1. Los KPIs básicos no bastan, pero tampoco sobran
Nivel de servicio, TMO, FCR, tasa de abandono, coste por contacto, absentismo, NPS o CSAT. Si ninguno de estos está medido con fiabilidad, ningún KPI adicional importa: hay que empezar por ahí. Pero muchas empresas medianas los tienen razonablemente controlados y aun así deciden aplicar IA sin mirar lo que viene a continuación.
2. Tasa de contacto evitable y repetido
No basta con saber cuántos contactos llegan. Hay que saber cuántos son consecuencia de un proceso mal resuelto la primera vez, o de una respuesta incompleta en un contacto anterior. Automatizar un contacto que nunca debería haber existido no mejora nada: solo automatiza el síntoma.
3. Granularidad real de los motivos de contacto
"Consultas" e "incidencias" no son categorías útiles para decidir qué automatizar. Si el desglose de motivos no baja a un nivel de detalle operativo (tipo de gestión, canal, complejidad), cualquier decisión sobre qué automatizar se basa en intuición, no en datos.
4. TMO y tiempo de resolución real
El TMO mide la duración de una interacción, no si el cliente tuvo que volver a contactar o si hubo trabajo de back office después. Es un patrón que se repite: una empresa mide bien el TMO, lo reduce con un bot, y dos meses después el volumen de llamadas repetidas ha subido más de lo que bajó el TMO. Nadie lo ve venir porque nadie mide la repetición, solo la duración.
5. Tasa de fallo del autoservicio actual
Antes de añadir IA, hay que saber cuánto está fallando ya el autoservicio existente (IVR, web, FAQ). Es otro patrón habitual: se añade un bot nuevo sobre un IVR que ya derivaba mal a un agente humano, sin corregir antes ese diseño. El bot nuevo hereda exactamente el mismo problema, con una capa más de complejidad encima.
6. Coste real por canal, no solo coste medio por contacto
La IA suele desplazar volumen entre canales, no solo reducirlo. Sin coste desagregado por canal, es imposible saber si un proyecto de IA está ahorrando de verdad o simplemente moviendo el coste a un canal que nadie está midiendo bien.
7. Gobierno de la IA: inventario y supervisión humana medible
Esto es lo que casi ninguna empresa mediana tiene, y es precisamente lo que empieza a exigir el marco regulatorio europeo. No se trata de interpretar el reglamento, sino de responder a una pregunta simple: ¿qué herramientas con IA está usando ya nuestro equipo, autorizadas o no? Es un patrón cada vez más frecuente: agentes o supervisores usando herramientas de IA generativa por su cuenta, sin que la empresa lo sepa ni lo controle, hasta que ya es tarde para gobernarlo. Y cuando sí existe supervisión humana declarada sobre decisiones automatizadas, rara vez hay una métrica que diga cuántas decisiones se revisan de verdad y con qué frecuencia.
En resumen
Ninguno de estos KPIs es exótico. Son medibles con lo que la mayoría de las empresas ya tiene. El problema no es la falta de herramientas: es que nadie se ha parado a mirarlos antes de decidir automatizar. Un diagnóstico externo no sustituye este trabajo — lo ordena, lo prioriza, y evita que la decisión sobre IA se tome con la mitad de la información.
opsAiCX no presta asesoría jurídica. Nuestro foco es operativo: ayudar a medir y ordenar antes de decidir.