubrir qué queríamos preguntar. La Agencia para la Investigación y la Calidad de la Atención Médica de Estados Unidos (AHRQ) recomienda a los profesionales de salud utilizar preguntas abiertas y dar a los pacientes la oportunidad de contar su historia. La orientación parte de un hecho práctico: comprender una necesidad exige escuchar cómo la persona logra expresarla. Esto no supone delegar diagnósticos médicos en personal administrativo; una buena primera atención permite reconocer cuándo corresponde orientar, consultar o derivar a un profesional.
El Consumer Patience Index 2026 permite dimensionar cuánto esfuerzo están dispuestas a invertir las personas para hacerse entender. Al preguntar cuántas veces repetirían información a un chatbot o menú telefónico antes de abandonar o pedir atención humana, un 10,8 % respondió que saldría de inmediato; un 21,5 % aceptaría repetirla una vez y un 38,6 %, dos veces. Cuando explicar una situación requiere varios intentos, el margen para llegar a comprenderse puede agotarse rápidamente.
Los chatbots de menús cerrados plantean una dificultad evidente para estas situaciones: exigen elegir una categoría antes de que el usuario haya conseguido identificarla. Los modelos generativos modernos pueden recibir lenguaje libre, formular preguntas y manejar matices mucho mejor que los asistentes tradicionales. Aun así, la flexibilidad de la conversación depende de cómo se configura el sistema y de las acciones que la organización le permite realizar. Una herramienta capaz de interpretar una necesidad compleja puede quedar reducida a entregar información general si carece de acceso a los procedimientos necesarios para resolverla.
Las opciones que las empresas deciden ofrecer
La clasificación automática de solicitudes existe desde mucho antes de la inteligencia artificial. Las centralitas telefónicas y los formularios acostumbraron a millones de personas a seleccionar entre opciones establecidas: ventas, soporte, facturación, reservas. Estos recorridos funcionan cuando la consulta coincide con un procedimiento previsto. Las dificultades aparecen con solicitudes que cruzan varias áreas, requieren una explicación extensa o involucran decisiones que la organización preferiría gestionar por otros canales. Reclamar un cobro indebido, notificar un incumplimiento, corregir información o pedir la baja de un servicio puede resultar considerablemente menos sencillo que contratarlo.
Un menú de atención contiene decisiones sobre lo que la empresa considera atendible y sobre cómo se debe presentar cada necesidad. La ubicación de una opción, el número de pasos necesarios y la facilidad para llegar a un trabajador afectan la experiencia concreta del usuario. Cuando una solicitud no figura entre las alternativas visibles, la persona debe traducir su problema al lenguaje administrativo de la organización. A veces consigue hacerlo; otras veces selecciona una categoría incorrecta, repite antecedentes o abandona el proceso. La ausencia de una opción no demuestra por sí sola una intención de bloquear solicitudes, pero sí puede actuar como barrera en la práctica.
El Consumer Patience Index preguntó si los menús telefónicos automatizados ofrecen opciones que efectivamente responden a las necesidades de los usuarios. Solo el 6,7 % afirmó que siempre resuelven sus inquietudes; el 45,4 % señaló que rara vez consigue resolver por completo su problema. La pregunta se refería específicamente a sistemas de respuesta telefónica interactiva (IVR). Sus resultados muestran las limitaciones que puede imponer un recorrido construido a partir de alternativas predefinidas.
La Organización para la Cooperación y el Desarrollo Económicos (OCDE) estudia desde hace años los llamados patrones comerciales oscuros: decisiones de diseño digital que pueden perjudicar la autonomía del consumidor al orientar sus elecciones o dificultar determinados recorridos. La existencia de un chatbot no constituye por sí misma una práctica de este tipo. Sin embargo, el mismo principio de análisis sirve para examinar los canales de atención: qué trámites tienen accesos evidentes, cuáles exigen más pasos y cuáles carecen de una vía eficaz para completarse.
En Chile, la herramienta Me Quiero Salir del SERNAC permite solicitar el término de contratos de telecomunicaciones y seguros generales mediante un canal específico. Su existencia muestra la importancia de contar con procedimientos accesibles para ejercer derechos de consumo. El diseño de la atención empresarial también debe ser observado desde esa perspectiva: una persona tiene que poder comunicar aquello que necesita, incluidas las solicitudes que no generan una venta ni benefician comercialmente a la empresa.
La desconfianza comienza antes de hablar
El Consumer Patience Index 2026, publicado en junio de 2026, fue encargado por Parloa y realizado por Propeller Insights entre 1.001 consumidores adultos de Estados Unidos. El 55,5 % de los participantes declaró que dejaría de interactuar con un sistema automatizado en un plazo de tres minutos si este no conseguía resolver su problema. Un 53,6 % reconoció haber utilizado tácticas para llegar más rápidamente a una persona. El informe también encontró que el 86,7 % consideraba importante sentirse comprendido durante una interacción de soporte automatizado.
