El problema es el volumen, no la dificultad.
La mayoría del soporte entra por canales dispersos (WhatsApp, correo, teléfono, tu plataforma), en texto, notas de voz y fotos. Las preguntas parecen complicadas, pero casi todas siguen un patrón y podrían responderse en segundos. En vez de eso, se quedan en la cola.
El volumen aparta a gente cualificada del trabajo que solo ellos pueden hacer. Las primeras respuestas tardan un día o más, peor en temporada alta. Los clientes persiguen la respuesta por varios canales y acaban repitiendo lo mismo dos veces. Los negocios más lentos, sencillamente, los pierden ante quien respondió primero.
Responder en menos de 5 minutos capta y cualifica un lead a un ritmo que se desploma en menos de una hora.
Fuentes: estudio MIT / InsideSales sobre 15.000 leads; Lead Connect, 2020.
Cuatro cosas que hace el asistente.
Nada de esto es magia. Cada una es una tarea concreta que tu equipo hace hoy a mano, hecha igual, a cualquier hora, y devuelta al instante en cuanto un caso necesita a una persona.
Responde desde tu base de conocimiento real
Responde con tus propios criterios, no con conjeturas genéricas. La fuente de verdad vive en el contexto de trabajo del modelo, así que las respuestas se mantienen consistentes en vez de irse desviando con el tiempo.
Inicia los trámites
Cuando el cliente está listo, lo identifica en tu plataforma y abre la solicitud directamente por tu API, recogiendo los datos que necesitas para actuar. Sin volver a teclear nada, sin perder el contexto.
Entiende más que texto
Los clientes mandan fotos y notas de voz, no párrafos ordenados. Lee imágenes, transcribe audios y agrupa los mensajes sueltos en un único turno coherente en vez de contestar a fragmentos.
Sabe cuándo llamar a una persona
Cuando un caso necesita a una persona, lo deriva a las herramientas de tu equipo con la conversación entera adjunta. La persona toma el relevo, el cliente no nota la transición y el asistente retoma con el contexto intacto.
Funciona en dos capas.
Un middleware de mensajería va delante y se ocupa de todo lo que no es conversación. Detrás, un agente autónomo lleva el diálogo y decide qué necesita cada mensaje.
Middleware de mensajería
Capa 01 · la entradaAgente conversacional · multimodelo
Capa 02 · el diálogoEl recorrido de un mensaje
Siete estacionesNo dependemos de un solo modelo. Usamos Claude, Gemini y ChatGPT, y elegimos el más adecuado para cada tarea. Cuando una conversación está llena de condiciones y excepciones, elegir bien el modelo es lo que mantiene las respuestas correctas en lugar de solo verosímiles. Usamos varios porque así las respuestas salen bien, no porque una lista más larga de modelos impresione.
Si el agente no responde a tiempo, el cliente recibe una disculpa y el caso se deriva a una persona automáticamente. Las llamadas de red se reintentan ante fallos puntuales.
Nunca buscamos una demo lucida. Buscamos algo que aguante un lunes por la mañana, con clientes reales esperando.
De qué se ocupa y qué pasa a una persona.
Lo importante no es que responda a todo. Es que sabe distinguir y deriva en vez de adivinar.
Mueve los controles y ve tus propios números.
Indica tu volumen mensual y tu tiempo de respuesta actual. La estimación usa referencias publicadas del sector, no datos propios de campo.
La parte repetitiva y con patrón. Un asistente con base de conocimiento resuelve el 55–70% de las consultas por sí solo. Nosotros calculamos con un 65% prudente.
El coste supone una media de 4,00 € por contacto atendido frente a 0,30 € automatizado, a unos 6 minutos cada uno.
Donde un lead tiene 21× más probabilidades de cualificar y 100× más de ser contactado que a los 30 minutos.
Referencias: Gartner Customer Service Technology Survey 2025, Forrester TEI of AI Customer Service 2025, Zendesk CX Trends 2026, Salesforce State of Service 2025, Meta / Juniper Research 2026. Son rangos del sector, no resultados medidos de Fixlab: esos todavía se están recopilando.
Acordamos la prueba antes de lanzar.
Un sistema conversacional es fácil de enseñar en una demo y difícil de que te fíes de él. Por eso no lanzamos y cruzamos los dedos. Antes de lanzar, acordamos contigo una prueba de aceptación por escrito: un conjunto dorado de casos reales que cubre todas las vías de la conversación: identificación, preguntas de conocimiento, creación de solicitudes, derivación y resolución.
El listón es explícito: cero fallos críticos y una tasa de aprobado que tú validas. Pasa a producción solo después de superar ese listón y de validar el ciclo completo de principio a fin, incluido el paso a una persona y la vuelta. Así es como se pasa de «parece que funciona» a «ha pasado la prueba».
Lo construimos para Fixlab y ya atiende a sus clientes.
Fixlab es un negocio de certificación de vehículos en España cuyo soporte estaba repartido entre WhatsApp, correo, teléfono y su plataforma. El asistente responde desde su base de conocimiento real, abre solicitudes de reforma a través de su plataforma y pasa el caso a una persona cuando hace falta criterio. Superó la prueba de aceptación que acordamos por adelantado y está en producción.