Nos encontramos en el punto de partida de una de las transformaciones más profundas en la historia empresarial, impulsada por una nueva generación de inteligencia artificial (IA) generativa y agéntica. Estas tecnologías permiten a las organizaciones redefinir las experiencias que ofrecen a sus clientes y empleados, ya que pueden habilitar nuevos niveles de automatización, aumento, personalización y optimización.  

La orquestación de experiencias potenciada con IA, que alguna vez se imaginó como la posibilidad de utilizar IA para coordinar experiencias en varios sistemas y canales, se está convirtiendo en realidad. En este artículo, exploramos cómo se está dando esta transformación y cuál es su potencial futuro, y definimos los seis niveles de orquestación de la experiencia. Este modelo de madurez ofrece una base para que las organizaciones puedan determinar dónde están hoy, imaginen lo que es posible y desarrollen una estrategia de crecimiento potenciado con IA.1 

Introducción 

El propósito de la orquestación de la experiencia es lograr dos objetivos al mismo tiempo: 

  1. Reducir el costo de las operaciones. 
  2. Aumentar la lealtad de los clientes para el crecimiento a largo plazo.

Las organizaciones pueden encontrar un mejor equilibrio entre la eficiencia operativa y ofrecer experiencias enfocadas en las personas. La estrategia correcta para una orquestación de la experiencia potenciada con IA considera ambos objetivos. 

Mediante la coordinación de datos, sistemas, canales y funciones, la orquestación crea experiencias más eficaces, eficientes y emocionalmente inteligentes desde la perspectiva de tanto de clientes como empleados. Con el surgimiento continuo de nuevas innovaciones, nos encaminamos hacia la orquestación universal, que trasciende las actividades orientadas al cliente tanto en las actividades operativas como de atención al público, lo que permite a las organizaciones reimaginar su contact center, las experiencias de sus clientes y empleados, y la empresa en general. 

Los siguientes niveles de orquestación de la experiencia definen la curva de madurez, y van desde una organización completamente manual hasta una 100% autónoma. Cada nivel marca un importante avance en cómo se aplican la automatización, el aumento, la personalización y la optimización, e impulsa el potencial de nuevos valores comerciales como resultado de una mayor eficiencia, mayor lealtad del cliente y un mayor engagement de los empleados. 

Nivel 0: cero orquestación 

Las interacciones con los clientes son completamente manuales y se gestionan a través de sistemas de telefonía básicos sin herramientas ni inteligencia integradas. Los agentes humanos dependen de capacitación y documentación estática. Cada interacción es reactiva e inconsistente.

No hay una visión organizada del cliente y ningún sistema cuenta con tareas o insights orquestados. El servicio al cliente se considera una necesidad operacional en lugar de una función estratégica, lo que conduce a un esfuerzo desproporcionado, una tasa elevada de rotación de personal y malos resultados.

  • Automatización: Ninguna Todas las tareas, incluyendo las consultas de rutina, requieren la intervención de agentes humanos. 
  • Aumento: los agentes humanos trabajan sin soporte del sistema. No se muestran datos contextuales ni hay asistencia para tareas específicas. 
  • Personalización: no hay personalización basada en el perfil o historial del cliente. 
  • Optimización: predominan la capacitación manual y programación estática. No hay información en tiempo real, gestión de calidad ni automatización para la planificación de la fuerza laboral. 

Nivel 1: navegación basada en menús 

Se cuenta con sistemas de respuesta de voz interactiva (IVR) que ofrecen una automatización básica con lógica de enrutamiento fijo y un reconocimiento de voz limitado. Por lo general, los clientes interactúan con menús que operan a través del teclado o la voz para verificar un estado o derivar llamadas a un departamento específico. Si bien esto reduce ligeramente el volumen de llamadas, las experiencias siguen siendo impersonales y limitadas a la voz.  

Los agentes humanos aún son necesarios para la mayoría de las tareas y dependen de un contexto limitado por el CRM. El control de calidad es manual y retrospectivo. El sistema funciona, pero no se adapta.

  • Automatización: el sistema de IVR se encarga de solicitudes de información sencillas, como consultar el saldo de una cuenta bancaria o el estado de un pedido, a través del ingreso de datos con el teclado o el reconocimiento de palabras clave. La lógica es fija y no adaptable. 
  • Aumento: los agentes humanos pueden ver registros estáticos del cliente durante las interacciones, pero deben buscar los insights pertinentes manualmente. 
  • Personalización: el enrutamiento basado en habilidades y las preferencias de idioma son posibles, pero las experiencias siguen siendo muy uniformes. 
  • Optimización: el aseguramiento de calidad se basa en grabaciones seleccionadas y la programación de los horarios laborales de los agentes humanos es lenta y reactiva. 

