Las cifras sobre los proyectos de IA empresarial son difíciles de ignorar y aún más difíciles de justificar. El Proyecto NANDA del MIT descubrió que el 95 % de las organizaciones no obtienen un retorno cuantificable de sus inversiones en IA. BCG sitúa en apenas un 4% la cifra de organizaciones que generan un valor sustancial a partir de la IA. Los líderes de CX admiten que tienen dificultades con la brecha existente entre la inversión en IA y los retornos. En el Informe sobre el estado de la experiencia del cliente de 2026 de Genesys, el 42% de los líderes de CX encuestados señalan que demostrar el valor o ROI de la IA es uno de sus principales retos de adopción tecnológica, a pesar de que el 27% afirma que probar el ROI es una prioridad estratégica.

Nada de esto significa que la IA no pueda aportar valor. El problema radica en la forma en que las organizaciones planifican e implementan sus iniciativas de IA.

En Xperience 2026, dos expertos de Genesys, Juan Pérez, Director de AI Solutions & Services, y Niels Kusters, Senior CX Advisory Consultant, presentaron un método práctico de cinco pasos para desarrollar casos de uso de IA que generen un valor cuantificable.

El valor reside en reducir la fricción 

La mayoría de las organizaciones comienzan sus iniciativas de IA haciéndose la pregunta equivocada: ¿Qué puede hacer esta tecnología por nosotros? Eso las lleva directamente a un catálogo de capacidades, como agentes virtuales, enrutamiento, engagement predictivo y copilotos, lo que a su vez conduce a la búsqueda de un lugar donde aplicar cada una de ellas. Centrarse primero en la tecnología parece lógico. Sin embargo, deja a las organizaciones con un portafolio de funciones de IA técnicamente impresionantes que no ofrecen los resultados que le importan al negocio. 

La mejor pregunta es: ¿En qué aspectos tienen dificultades sus clientes? ¿En qué punto abandonan una tarea, escalan su queja frustrados o vuelven a llamar tres veces para resolver el mismo problema? Esa fricción resulta costosa, tal como demuestran las cifras que Pérez y Kusters desglosaron en Xperience: el 84% de los compradores minoristas afirma que consideraría cambiar de marca tras una mala experiencia de devoluciones; el 67% de los clientes de telecomunicaciones la abandonaría tras cargos inesperados. La fricción no solo molesta a los clientes. A las organizaciones les cuesta su lealtad. 

Comenzar a partir de la fricción en lugar de las capacidades le mantiene enfocado en los resultados del negocio en vez de las posibilidades técnicas.

Evalúa todo el iceberg 

Pérez y Kusters utilizaron la imagen de un iceberg para ilustrar lo fácil que es empezar con el enfoque equivocado. En la punta del iceberg se encuentran las capacidades de IA, que es lo que suele venir a la mente en primer lugar cuando las organizaciones se plantean implementar la IA. Justo debajo de los modelos de IA se encuentra la capa de tecnología y datos: las plataformas, las integraciones y las canalizaciones de datos que hacen que los modelos de IA sean utilizables.  

La mayor parte del iceberg permanece completamente sumergida y fuera de la vista. Incluye a las personas, los procesos y la gestión del cambio necesarios para alcanzar resultados exitosos. Esta es la parte para la que casi nadie asigna presupuesto. También es la parte que hunde a la mayoría de las iniciativas de IA. Aunque resulta fundamental, no basta con contar con las capacidades y la canalización de datos adecuadas. Se necesitan empleados que confíen en las herramientas de IA lo suficiente como para utilizarlas, supervisores convencidos de una nueva forma de medir el desempeño y flujos de trabajo rediseñados en función de lo que la IA transforma en su operación de CX.  

Si pasa por alto esa capa, obtendrá una implementación técnicamente funcional con baja adopción e incluso menores retornos.

Y los servicios financieros podrían estar proporcionando una de nuestras señales preliminares más claras. 

Cinco pasos para crear casos de uso de IA que aporten valor 

A continuación, te presentamos los cinco pasos para desarrollar tu caso de uso de IA que te ayudarán a abordar todo el iceberg para obtener retornos compuestos sobre tu inversión en IA. 

