El diseño. Un ejemplo práctico ilustrativo, no un resultado de cliente. El equipo de soporte de e-commerce de tamaño medio, de unos 18 agentes, y sus cifras son supuestos. El diseño tiene dos partes: recuperación interna sobre el historial de tickets, la documentación y las políticas del equipo, más un asistente de respuestas con borrador y revisión. Sin chatbot.
Ningún chatbot de cara al cliente forma parte del diseño. Supón que el equipo apagó uno hace años y no quiere volver a tenerlo. Aquí la desviación vendría de que los agentes respondan bien en la primera respuesta, no de un bot que intercepta a los clientes en la puerta.
Los números que sigue un responsable de soporte son el tiempo de primera respuesta en tickets complejos y la parte de preguntas repetidas de 'dónde está mi pedido' y de políticas que se resuelven en el primer contacto. Este ejemplo no da ningún resultado de ninguno. Un equipo tomaría su línea de base de su propio etiquetado de tickets, no de una estimación de un proveedor, y compararía después.
#¿qué es la deflexión de tickets con ia si no hay chatbot?
¿qué es la desviación de tickets con ia para equipos de soporte sin chatbot?
Significa que un ticket repetido se resuelve en la primera respuesta en lugar de rebotar entre agentes o escalarse. En este diseño, la recuperación interna trae la política correcta y la resolución anterior, y un asistente de borrador y revisión escribe una respuesta con fuentes que el agente edita y envía. El cliente sigue hablando con una persona.
La mayoría de las propuestas de 'desviación' significan que un bot responde para que el cliente nunca llegue a una persona. Este no es ese diseño. Una pregunta de 'dónde está mi pedido' que normalmente se escalaría a un agente sénior puede responderla bien el primer agente, porque el asistente muestra la política de envíos y los tres tickets anteriores más cercanos con sus resoluciones.
#¿en qué consiste el diseño?
Dos piezas, ambas internas. Recuperación sobre el historial propio del equipo, y un asistente de respuesta que redacta a partir de ese historial. Nada que vea el cliente, nada que se envíe automáticamente.
- Recuperación interna: indexa los tickets resueltos del equipo, la documentación de producto y las políticas de envíos y devoluciones. Cuando un agente abre un ticket, muestra los casos anteriores más cercanos y la cláusula exacta de la política, con un enlace a la fuente.
- Revisión de borradores: escribe una respuesta inicial en el tono del equipo, citando la política usada. El agente edita y envía. Nada sale sin que una persona pulse enviar.
- Etiquetado: cada respuesta sugerida queda registrada junto a la etiqueta del ticket, para que el equipo pueda ver qué categorías se deflectan y cuáles siguen necesitando una persona.
We are
Una capa interna de recuperación y borradores que entrega a cada agente una primera respuesta con citas para editar, de modo que los tickets recurrentes se resuelvan en el primer contacto por parte de una persona.
We aren't
Un chatbot de cara al cliente que intercepta a las personas en el widget de ayuda y responde desde una base de conocimiento estimada antes de que lleguen a una persona.
La parte de las fuentes citadas es lo que hace que los agentes confíen. Un borrador que dice 'según la política de devoluciones actualizada en marzo de 2026, las devoluciones de artículos sin usar son gratuitas' con un enlace supera a una suposición segura de sí misma. Es el mismo patrón del que hablamos en clasificación de tickets: el sistema lee y redacta, el agente decide.
#¿por qué reducir el tiempo de primera respuesta también deflecta tickets?
Porque una primera respuesta incorrecta o vaga es lo que genera el segundo y tercer ticket. Un cliente pregunta dónde está su pedido, recibe un «estamos mirando», y escribe dos veces más. Cada seguimiento es un nuevo contacto que el equipo debe gestionar.
Cuando el primer agente responde bien con el estado del envío y la política real, el hilo se cierra. Los seguimientos repetidos que se acumulan tras una primera respuesta débil dejan de llegar. De ahí vendría la mayor parte de la desviación, y es el número que se mide contra tu propia línea de base etiquetada.
El objetivo no es desviar a las personas lejos del equipo. Es desviar el segundo y el tercer ticket que crea una mala primera respuesta.
#¿cómo sabrías que la desviación es real?
No en la primera etapa de uso. Al principio, la recuperación puede traer demasiados tickets anteriores apenas relacionados, y los agentes dejan de leer las sugerencias. El primer trabajo de ajuste es decidir qué casos históricos cuentan y limpiar el ruido para que los tres primeros sean de verdad los más cercanos.
La desviación aparece cuando los agentes confían lo suficiente en las primeras sugerencias como para usarlas como punto de partida. Tiene la misma forma que el resto de nuestro trabajo de AI consulting para equipos de soporte: recuperación interna, clasificación y borrador con revisión, con formación para el equipo para que sean dueños del flujo, no solo de la herramienta. Más artículos están en el blog.
Si gestionas un equipo de soporte y estás valorando si la ia puede reducir el tiempo de respuesta y deflectar tickets recurrentes sin poner un bot entre tú y tus clientes, la respuesta honesta es sí, y se parece a esto: borradores con citas, una persona en cada envío, tu propio historial de tickets haciendo el trabajo. Esa es la versión que construimos. cuéntanos qué estás construyendo.