Nivel 2: automatización de conversaciones predefinidas 

Una IA conversacional combina reconocimiento automático de voz (ASR), procesamiento de lenguaje natural (NLP) y comprensión del lenguaje natural (NLU) para interactuar con varios canales de comunicación. Las interacciones se rigen por reglas predefinidas y diálogos con guiones. Los modelos predictivos de IA se aplican a casos de uso específicos (como el enrutamiento o el engagement), pero aún no se han generalizado para determinar las mejores acciones siguientes como parte de una experiencia en general. 

  • Automatización: gracias a la IA conversacional se pueden crear bots que automatizan las conversaciones de rutina con los clientes en canales digitales y de voz (omnicanal), por ejemplo, para dar seguimiento a pedidos, restablecer contraseñas o verificar identidades. Estos bots son rígidos y siguen flujos predefinidos que están estructurados en torno a árboles de decisión fijos y una lógica programada. 
  • Aumento: los agentes humanos comienzan a recibir asistencia contextual a través de herramientas de visualización de conocimientos, y reciben propuestas de los pasos a seguir según el contexto de CRM o los activadores de palabras clave. 
  • Personalización: la experiencia del cliente sigue estandarizada y carece de adaptabilidad y personalización más allá de las entradas estáticas. En este nivel aparecen las capacidades básicas para la gestión del engagement de la fuerza laboral, las cuales ayudan a coordinar las tareas con las habilidades y disponibilidad de los empleados. 
  • Optimización: las experiencias se optimizan mediante modelos de IA predictivos especializados para el enrutamiento, el engagement y la previsión. Los procesos de aseguramiento de calidad se apoyan en análisis de voz y texto. 

Nivel 3: conversaciones generadas por el sistema 

La IA generativa utiliza modelos de lenguaje de gran tamaño (LLM) y arquitecturas basadas en transformadores para producir contenido dentro de los límites de su configuración. La IA realiza tareas para las que ha sido específicamente diseñada o entrenada, ni más ni menos. Este sistema mejora las experiencias a través de la automatización, el aumento, la personalización y la optimización mientras opera dentro de una lógica y flujos de trabajo predefinidos.  

Este nivel de inteligencia artificial no razona ni toma decisiones más allá de lo que se le ha instruido hacer; simplemente ejecuta las tareas programadas con mayor amplitud y fluidez. 

  • Automatización: agentes virtuales basados en IA automatizan interacciones más amplias y complejas, por ejemplo, para la resolución de problemas, verificar los estados de los pedidos o atender consultas de productos. Estos agentes virtuales parecen ser autónomos, pero funcionan estrictamente dentro de flujos de trabajo y reglas configurados. No razonan ni deducen, más allá de los patrones definidos. Tienen la capacidad de reconocer la intención y de atender preguntas frecuentes, lo que les permite manejar situaciones con diferentes matices, pero únicamente en la medida en que su entrenamiento y configuración lo permitan. Las funciones del supervisor virtual ayudan a automatizar el monitoreo de las operaciones y alertan a las partes interesadas según umbrales preestablecidos o señales de comportamiento. 
  • Aumento: los agentes copiloto mejoran el desempeño humano al mostrar los conocimientos más relevantes: sugieren la mejor acción siguiente, generan resúmenes o localizan artículos de conocimiento, pero todo dentro de las limitaciones de reglas y modelos predefinidos. Los agentes copiloto responden a señales o pistas reconocidas en la conversación, pero no se adaptan ni planifican más allá de esos parámetros. Los copilotos para supervisores y administradores ofrecen guía y recomendaciones basadas en criterios configurados, lo que ayuda a ampliar el conocimiento sin traspasar los límites de las decisiones. 
  • Personalización: la IA generativa puede adaptar las respuestas mediante una segmentación estructurada, la clasificación de la intención y los atributos definidos por la empresa. Ofrece personalización en función de las instrucciones dadas a partir de información de CRM, las preferencias conocidas o interacciones anteriores; así, genera resultados que se adhieren a objetivos o segmentos comerciales específicos. Aunque el contenido se siente personalizado, este se genera dentro de los límites de una lógica predefinida y un comportamiento configurado. A este nivel, la personalización es eficaz, pero aún está limitada a lo que se ha estructurado previamente. 
  • Optimización: la orquestación del journey y la gestión de la experiencia se mejoran gracias a la capacidad de la IA de ejecutar estrategias preplanificadas de optimización. Los modelos predictivos, que refinan continuamente las recomendaciones basadas en datos históricos, son de beneficio para la previsión, la programación de horarios laborales y el equilibrio de las cargas de trabajo. Sin embargo, incluso a este nivel, la IA no es adaptativa. La IA ejecuta los comportamientos para los que ha sido entrenada y se reentrena periódicametne por humanos para mantener su relevancia.¡ La orquestación de tareas, alertas y flujos de trabajo en las áreas operativas y de atención al sigue siendo reactiva, y no el resultado de un razonamiento proactivo, ante condiciones definidas. 

