1. HyProd
2. Guías
3. KPIs de atención con IA

Guía central · KPIs e indicadores

KPIs de atención al cliente con IA: qué medir y qué se rompe

Las fórmulas de siempre siguen sirviendo, pero cuando un bot o un copiloto toca los casos empiezan a contar otra cosa. Acá van las fórmulas, cómo se distorsionan y qué sumar.

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

Los KPIs clásicos de atención al cliente y sus fórmulas

Un KPI de atención al cliente es un indicador con fórmula fija que se sigue en el tiempo. Los nueve de la tabla aparecen en casi cualquier lista de indicadores de servicio al cliente, call center o soporte técnico. Las fórmulas siguen a SQM Group para FCR, Bain & Company para NPS, HDI y MetricNet para costo por ticket y la documentación de Zendesk para los tiempos.

El AHT sigue la definición de TechTarget para llamadas; en canales escritos se saca la espera. El gasto operativo de HDI incluye personal indirecto, tecnología, telecomunicaciones e instalaciones, no solo sueldos de agentes.

Por qué la IA rompe los indicadores de siempre

Los KPIs clásicos suponen que una persona atiende cada caso de principio a fin. Con IA eso deja de ser cierto de tres maneras.

• Cambia la mezcla de casos. El bot absorbe lo repetido y simple. Lo que queda para el equipo es más difícil, así que comparar el AHT o el FCR humano de antes y después es comparar poblaciones distintas.
• Cambia quién cuenta como "resolvió". Cada plataforma define la resolución a su manera. En Fin, una resolución asumida es cuando el cliente se va sin pedir más ayuda, aunque no haya confirmado nada. Zendesk separa desde el 18 de mayo de 2026 escalamiento asistido, resolución contenida y resolución verificada, con ventanas de 72 horas en correo y 2 horas por defecto en mensajería. Esas son definiciones para facturar, no para medir calidad. Lo desarrollamos en qué cobran Fin, Zendesk y Agentforce como resolución.
• Aparece trabajo que ningún KPI ve. Revisar la respuesta del copiloto, corregir lo que dijo el bot, atender al cliente que volvió por WhatsApp después de que el chat "se resolvió". Ese tiempo no está en ningún KPI del bot.

Hay evidencia de que la IA puede mejorar la productividad real. En un estudio con 5.179 agentes de soporte, Brynjolfsson, Li y Raymond encontraron un 14 % más de casos resueltos por hora en promedio con un asistente generativo, con mejoras mayores en los agentes con menos experiencia. El problema no es la IA: es que los KPIs clásicos solos no distinguen una mejora real de un cambio de definición.

KPIs nuevos para la atención al cliente con IA

Estos seis indicadores completan los clásicos cuando hay IA en el medio. Los cinco últimos son métricas versionadas del registro de HyProd, con la definición que usa el producto.

1. Resolución real vs. deflexión

La deflexión (o contención) cuenta las conversaciones del bot que no pasaron a una persona. La resolución real exige además que el caso no vuelva ni haya corrección, rechazo o escalamiento posterior: es la diferencia entre "el cliente se fue" y "se resolvió".

En HyProd, la versión estricta de esta idea es la autonomía efectiva (punto 4). El detalle de deflexión, contención y resolución con un mismo ejemplo está en deflection rate vs. resolución real.

2. Retrabajo después de la IA

Es la proporción de casos tocados por IA que tuvieron alguna señal de fricción asociada a esa intervención: corrección sustancial, rechazo de lo que propuso la IA, reapertura, retrabajo o escalamiento. La ventana para atribuir la señal a la IA es de 72 horas, y la de reapertura, de 7 días.

3. Carga de revisión humana

Mide cuánto de lo que produce la IA todavía necesita que una persona lo mire. Cuenta un caso si tuvo al menos una revisión humana en las 72 horas siguientes a la IA; al lado se muestran revisiones por caso, la parte sustancial (umbral de 2 minutos) y los minutos de revisión cuando se conocen.