Paso 1: Comienza con las experiencias importantes  

Antes de considerar soluciones o capacidades de IA, identifica qué experiencias del cliente tienen el mayor impacto en tu negocio, tales como la incorporación, facturación, reclamaciones, devoluciones y programación de citas. Estos son los trayectos en los que una buena o mala experiencia define visiblemente la lealtad y afecta a los ingresos. Esos impactos vinculan la experiencia con un caso de negocio con una métrica específica, como la tasa de contención o la retención, que demuestra el valor del caso de uso. Este paso mantiene todo el esfuerzo orientado hacia el impacto empresarial en lugar de la innovación técnica. 

Pérez y Kusters ilustraron esto con un ejemplo real: un operador de telecomunicaciones que gestiona más de 1.5 millones de interacciones de voz al mes identificó la facturación como una de sus experiencias más cruciales, el tipo de trayecto en el que una sola mala interacción puede arruinar meses de trabajo de fidelización. 

Paso 2: Encuentre la fricción 

Traza el mapa de las experiencias que hayas identificado y señala con precisión dónde surgen las fallas. Recorre el trayecto tal como lo hace un cliente: la factura confusa, el bot que repite en bucle la misma respuesta automática genérica, la necesidad de volver a explicar todo a otro agente, la resolución que deja al cliente con la duda de si aún es responsable de pagar un cargo por pago atrasado. Cada punto de fricción representa una oportunidad para intervenir y agregar valor. 

Obligar a los clientes a repetir la información es una de las señales más claras de una orquestación deficiente. El informe sobre el estado de la experiencia del cliente de 2026 de Genesys reveló que el 95% de los consumidores desea que su información se conserve entre canales para no tener que repetirse; sin embargo, el 52% de las empresas aún no la comparte con un agente humano. 

Al trazarlo, el trayecto de facturación de telecomunicaciones se veía así: un cliente recibe un cargo inesperado, recurre al autoservicio y queda atrapado en artículos genéricos, llama por teléfono y tiene que explicar el problema desde cero, pasa de un equipo a otro volviendo a empezar cada vez y, por último, recibe un ticket sin claridad sobre el cargo por pago atrasado. Cinco momentos, y al menos tres de ellos son pura fricción. 

Paso 3: Practica el arte de lo práctico 

Una vez localizada la fricción, resiste el impulso de lanzarte directamente a una solución. Pérez y Kusters recomiendan una técnica clásica para analizar el problema desde tres perspectivas. La primera es sin limitaciones: sin presupuesto, sin sistemas heredados, sin límites. En cada punto de fricción o momento decisivo del trayecto del cliente, ¿cuál es el mejor escenario posible? A continuación, realiza una segunda revisión deliberadamente crítica: ¿Dónde se encuentran los riesgos reales, los problemas de seguridad y las limitaciones técnicas? La tercera revisión adopta un enfoque equilibrado, optimista pero realista. Estas tres revisiones evitan que recurra por defecto a lo que tu equipo asuma que es más factible. 

Al pasar el trayecto de facturación por estos tres enfoques, se obtuvo una versión rediseñada: el cliente recibe una alerta proactiva antes de que el cargo le tome por sorpresa, un flujo de autoservicio guiado resuelve los casos sencillos y, cuando se requiere un agente humano, este ya cuenta con el contexto completo y puede resolver el problema en un solo contacto. 

Paso 4: Diseña una solución en torno a su visión 

Con una visión clara de lo que es posible, especifica cómo creará la solución. Identifica la tecnología y las capacidades de la plataforma que necesitará, qué datos deben estar disponibles y qué métricas te indicarán si el caso de uso está funcionando. Los KPI del caso de uso a menudo difieren de las métricas de negocio a las que finalmente benefician. Necesitará ambos para saber si está funcionando. 

Para el trayecto de facturación, la visión se tradujo en casos de uso específicos con sus propios KPI: un trayecto de autoservicio basado en agentes para aumentar la tasa de contención, enrutamiento predictivo para mejorar la resolución en el primer contacto y Genesys Cloud Agent Copilot para ofrecer a los agentes orientación en tiempo real y mejorar la experiencia del cliente.