Nivel 4: generación agéntica de experiencias 

La IA evoluciona desde la ejecución de tareas simples hasta la resolución inteligente de problemas. Los sistemas están configurados para objetivos específicos y utilizan el razonamiento, la planificación y la memoria para determinar la mejor manera de alcanzar metas y seguir operando dentro de límites claramente definidos.  

En este nivel aparece una IA agéntica que interpreta el contexto, planifica distintos pasos y ajusta las acciones a seguir en función de entradas dinámicas. Sin embargo, toda la ejecución sigue siendo semiautónoma. Los aportes, aprobación y supervisión humanos siguen siendo esenciales, ya que permiten coordinar la IA con la intención y evitar sobrepasar los límites establecidos. 

  • Automatización: los agentes virtuales, supervisores y administradores ahora llevan a cabo tareas transaccionales complejas y secuencias de decisiones en dominios más demandantes, como ventas, renovaciones y retención. Determinan los pasos óptimos dentro de un objetivo configurado, guiados por directrices definidas y requisitos de aprobación. Estos sistemas pueden basarse en contenido estructurado y seguirlo, como procedimientos operativos estándar (SOP), artículos de conocimiento o documentos instructivos, para ejecutar tareas de manera precisa y consistente. La ejecución asincrónica se vuelve más común, lo que permite que las tareas progresen en segundo plano mientras los clientes o empleados se encargan de otras tareas. El agente virtual notificará al usuario cuando las tareas se hayan completado o necesiten alguna intervención, lo que mantiene la transparencia y el control humano. 
  • Aumento: los agentes copiloto son cada vez más proactivos y ofrecen sugerencias inteligentes a los agentes, supervisores y administradores; además, se ofrecen a llevarlas a cabo una vez aprobadas. Esto incluye actualizar registros, identificar riesgos, optimizar procesos y traducir interacciones en tiempo real. Estos copilotos también ofrecen señales en tiempo real para ayudar a capacitar a los usuarios humanos; así, señalan pasos omitidos, hacen sugerencias sobre el cumplimiento u ofrecen recordatorios sobre el contexto clave de manera útil y no invasiva. En lugar de tomar el control, ayudan a las personas a desempeñarse mejor con recomendaciones sutiles y contextuales. Si bien analizan aportes complejos y adaptan sus sugerencias, nunca actúan de manera autónoma y preservan la autoridad de las decisiones humanas. 
  • Personalización: la personalización, basada en datos, se vuelve más estratégica. Los sistemas de IA utilizan memoria interna, perfiles de clientes, interacciones previas y señales contextuales para determinar qué respuestas o flujos de trabajo se adaptan mejor a al perfil del cliente. Esto incluye extraer información de segmentos definidos por la empresa, el historial de transacciones y las reglas configuradas. Los agentes humanos reciben soporte que se adapta a la complejidad de cada situación, con sugerencias que siguen guías personalizadas y no flujos de trabajo gseneralizados. Sin embargo, toda la personalización sigue funcionando dentro de los límites de las configuraciones de la empresa y sin improvisaciones fuera de los límites definidos. 
  • Optimización: en este nivel, la orquestación aprovecha el contexto dinámico para mejorar los flujos de experiencia en todos los sistemas. Los componentes de IA operan de manera semiautónoma para identificar mejores rutas y resoluciones más eficientes; su configuración manual disminuye al tiempo que operan dentro de restricciones predefinidas. Las capacidades como la detección de anomalías, el reconocimiento de patrones y la toma de decisiones basada en la memoria ayudan a identificar brechas en los procesos o escalaciones. En casos que requieren criterio o interpretar políticas, como la aprobación de una hipoteca o hacer ajustes financieros, la IA apoya a la fuerza laboral al preparar el contexto de la decisión, pero la acción final sigue estando a cargo de un humano. 