4. Autonomía efectiva

De los casos resueltos en los que intervino la IA, qué parte llegó al final sin ninguna señal de fricción: sin revisión sustancial, corrección, rechazo, escalamiento, reapertura ni retrabajo. Una revisión superficial aprobada no la rompe. Al lado se muestra la autonomía técnica, que solo pregunta si la IA resolvió el caso o ejecutó un paso por su cuenta.

La distancia entre las dos es el número más útil del tablero: es lo que la IA "resolvió" pero alguien tuvo que arreglar.

5. Tiempo de ciclo híbrido

Es el tiempo desde que se abre el caso hasta su resolución final, sumando todo el proceso entre personas e IA. Se informa la mediana y la distribución (percentiles 75 y 90), solo sobre casos resueltos con una fecha de apertura confiable.

6. Costo neto por caso

Es el costo promedio de completar un caso: el tiempo humano observado por la tarifa horaria, más el costo de IA y de herramientas configurado. El tiempo humano que no se observa no se imputa, así que el resultado es un piso y no un total.

A diferencia del costo por ticket clásico, incluye la revisión y corrección en los casos con IA y lo que se paga al vendor por resolución. El cálculo con ejemplo está en costo por ticket con IA.

KPIs para mesa de ayuda de IT (ITSM)

En una mesa de ayuda o service desk valen los mismos indicadores, más tres del mundo ITSM que la IA también afecta.

• Reasignaciones. El tablero de incidentes de ServiceNow calcula el promedio de reasignaciones de los incidentes abiertos y el porcentaje de incidentes resueltos sin reasignar desde el primer grupo asignado. Si la IA clasifica y enruta, este es el indicador que muestra si lo hace bien.
• Reaperturas. El formulario de incidente de ServiceNow tiene un campo Reopen count con la cantidad de veces que se reabrió. Es la base directa para medir retrabajo.
• MTTR (tiempo medio de resolución). El ITSM Success Dashboard lo agrupa con CSAT, incumplimientos de SLA y porcentaje de resolución en la primera asignación como indicadores de calidad. El mismo tablero define "Self-solved using QnA" como las interacciones con el Virtual Agent que no crean un incidente nuevo dentro de las 24 horas: es una ventana de deflexión, no de resolución verificada.

Cómo armar un tablero que no se engañe

Un tablero de KPIs con IA tiene que poder contestar "¿mejoró el servicio o cambió la definición?". Estos pasos alcanzan para empezar.

1. Separá casos con IA y sin IA. Cada KPI clásico va en dos columnas. Si no podés marcar qué casos tocó la IA, ese es el primer problema.
2. Fijá las ventanas por escrito. Cuántos días cuenta una reapertura y cuánto después de la IA atribuís una corrección. Cambiar la ventana cambia el número.
3. Usá tu definición de resolución, no la del vendor. La que factura la plataforma sirve para conciliar la factura; para medir calidad usá resolución real o autonomía efectiva.
4. Emparejá cada KPI de velocidad con uno de calidad. FRT con reaperturas, AHT con retrabajo, deflexión con recontacto. Si uno mejora y el otro empeora, no hubo mejora.
5. Mostrá cobertura y tamaño de muestra. Un porcentaje sobre 12 casos no se lee igual que sobre 1.200. Si faltan datos, decilo en el tablero en lugar de mostrar un valor.
6. Compará por tipo de caso. La comparación honesta es dentro del mismo flujo y tipo de pedido.
7. Sumá el costo de IA al costo por caso. La tarifa por resolución o por conversación es parte del costo, y se paga también por los casos que vuelven.

Qué hace HyProd y qué no

HyProd es un proyecto de estudiantes de la Universidad Torcuato Di Tella que reconstruye cada caso entre IA y personas y calcula estas métricas sobre los datos de tu herramienta. ServiceNow se conecta directo por API; Zendesk, Intercom, Freshdesk y otras entran por export CSV o JSON, API o webhooks. Todavía no tenemos clientes ni resultados publicados, así que no te vamos a mostrar casos de éxito: lo que ofrecemos es un piloto sin costo para medirlo con tus propios casos, con cada número acompañado de su cobertura y su confianza.

Preguntas frecuentes