Ese mismo estudio también preguntó por la primera vía de contacto ante un problema de atención: el 38,9 % escogió llamar por teléfono, frente al 18 % que optó por el chat o un asistente de IA. Ante una pregunta diferente, sobre las formas de automatización preferidas, el 27,2 % respondió que no quería ninguna y prefería soporte humano. Estas respuestas muestran el peso de la elección del canal en las expectativas de los consumidores.
Uno de los datos más significativos aparece antes de cualquier interacción: el 50,7 % suponía que su problema sería demasiado complejo para la automatización. Esa expectativa ayuda a explicar por qué la experiencia previa importa tanto. Una persona que ha atravesado menús inútiles, repetido su solicitud y recibido respuestas inconducentes aprende a anticipar el resultado de futuras conversaciones. Cuando encuentra un nuevo chatbot, puede decidir que no vale la pena comenzar. El mismo estudio señala que el 33,7 % de los participantes había evitado volver a contactar al servicio de atención después de una mala experiencia.
La frustración también tiene una dimensión emocional. En la encuesta, un 13,3 % declaró haber llorado y un 16,5 % haber gritado a una persona cercana a raíz de una experiencia frustrante con un chatbot o menú telefónico. Son respuestas autodeclaradas, pero permiten observar el desgaste que puede dejar una atención fallida y ayudan a entender por qué algunos usuarios evitan repetirla.
Otra investigación de Gartner, publicada en septiembre de 2026, encontró que solamente el 27 % de los encuestados estaría dispuesto a probar nuevamente un chatbot después de una experiencia negativa. La encuesta incluyó a 3.566 clientes empresariales y consumidores finales. Los resultados ayudan a entender que cada implementación llega a un público con expectativas formadas por experiencias anteriores, incluso en otras empresas. El usuario puede desconfiar de un sistema que todavía no ha probado porque reconoce el formato y anticipa sus limitaciones.
Las encuestas citadas registran respuestas declaradas y corresponden a poblaciones y metodologías distintas. No permiten medir por sí solas cuántos consumidores chilenos abandonan una página al ver un chatbot. Sí aportan evidencia de la desconfianza hacia la atención automatizada, una dimensión que conviene investigar junto con los datos de uso y conversión de cada servicio.
Los clientes que nunca aparecen en las métricas
Al revisar los criterios habituales de evaluación de estos asistentes, encontramos indicadores como conversaciones iniciadas, tiempo medio de respuesta, solicitudes resueltas y cantidad de derivaciones humanas. Todos aportan información útil, pero describen solo una parte del recorrido. Quien encuentra el chatbot y decide no escribir queda fuera de las estadísticas de conversaciones. No genera un ticket, no recibe una respuesta incorrecta y no figura necesariamente como abandono. Puede buscar otra empresa, elegir otro canal, postergar la gestión o resignarse a no realizarla.
En el caso del sector salud descrito por Networkr, la mejor conversión reportada para WhatsApp lleva a preguntar qué ocurre antes del primer mensaje: cuántos visitantes ven cada botón, cuántos lo seleccionan, cuántos efectivamente comienzan una conversación y cuántos terminan realizando la gestión que buscaban. Para responder con rigor habría que considerar diferencias de ubicación visual, tráfico, horarios y tipo de consulta. Mientras no dispongamos de esas mediciones, solo podemos examinar el testimonio de la fuente y formular hipótesis, sin atribuir una causa única.
Esto tiene consecuencias comerciales. Un chatbot puede mostrar una tasa alta de resolución entre las conversaciones que recibe y coincidir con una disminución del volumen total de contactos. Si miramos únicamente la eficiencia del sistema, podríamos pasar por alto las oportunidades perdidas antes de iniciar la atención. La conversación que nunca empieza merece un lugar en la evaluación de cualquier canal digital.
La distancia entre lo que creen las empresas y lo que viven sus clientes
El 9 de noviembre de 2026, Twilio publicó resultados de su Customer Insights Series 2026, elaborado con encuestas a 7.652 consumidores y 660 ejecutivos empresariales en 18 mercados, incluido Chile. El 86 % de las empresas consultadas consideraba que sus clientes estaban satisfechos con la atención mediante IA; entre los consumidores, solamente el 51 % declaraba satisfacción con esas interacciones. Los porcentajes describen las percepciones de dos grupos consultados, por lo que no deben leerse como una comparación directa entre cada compañía y su propia clientela. La diferencia, sin embargo, plantea interrogantes sobre los criterios que las organizaciones utilizan para declarar exitoso un sistema.
En la misma investigación, el 78 % de los consumidores afirmó haber intentado evitar un agente de IA para hablar con una persona, mientras el 63 % manifestó querer una vía rápida para solicitar esa derivación. Otra encuesta de Gartner encontró que el 87 % consideraba esencial mantener acceso a atención humana cuando las empresas emplean IA generativa. Existe una demanda clara por conservar opciones de contacto y por obtener soluciones efectivas.
Una respuesta automática puede ser rápida, cordial y técnicamente correcta, pero la satisfacción del usuario depende de lo que consigue hacer después de recibirla. Si necesita corregir un cobro, cancelar un contrato o explicar una situación excepcional, la utilidad del canal está ligada a su capacidad para completar ese recorrido. Los indicadores de desempeño deberían seguir la solicitud hasta su resolución y registrar los intentos fallidos, las transferencias y los abandonos. De otra manera, una interacción cerrada puede confundirse con un problema solucionado.
