La inteligencia artificial (IA) ha entrado en una nueva fase en la experiencia del cliente (CX). Ya no basta con que un agente virtual desvíe una llamada o responda bien a una pregunta. Los clientes esperan que comprenda lo que intentan lograr, tome la acción correcta y ayude a encaminar la interacción hacia un resultado significativo. 

Esa fue la promesa detrás de Genesys Cloud™ Agente Virtual Agéntico: IA capaz de comprender objetivos, determinar los siguientes pasos, utilizar herramientas y completar el trabajo de forma segura dentro de los límites definidos de la empresa.

A partir de esa base, la próxima oportunidad es hacer que las experiencias con IA Agéntica sean más fáciles de diseñar e implementar, más confiables a escala y más naturales para los clientes. A medida que las organizaciones pasan de las implementaciones iniciales a una adopción más amplia, estas cualidades se vuelven cada vez más importantes para generar resultados comerciales. 

Genesys está invirtiendo en cada una de estas dimensiones: facilitando el diseño, la prueba y la implementación de experiencias con IA Agéntica, fortaleciendo la inteligencia y la confiabilidad detrás de ellas, y haciendo que las interacciones con los clientes se sientan más naturales. Tres avances recientes dan vida a esta evolución: el desarrollo guiado por especificaciones, la actualización del modelo APT-2 y las experiencias de voz mejoradas. Juntos, fortalecen todo el ciclo de vida de la IA Agéntica, desde la primera idea de negocio hasta la conversación en vivo con el cliente. 

Por qué las grandes ideas se quedan estancadas en la configuración   

A la mayoría de las organizaciones no les faltan ideas para mejorar la CX. Conocen los recorridos que quieren simplificar, los problemas que desean resolver y los momentos en los que los clientes necesitan más ayuda. 

La dificultad surge al convertir esa intención en una experiencia funcional que implica configurar prompts, herramientas, conocimientos, políticas, pruebas, revisiones de implementación y monitoreo. 

Cada elemento importa, pero la distancia entre el resultado deseado y la configuración final es donde las buenas ideas se ralentizan o se estancan. 

El desarrollo guiado por especificaciones acorta esa distancia. Otorga a los equipos un marco estructurado e impulsado por IA para traducir ese objetivo, junto con cualquier documento y ejemplo relacionado, en la configuración de la plataforma necesaria para lograrlo.

Esto no requiere que los usuarios se conviertan en ingenieros de prompts. Entre bambalinas, la IA utiliza un conjunto estructurado de habilidades reutilizables, orientación y ejemplos para ayudar a crear y verificar la configuración de una manera coherente y controlada. 

Los diferentes equipos pueden trabajar de la manera que mejor les convenga. Los desarrolladores pueden elegir entornos de programación de IA e interfaces programáticas, mientras que los usuarios comerciales y técnicos pueden trabajar dentro de Genesys Cloud con asistencia conversacional, recomendaciones y flujos de trabajo estructurados. Las interfaces permiten la colaboración: se describe el resultado, se proporciona el contexto adecuado, se permite que la IA ayude a diseñar el camino, sin perder las pruebas, la gobernanza y la supervisión que exige la CX empresarial.

Un razonamiento en el que los clientes pueden confiar

Construir una experiencia con agentes con mayor rapidez solo importa si dicha experiencia funciona de manera confiable. 

Los clientes no piensan en el modelo que hay detrás de un agente virtual. Juzgan lo que sucede en el momento. ¿Comprendió la solicitud? ¿Recordó lo que ya habían dicho? ¿Tomó la acción correcta? ¿Resolvió el problema? 

Los servicios de IA deben ganarse la confianza de los clientes rápidamente. Una respuesta incorrecta puede socavar la confianza. Una confirmación falsa puede generar más trabajo. Y una respuesta de política inconsistente puede generar costos reales. 

La encuesta sobre madurez de la confianza en la IA 2026 de McKinsey identifica la imprecisión como uno de los riesgos de la IA más citados con frecuencia. A medida que los sistemas de IA se vuelven más autónomos, McKinsey advierte que las organizaciones deben gestionar no solo el riesgo de que la IA dé una respuesta incorrecta, sino también de que tome acciones no deseadas. 

La actualización del modelo APT-2 detrás de Agente Virtual Agéntico fortalece esa base. Está diseñada para mejorar la precisión y el fundamento fáctico, y para reducir los modos de falla que erosionan la confianza del cliente. 