Nivel 5: orquestación agéntica universal 

La IA alcanza un estado de autonomía basada en objetivos y es capaz de planificar, decidir y ejecutar de manera independiente según las metas definidas por las partes interesadas humanas. Los agentes, supervisores y administradores virtuales ya no están limitados por flujos de trabajo fijos o por la ejecución de tareas lineales. Generan de manera dinámica nuevas estrategias y coordinan las acciones de forma adaptativa para poder cumplir con los resultados comerciales, guiados por objetivos generales en lugar de conjuntos de instrucciones rígidas.  

Este es el ápice de madurez de la orquestación, donde la IA pasa de la automatización reactiva a una gestión colaborativa y autodirigida de la experiencia. 

Los sistemas de IA combinan los LLM con memoria, planificación y razonamiento, mejorados por bucles de retroalimentación continuos. Las experiencias ya no son aisladas ni transaccionales, sino que se vuelven fluidas, adaptativas e inteligentes en todos los ecosistemas.  

Las entidades de IA interactúan directamente entre sí y comparten objetivos, intercambian contexto y delegan responsabilidades, lo que posibilita una orquestación distribuida tanto en sistemas internos como con los socios externos. La participación humana se vuelve estratégica e intencional y está enfocada en la supervisión, la gobernanza y decisiones complejas en las que se requiere empatía, creatividad o juicio. 

  • Automatización: los agentes virtuales, los supervisores virtuales y los administradores virtuales inician, ejecutan y completan tareas de forma autónoma de principio a fin. Los sistemas interpretan los objetivos de la organización y los datos contextuales para determinar el camino óptimo a seguir sin depender de guiones predefinidos ni intervención manual. La asunción de responsabilidad y la delegación de tareas se dan de forma dinámica entre agentes inteligentes, y las decisiones se toman colectivamente entre todos los roles y dominios. A medida que los sistemas persiguen objetivos compartidos, coordinan las decisiones entre departamentos, canales e incluso redes de socios, y ejecutan acciones a escala y en armonía. La mayoría de las necesidades operativas, ya sean de atención al público u operativas, se resuelven automáticamente a través de la colaboración inteligente de múltiples actores. 
  • Aumento: si bien la IA se encarga de la mayoría de las tareas de manera independiente, los humanos siguen siendo esenciales para supervisar, observar políticas y tomar decisiones estratégicas. Los copilotos muestran los resultados proactivamente, generan resúmenes de las acciones realizadas y los presentan para su auditoría o intervención. En otras situaciones, los copilotos anticipan las necesidades y ofrecen completar tareas al aprender de los patrones de aprobación y ampliar su alcance de soporte. Es importante destacar que los copilotos y los agentes autónomos trabajan juntos, ya que intercambian información y decisiones intermedias de manera fluida para ayudar a las partes humanas a maximizar la eficiencia. Los empleados se benefician de la inteligencia orquestada que se adapta a sus funciones, contexto y flujo de trabajo, lo que eleva las contribuciones humanas a la categoría de trabajo de alto impacto orientado a la toma de decisiones. 
  • Personalización: las experiencias son organizadas por administradores, supervisores y agentes virtuales, cada uno de los cuales contribuye con perspectivas, contexto y funciones propias. Estos sistemas inteligentes se basan en interacciones anteriores, conocimientos empresariales y señales de comportamiento en evolución para personalizar las experiencias en tiempo real. La personalización es dinámica y distribuida y no solo está impulsada por un sistema, sino que se refina colectivamente mediante todos los actores potenciados con IA que coordinan su comprensión de los objetivos, preferencias y estado del journey del cliente. Ya sea dentro de una sola marca o en varios ecosistemas, los agentes virtuales sincronizan sus respuestas y decisiones para ofrecer continuidad, relevancia y una intención coordinada en todos los puntos de contacto. 
  • Optimización: La optimización se vuelve autónoma y distribuida y se enfoca en objetivos. Cada sistema impulsado por IA contribuye a mejorar el desempeño, no de manera aislada sino como parte de una red de aprendizaje continua y colaborativa. Refinan los flujos de trabajo y los modelos de decisión en función de retroalimentación compartidos, datos sobre el desempeño y métricas sobre metas alcanzadas. La lógica de la orquestación se adapta de manera fluida a los cambios de prioridades de la organización, y los agentes impulsados por la IA colaboran para redistribuir el esfuerzo, equilibrar las estrategias y mejorar los resultados a escala. Esto crea una capa de inteligencia autosostenible en la que la orquestación evoluciona con el entorno sin depender de la configuración manual o el reentrenamiento. 