Una inteligencia que entiende también necesita poder actuar
La adopción de modelos generativos ha ampliado las capacidades de los asistentes. Un chatbot moderno puede comprender expresiones abiertas, solicitar aclaraciones, resumir antecedentes y reconocer situaciones que los antiguos sistemas de opciones jamás habrían procesado correctamente. Pero toda esa capacidad opera dentro de una estructura administrada por la organización: qué bases de datos puede consultar, qué cambios tiene autorización para ejecutar, qué información puede entregar y cuándo debe transferir la conversación a alguien más.
La diferencia puede observarse en una situación sencilla. Un asistente comprende que un consumidor quiere impugnar una facturación, pero la empresa no lo ha conectado al sistema de reclamos ni le permite registrar formalmente una solicitud. La conversación puede continuar con explicaciones amables mientras el problema permanece intacto. En ese escenario, la responsabilidad principal recae sobre el diseño del proceso de atención y las decisiones sobre los alcances del sistema. La inteligencia del modelo no compensa por sí sola la ausencia de procedimientos efectivos.
Una investigación de Gartner de julio de 2026 encontró que los clientes tenían aproximadamente tres veces más probabilidades de recurrir a herramientas externas de IA generativa que a chatbots proporcionados por empresas durante su interacción de atención más reciente. La diferencia sugiere que la disposición a utilizar inteligencia artificial depende también del contexto y de la utilidad percibida. Un usuario puede confiar en una herramienta para comprender un procedimiento y, al mismo tiempo, desconfiar del canal de la empresa responsable de ejecutarlo.
La atención tiene que permitir preguntar
Los sistemas automatizados ofrecen beneficios reales en la resolución de consultas repetitivas, la entrega de información y la ejecución de procesos claros. El propio estudio de Parloa encontró que el 84,9 % de los encuestados estaría dispuesto a continuar utilizándolos si resolvieran sus problemas de manera consistente, con una eficacia de nueve de cada diez ocasiones. Esa disposición abre espacio para mejorar el diseño de la atención, integrar los asistentes con sistemas capaces de actuar y ofrecer derivaciones cuando la situación lo requiere.
Una buena implementación debe contemplar a la persona que conoce exactamente lo que busca y a aquella que llega sin saber cómo formularlo. Debe permitir explicar situaciones inesperadas, registrar reclamos y notificaciones, revisar decisiones y acceder a un trabajador cuando corresponda. También debe conservar el contexto de la conversación para evitar que cada transferencia obligue al usuario a comenzar de nuevo. Estas condiciones deberían evaluarse desde la perspectiva de las personas que necesitan atención, con especial cuidado en sectores como salud, servicios financieros y prestaciones esenciales.
Volvamos al sitio del sector salud con el que abrimos esta historia. Conservar el chatbot y reincorporar WhatsApp dejó dos alternativas de contacto disponibles para los visitantes. Quien necesita información automática puede buscarla; quien prefiere explicar una situación particular dispone de un canal atendido por personas. La mejor conversión observada por Networkr en WhatsApp plantea una pregunta concreta para futuras evaluaciones: cuánto influye la confianza en la decisión de iniciar una conversación.
Durante años, la transformación digital se ha medido mediante velocidad, disponibilidad y reducción de tareas manuales. Creemos que en atención al cliente debemos observar con la misma rigurosidad la disposición de las personas a comunicarse y su capacidad efectiva para resolver problemas. Una empresa puede recibir menos reclamos porque mejoró su servicio o porque volvió más difícil presentarlos. La diferencia importa para sus resultados, para la confianza de sus clientes y, en determinados servicios, para el ejercicio de derechos.
El chatbot nunca llegó a equivocarse. El cliente simplemente decidió no hablarle.
Fuentes y transparencia editorial
El reportaje se apoya en el Consumer Patience Index 2026 de Parloa, realizado por Propeller Insights. Parloa es un proveedor de soluciones de automatización para atención al cliente. El estudio fue encargado por la compañía, lo que no invalida sus datos, pero conviene considerar su origen comercial al interpretarlos. El reportaje también incorpora investigaciones de Gartner publicadas entre julio y septiembre de 2026; y el informe Customer Insights Series 2026 de Twilio. Se consultaron además orientaciones de la AHRQ, publicaciones de la OCDE y antecedentes del SERNAC. Los estudios citados tienen metodologías y muestras diferentes, por lo que sus cifras no deben extrapolarse directamente al mercado chileno.
Autoría y responsabilidad editorial: NOWN redactó este reportaje, seleccionó las fuentes y es responsable de su interpretación y de las cautelas metodológicas. El caso chileno procede de una experiencia de implementación digital observada por Networkr, que participó como fuente y auspicia el tema. NOWN mantiene la identidad de la organización en reserva. No contamos con cifras auditadas del caso y no presentamos la caída de mensajes como una relación causal demostrada ni las diferencias de conversión como resultados de una prueba controlada. El auspicio de Networkr no implica autoría del artículo.