Paso 5: Construye, prueba mediante pilotos y monitorea 

Resulta fundamental asegurarse de haber definido un caso de uso que genere cambios positivos y aporte un valor que se acumule con el tiempo. Por ello, antes de comprometer recursos, evalúa el caso de uso mediante una comprobación de preparación en cuatro dimensiones:  

  • ¿Contribuye con claridad al caso de negocio? 
  • ¿Es técnicamente viable? 
  • ¿Se cuenta con los datos necesarios? 
  • ¿Está la organización preparada para el cambio? 

Luego, comienza a pequeña escala, mida de forma constante y trate la IA implementada como algo que requiere retroalimentación y reentrenamiento continuos, no como un proyecto que se concluye y se abandona. Un sistema de IA sin un ciclo de retroalimentación se desalinea de los resultados que debe ofrecer. Medir los KPI en tiempo real, analizar las señales a diario, identificar desviaciones semanalmente, reentrenar mensualmente y validar trimestralmente es lo que mantiene un sistema de IA mejorando en lugar de deteriorarse. Asegúrate de que los KPI monitoreen tanto la solución técnica como el resultado de negocio que está destinada a ofrecer. 

Repercusiones y efectos acumulativos   

Uno de los mayores errores en las iniciativas de IA consiste en pasar por alto hasta qué punto una sola decisión de automatización puede transformar el resto de la operación. Incorpora una sola capacidad en el núcleo de un flujo de trabajo y generará repercusiones en la lógica de enrutamiento, las herramientas de los agentes, la gobernanza de datos e incluso en la forma de medir el éxito.  

La reacción instintiva es considerarlo un riesgo que debe gestionarse. Míralo, en cambio, como una señal de que está haciendo las cosas bien. Pérez y Kusters ofrecen un firme consejo: no se limite a tolerar estas repercusiones; foméntelas de manera activa. Son el mecanismo que impulsa los retornos compuestos.  

Fomentar estas repercusiones solo generará esos retornos si se parte del caso de uso correcto. Por eso es tan importante la comprobación de preparación del paso 5 anterior. Tu caso de uso debe apoyar el caso de negocio, ser viable técnicamente, depender de datos con los que ya cuente y estar respaldado por agentes, supervisores y responsables de procesos.  

Cuantos más casos de uso implemente, mayor será su impacto, ya que los datos, la confianza y la infraestructura de los casos de uso anteriores se aprovechan para los siguientes. Un único caso de uso bien planteado puede aportar valor por sí mismo. Sin embargo, el valor se acumula cuando la IA deja de ser una solución puntual y se convierte en un pilar fundamental para su CX.  

Adáptate, lidera y escala   

La forma en que escales es tan importante como el punto de partida, así que aumenta el ritmo deliberadamente. Valida el concepto con un pequeño piloto, somételo a pruebas de esfuerzo, expándelo gradualmente y pasa a producción completa solo cuando los ciclos de retroalimentación y los controles de seguridad estén listos. Es un camino más paciente que las implementaciones masivas de un solo paso que solían definir la tecnología de los centros de contacto, pero la IA se comporta de manera diferente a los sistemas que la precedieron. Con la IA, la escala es algo que se gana por etapas, no algo que se consigue de la noche a la mañana. 

Escalar el valor exige disciplina, al igual que la metodología de cinco pasos. Por lo tanto, comienza con una experiencia en la que tus clientes perciban fricción, vincúlala a un caso de negocio relevante para tu liderazgo y permite que cada caso de uso se convierta en el terreno de pruebas para el siguiente. Esa es la diferencia entre limitarse a perseguir capacidades y construir hacia una orquestación agéntica, donde las personas, la IA, los datos y las herramientas funcionan como un sistema unificado. Las organizaciones que ya obtienen un valor sustancial no llegaron ahí con solo implementar más IA. Alinean sus iniciativas de IA (así como a su personal, sus procesos y la gestión del cambio) con los resultados que realmente importan.