1. HyProd
2. Guías
3. Deflexión, contención y resolución

Métricas de chatbots

Deflection rate, containment rate y resolución real: cómo saber si tu bot resuelve

Tres números que suelen aparecer juntos en el dashboard del bot y que miden cosas muy distintas.

Por Lucca Nanoia · HyProd · Actualizado el 27 de octubre de 2026

Qué es cada métrica y cómo se calcula

Cada métrica responde una pregunta distinta: cuánto volumen no le llegó al equipo, cuántas conversaciones del bot no pasaron a una persona, si el cliente quedó resuelto y si la IA resolvió sin que nadie arreglara nada después. Las fórmulas de abajo son la forma habitual de operacionalizar cada definición; las plataformas no siempre publican la suya.

Deflection rate (tasa de deflexión)

Es el porcentaje de consultas entrantes que nunca llegan a un agente humano, según la definición de Fin.

Containment rate (tasa de contención)

Es la proporción de conversaciones con el bot o agente de IA que terminaron sin traspaso a una persona. Se mide solo sobre lo que el bot atendió.

Tasa de resolución

Es la parte de las conversaciones en las que la IA efectivamente atendió el motivo del contacto. Fin la describe como una conversación relevante, precisa y contenida. Cada plataforma tiene su regla: en Fin, una resolución asumida es cuando el cliente "sale de la conversación sin solicitar más ayuda"; en Zendesk, la resolución verificada pasa además por una evaluación de la conversación con un LLM. Para medirla vos, usá una regla con ventana de tiempo:

Autonomía efectiva (métrica de HyProd)

Es la parte de los casos resueltos con IA que llegaron al final sin señales de fricción: corrección sustancial, rechazo de la respuesta de la IA, escalamiento, reapertura, retrabajo o revisión humana sustancial. Se reporta al lado de la autonomía técnica, que solo mira si la IA cerró el caso o ejecutó un paso por su cuenta.

Su contracara es el retrabajo después de la IA: casos con IA que tuvieron corrección, rechazo, reapertura dentro de 7 días, retrabajo o escalamiento después de la intervención, sobre el total de casos con IA, con una ventana de atribución de 72 horas. Es una asociación, no una prueba de causalidad.

Deflexión vs contención vs resolución: tabla comparativa

Cuanto más abajo en la tabla, más evidencia se pide para contar un éxito.

Por qué la deflexión y la contención inflan el éxito

Las dos miden que el contacto no llegó a una persona: condición necesaria para resolver, pero no suficiente. Hay cuatro caminos por los que un fracaso se cuenta como éxito:

• Abandono no es resolución. Un cliente que se cansa y cierra la ventana es una conversación contenida. La propia guía de Fin da el ejemplo de alguien que lee un artículo y se va: cuenta como deflexión aunque no se sepa si le sirvió.
• Recontacto por otro canal. El cliente no consiguió respuesta en el chat y escribió por mail o llamó al día siguiente. En el canal del bot, la conversación quedó contenida; en la operación, el caso costó dos veces.
• Reapertura. El cliente vuelve sobre el mismo tema. Fin descuenta la resolución si el cliente "regresa a la misma conversación", según su documentación en español; si abre una conversación nueva, esa regla no lo cubre. Esto importa también para la factura, como explicamos en qué cobran Fin, Zendesk y Agentforce como resolución.
• Escalamiento e intervención posterior. El bot cerró la conversación, pero un agente tuvo que hacer el reembolso a mano, corregir un dato o completar un trámite. La contención no ve ese trabajo.

La brecha entre usar el autoservicio y resolver ahí es conocida. Una encuesta de Gartner de agosto de 2024 encontró que solo el 14 % de los problemas de atención se resuelven por completo en autoservicio, y que incluso en los que los clientes describen como muy simples la cifra llega al 36 %, según la cobertura de destinationCRM. Habla de autoservicio en general, no solo de bots con IA, pero muestra la distancia entre usar el canal y resolver.

Ejemplo con 1.000 conversaciones

En un mes entran 1.200 consultas al autoservicio: 200 personas leen un artículo y se van sin abrir el chat, y 1.000 abren una conversación con el bot. De esas 1.000, 180 piden hablar con una persona y 820 terminan sin traspaso.

Ahora el equipo cruza las 820 conversaciones contenidas con todo lo que pasó en los 7 días siguientes, en todos los canales:

• 150 clientes volvieron por mail, teléfono o WhatsApp por el mismo motivo.
• 40 reabrieron la misma conversación.
• 25 necesitaron que un agente completara o corrigiera algo después (por ejemplo, un reembolso manual).

Son 215 conversaciones contenidas que no quedaron resueltas. Quedan 820 − 215 = 605.

El mismo bot muestra 85 % de deflexión, 82 % de contención y 60,5 % de resolución real. Y aun ese 60,5 % es optimista: algunas de las 605 personas pueden haberse rendido sin volver a escribir, así que conviene leerlo como un techo y contrastarlo con una muestra revisada a mano.

Cómo medir la resolución real de tu bot

Hace falta cruzar datos que suelen vivir en sistemas separados. Estos son los pasos:

1. Fijá la ventana de recontacto y publicala. No existe una ventana estándar de la industria: HDI define la resolución en el primer contacto como el porcentaje de incidentes resueltos en el contacto inicial, sin fijar plazo, y cada plataforma usa el suyo. Zendesk da por terminada una conversación a las 72 horas en email y a las 2 horas (ampliables a 72) en mensajería. Para recontactos, 7 días es una elección razonable. Lo importante es no cambiarla entre períodos.
2. Identificá al mismo cliente en todos los canales. Uní chat, mail, teléfono y WhatsApp por email, teléfono, número de cliente o ID de cuenta. Sin esta unión, el recontacto por otro canal es invisible.
3. Asociá el motivo. Un recontacto por otro tema no es un fracaso del bot. Usá la categoría, el pedido o el producto para decidirlo, y documentá la regla.
4. Contá las reaperturas. Tanto en la misma conversación como en una nueva sobre el mismo motivo. La segunda es la que más se pierde.
5. Contá los escalamientos tardíos. Casos que el bot dio por cerrados y que después terminaron en manos de un agente o de otro nivel de soporte.
6. Registrá la intervención humana posterior. Correcciones, reembolsos manuales, cambios en el sistema que hizo una persona después de la IA. Es el retrabajo que ninguna métrica de contención ve, y también el que mueve el costo por ticket con IA.
7. Reportá los números juntos. Deflexión, contención y resolución real sobre el mismo set de conversaciones, con la ventana y las reglas a la vista. Para el tablero completo, mirá KPIs de atención al cliente con IA.

Qué hace HyProd con esto

HyProd reconstruye cada caso entre la IA y las personas: qué hizo el bot, qué hizo después cada agente, si hubo corrección, reapertura o escalamiento. Con eso calcula la autonomía efectiva y el retrabajo después de la IA sobre los mismos casos, con fórmula, ventanas y nivel de confianza visibles. Se conecta directo con ServiceNow; con otras herramientas trabaja por export CSV o JSON, API o webhooks. Lo que no queda registrado en esos datos no lo puede ver, así que sus cifras son pisos de lo observado y sus comparaciones son asociaciones, no causas. Estamos buscando equipos para un piloto sin costo.

Preguntas frecuentes