Un agente de IA que reconoce lo que no sabe y pasa el caso a una persona protege más tu reputación que uno que contesta siempre. Se consigue con reglas claras: que responda solo con información que tú le has dado, que tenga una lista de temas que nunca decide por su cuenta y que sepa cuándo debe parar y avisar. Un «no lo sé» bien dicho no es un fallo del sistema, es una de sus mejores funciones.
Un cliente pregunta si un producto sirve para un uso concreto, si un contrato admite una excepción o si puede devolver algo fuera de plazo. Si el agente no tiene ese dato, tiene dos caminos. Uno es inventar una respuesta razonable. El otro es decir que no lo tiene claro y llamar a quien sí lo sabe. El primero parece más «inteligente» y es el que da disgustos: una promesa que no puedes cumplir, un dato equivocado, un cliente que lo recuerda.
¿Por qué es mejor un «no lo sé» que una respuesta segura pero equivocada?
Porque el coste de un error dicho con seguridad es mucho mayor que el de una espera. Cuando el agente admite que no sabe algo y deriva el caso, el cliente pierde unos minutos u horas, pero recibe una respuesta fiable. Cuando se equivoca con aplomo, el cliente actúa sobre un dato falso: compra algo que no le sirve, espera un reembolso que no existe o confía en una condición que no es cierta. Corregirlo después exige disculpas, compensaciones y, a veces, una relación que ya no se recupera.
Además, la confianza se construye con la honestidad. Un cliente que ha visto que el agente dice «esto no lo puedo confirmar, te paso con una persona» tenderá a creerlo cuando sí responde. En cambio, uno que descubre un solo error grave desconfiará de todo lo demás. Este fallo tiene una causa concreta, que no siempre es del agente; para distinguirla, mira alucinación o dato erróneo: cómo saber de quién es el fallo.
Seis reglas que enseñan a un agente a reconocer sus límites
Estas reglas se definen al configurar el agente y se afinan con el uso:
- Responder solo con lo que consta. El agente contesta apoyándose en los documentos y datos de la empresa. Si la respuesta no está ahí, no la completa con suposiciones.
- Temas reservados. Una lista de asuntos que nunca resuelve por su cuenta y siempre pasa a una persona: precios no publicados, excepciones, reclamaciones, asuntos legales, médicos o fiscales, y cualquier decisión que comprometa dinero.
- Fuentes contradictorias. Si dos documentos dicen cosas distintas, no elige uno: avisa de la contradicción a quien corresponda.
- Datos que faltan. Si necesita un dato para responder bien y el cliente no lo ha dado, lo pregunta antes de contestar.
- Señales de tensión. Si el cliente repite la misma pregunta, muestra enfado o pide hablar con alguien, pasa el caso sin insistir.
- Umbral de seguridad. El agente valora internamente cuánta base tiene para su respuesta. Si queda por debajo del nivel que has fijado para ese tema, no contesta: deriva. Ese nivel es más exigente en los asuntos delicados y más flexible en los de poco riesgo.
Cómo se organiza el paso a una persona, con el resumen del caso para que el cliente no tenga que repetirlo, está explicado en cómo automatizar el escalado de incidencias complejas a un humano con IA.
Cómo debe sonar un buen «no lo sé»
Un «no lo sé» mal dicho es peor que un error: deja al cliente en el aire. Uno bien dicho tiene tres elementos: reconoce el límite sin dramatismo, dice qué va a pasar ahora y da una vía para continuar. Por ejemplo: «Ese dato no lo tengo confirmado y prefiero no darte uno incorrecto. He pasado tu consulta al equipo con todo lo que me has contado y te contestarán por este mismo canal en cuanto lo revisen».
Conviene evitar dos extremos. El agente que contesta «no lo sé» a todo resulta inútil y cansa al cliente; el que responde siempre con rodeos ambiguos tampoco ayuda. La clave es que derive con motivo, y que la frase cuente con claridad el siguiente paso, sin prometer plazos que la empresa no pueda cumplir.
¿Cómo se mide si el agente es demasiado cauto o demasiado atrevido?
Se mide revisando con regularidad una muestra de conversaciones y clasificándolas en dos grupos de error. El primero, el grave: casos en los que el agente debió pasar a una persona y respondió igualmente. El segundo, el de exceso de cautela: casos que derivó y podía haber resuelto con la información que tenía. Lo primero daña la confianza del cliente; lo segundo, la utilidad del agente y el tiempo de tu equipo.
Con esa revisión se ajustan las reglas: si hay demasiadas respuestas atrevidas, se endurecen los umbrales o se amplía la lista de temas reservados; si hay demasiadas derivaciones innecesarias, se completan los documentos que faltan o se relajan las reglas en los asuntos de poco riesgo. También es útil mirar qué preguntas derivó con más frecuencia, porque revelan lagunas en tu documentación. No hay un porcentaje «correcto» de derivaciones válido para todas las empresas; depende de tu negocio, de lo delicado de tus consultas y de la calidad de tu información. Lo importante es que la tendencia mejore y que no se te escapen los errores graves.
Qué hace el agente y qué sigue haciendo una persona
El agente identifica cuándo no tiene base suficiente, avisa con un resumen útil y mantiene al cliente informado mientras espera. La persona recibe el caso, decide y responde. Si la respuesta nueva sirve para casos futuros, alguien la incorpora a los documentos del agente, de modo que la próxima vez ya pueda contestar. Así cada «no lo sé» se convierte en una mejora, y el agente cubre cada vez más sin perder la prudencia en lo que no domina. Esta división del trabajo, qué se entrena y qué sigue siendo humano, se explica con más detalle en atención al cliente con IA: qué se entrena y qué sigue siendo humano.
Algunas cautelas finales: una regla de prudencia no elimina todos los riesgos, y ningún agente reconoce sus límites a la perfección. Por eso en los asuntos delicados (legales, médicos, fiscales, laborales o de dinero) la última palabra la tiene siempre un profesional, y las conversaciones se revisan con la frecuencia que el riesgo aconseje. Si el agente maneja datos personales, la revisión debe respetar la normativa de protección de datos.
Conclusión
Un agente de IA útil no es el que contesta a todo, sino el que sabe cuándo no debe hacerlo. Con respuestas basadas en tu información, una lista de temas reservados, una regla para las contradicciones y un buen aviso a la persona adecuada, el «no lo sé» deja de ser un fallo y pasa a ser una protección para tus clientes y para tu reputación.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, no una plantilla genérica, y definimos contigo qué temas debe responder el agente y cuáles debe pasar siempre a una persona.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.