El modelo de madurez de los niveles de orquestación de la experiencia ilustra cómo las empresas pueden pasar de operar de manera completamente manual a usar sistemas inteligentes impulsados por IA que gestionan y mejoran con autonomía las experiencias tanto de clientes como de empleados. Cada nivel refleja un avance importante en la capacidad de la IA y su valor potencial, comenzando con la automatización de tareas aisladas y culminando en sistemas que pueden planificar, explicar y actuar para alcanzar objetivos comerciales. 

A medida que la orquestación de las experiencias madura y evoluciona, es común que las empresas operen en varios niveles a la vez dependiendo de sus prioridades, los segmentos de clientes, las limitaciones operativas y las consideraciones de riesgo. Algunas experiencias seguirán siendo altamente estructuradas y supervisadas por el ser humano, mientras que otras podrán beneficiarse de más autonomía y autodirección.¡ 

Cabe recordar que el camino hacia la madurez también implica una colaboración cada vez mayor entre sistemas inteligentes: agentes impulsados por IA que se coordinan entre sí para resolver tareas complejas, compartir contexto y adaptarse dinámicamente en los journeys. Estos agentes interconectados, ya sea que apoyen al cliente o a supervisores o administradores, constituyen la base de una orquestación escalable y adaptativa. En este modelo, la inteligencia no queda aislada en un solo sistema o interacción. Más bien se convierte en una capacidad distribuida que puede aprender, compartir y mejorar continuamente en todo el panorama de la experiencia. 

Conclusión 

El modelo de los niveles de orquestación de la experiencia es un esquema de madurez estructurado para ayudar a las organizaciones a lo largo de su transformación. Creemos que hoy en día la mayoría de las empresas opera en los niveles 1 y 2. Pero el camino a seguir está claro y , y está avanzando con rapidez.  

Las organizaciones que inviertan en la orquestación agéntica estarán preparadas para aprovechar un valor que puede ser exponencial: más automatización y escala, empleados más capacitados y el fortalecimiento de la lealtad al cliente.u 

¿Dónde opera su organización hoy? ¿Qué necesitaría para subir un nivel?  

Genesys está aquí para ayudarle a definir ese camino y dar el siguiente paso hacia experiencias organizadas y emocionalmente inteligentes a escala. 

 

1 El presente es un artículo de reflexión, no una estrategia de producto. Genesys no se compromete a ofrecer ninguna de las funciones descritas en este documento. 

* Versión actualizada del artículo publicado originalmente el 14 de mayo de 2024.  

Autores:

Tony Bates es presidente y CEO de Genesys. Está a cargo de la estrategia, la dirección y las operaciones de la empresa en más de 100 países y supervisa un equipo global de más de 6000 empleados.

Tony tiene décadas de experiencia orientando a compañías interempresarialess y de comercio al consumidor durante transiciones y escalamientos significativos. Tony es un apasionado tecnólogo de corazón que comenzó su trayectoria profesional en el área de operaciones de red e infraestructura de I¡internet, en donde aprendió a programar de manera autodidacta durante sus viajes diarios en tren de su casa al trabajo. Rápidamente adquirió la habilidad empresarial necesaria para ocupar cargos ejecutivos de confianza en algunas de las empresas de SaaS más respetadas del mundo.

Algunos aspectos destacados de su carrera incluyen dirigir el área de Proveedor de Servicios de Cisco, en donde logró que su división empresarial y comercial generara ingresos de más de 20,000 millones de dólares anuales; así como su desempeño como CEO de Skype, donde estuvo a cargo de expandir el negocio a más de 170 millones de usuarios conectados. Una vez que Microsoft adquirió Skype, Tony se convirtió en presidente y fue responsable de las comunicaciones unificadas antes de desempeñarse como vicepresidente ejecutivo de Desarrollo Empresarial y Desarrolladores. Además de su cargo en Genesys, Tony es parte del consejo de administración de VMWare.

ElDr. Peter Graf es vicepresidente sénior de Estrategia de Genesys. Es responsable de desarrollar, comunicar y sustentar la estrategia de Genesys.

Antes de incorporarse a Genesys en 2017, Peter ocupó diversos puestos de liderazgo ejecutivo en las áreas de estrategia, desarrollo y marketing a lo largo de más de 25 años en el sector del software comercial a nivel mundial, en particular como vicepresidente ejecutivo de la corporación de software multinacional SAP. Cuenta con un doctorado en Inteligencia Artificial de la Universidad Saarland y una maestría en Informática y Economía de la Universidad Técnica Kaiserslautern en Alemania.