Esto importa porque los recorridos reales de los clientes rara vez siguen un camino recto. Una pregunta sobre facturación puede convertirse en una solicitud de pago. Una actualización de entrega puede transformarse en un cambio de dirección. Una interacción de soporte puede requerir solución de problemas, verificación y acción en varios sistemas. Manejar eso requiere espacio para adaptarse: instrucciones más ricas, políticas más completas, más herramientas y continuidad a medida que la conversación cambia de dirección. 

Las actualizaciones del modelo APT-2 incluyen una ventana de contexto ampliada, lo que le otorga a Agente Virtual Agéntico mayor capacidad para admitir especificaciones de agentes más ricas y flujos de trabajo más largos y complejos. La velocidad también importa para generar confianza, incluso cuando los clientes no pueden precisar por qué. Saben cuándo una interacción se estanca, cuándo esperan demasiado, cuándo el autoservicio empieza a exigir más esfuerzo del que vale la pena. Las evaluaciones del rendimiento del modelo APT-2 actualizado muestran un tiempo hasta la primera respuesta de hasta 50 % más rápido en las pruebas en comparación con APT-1, por lo que las conversaciones no dan la sensación de estancarse, incluso bajo alta demanda.

Y debido a que las empresas atienden a clientes en diferentes países e idiomas, la coherencia también debe trascender fronteras: las evaluaciones muestran que la precisión multilingüe mejora aproximadamente un 20 %, junto con un mayor rendimiento (más solicitudes por segundo y tokens de salida por segundo), de modo que el desempeño se mantiene a escala, no solo en una demostración. 

Ese tipo de rendimiento es lo que convierte una prueba piloto prometedora en una herramienta en la que las empresas pueden confiar a escala.  

Cerrar la brecha entre la IA y la conversación natural

El razonamiento confiable y el flujo conversacional son esenciales, pero la sensación de una interacción importa tanto como el fondo, y esto es especialmente cierto en el canal de voz.

Los clientes notan cuando un sistema responde demasiado lento, interrumpe antes de que hayan terminado de hablar o deja una pausa incómoda después de cada oración. Notan un tono plano y desconectado de la conversación. Incluso cuando la respuesta es correcta, los pequeños detalles pueden hacer que una interacción se sienta mecánica, lo que afecta el nivel de compromiso. 

Tres cambios están cerrando esa brecha: 

  • La detección mejorada del final de los turnos de habla va más allá de identificar el fin del discurso; ayuda a determinar cuándo una persona ha terminado de expresar su idea, lo que reduce los retrasos sin generar interrupciones incómodas.
  • Los motores de voz nativos de IA trabajan en estrecha colaboración con los modelos de lenguaje y acción detrás de la conversación, produciendo un discurso que refleja la intención y la estructura de la respuesta en lugar de limitarse a leer en voz alta el texto generado.
  • La optimización contextual utiliza la propia conversación para mejorar el manejo de los términos y dotar a la voz de mayor expresividad cuando el momento lo requiere, lo que da como resultado una interacción que se siente más personalizada.

Individualmente, se trata de mejoras técnicas. En conjunto, ayudan a determinar si una interacción de voz se siente como hablar con un sistema o como ser comprendido, y esa distinción a menudo decide si un cliente confía en el resto de la conversación.

El estándar empresarial para la IA de agentes

Estas tres innovaciones son más potentes juntas que de forma individual. 

El desarrollo guiado por especificaciones cambia la rapidez con la que los equipos pueden diseñar y refinar una experiencia. Un razonamiento más sólido modifica el nivel de confianza que se puede depositar en su seguimiento. Y la voz mejorada transforma la naturalidad con la que los clientes la experimentan en el momento. 

En conjunto, responden a las tres preguntas que se hace toda organización que escala la IA Agéntica: 

  • ¿Qué tan rápido podemos construirla?  
  • ¿Con cuánta confianza podemos confiar en ella?  
  • ¿Qué tan eficazmente interactuarán los clientes con ella? 

Eso es lo que convierte a la IA Agéntica de un proyecto piloto aislado o una solución puntual en una capacidad empresarial. Es una mejor manera de diseñar, ofrecer y mejorar continuamente las experiencias de los clientes a escala, desde la intención hasta el resultado. 

Para conocer los detalles técnicos detrás de estas mejoras, visita el Centro de Desarrolladores para obtener información detallada sobre el desarrollo guiado por especificaciones y la actualización del modelo APT-2.