IA en el servicio posventa: por qué 3 de cada 4 servicios no ven el ROI

El gasto en IA de los responsables de atención al cliente aumentó un 38 % en 2026, mientras que su presupuesto global solo creció un 2 %, según Gartner. Sin embargo, solo el 24 % de los responsables de Service & Support encuestados por Gartner afirma demostrar un retorno financiero positivo en sus casos de uso de IA.

En la posventa y los servicios de campo industriales, McKinsey también observa numerosos proyectos prometedores, pero todavía pocas empresas capaces de convertir esos resultados en un impacto medible en su cuenta de resultados.

Entonces, ¿dónde se pierde el valor?

Partir del problema, no de la IA

El 91 % de los responsables de Service & Support declara sufrir presión de su dirección para implantar IA, según Gartner.

Esta presión puede invertir fácilmente el razonamiento: elegir un chatbot, un asistente o un agente de IA y, después, buscarle una utilidad.

Habría que empezar más bien por los problemas del servicio posventa:

• ¿Qué fricciones encuentra el cliente en su experiencia con su servicio?
• ¿Dónde pierden tiempo los técnicos? ¿Por qué?
• ¿Qué proporción de solicitudes son repetitivas?
• ¿Qué desplazamientos podrían evitarse?
• ¿Cuál es el tiempo medio de un diagnóstico? ¿Por qué?

La facilidad actual para prototipar una interfaz de software refuerza este sesgo: se puede obtener muy rápido una primera demostración convincente, sin haber resuelto las cuestiones de integración, de datos y de medición.

BCG observa precisamente que los pioneros en la adopción suelen obtener ganancias puntuales de productividad sin alcanzar el ROI esperado, sobre todo porque sus primeros casos de uso no van lo bastante lejos, o porque el paso a escala fracasa.

La IA debe conocer su servicio posventa, y estar enmarcada

Una IA genérica puede explicar un código de error a partir de un manual.

Pero para ayudar de verdad a un técnico o a un cliente, debería saber además que ese fallo ya se ha producido en esa gama de máquinas, qué soluciones funcionaron, qué piezas se sustituyeron y qué se ha intentado ya en ese equipo concreto.

Ahora bien, esa información rara vez está en un mismo lugar.

Está dispersa entre documentación técnica, CRM, ERP, tickets, informes de intervención, historiales de máquinas, WhatsApp, correos electrónicos y conocimientos de los técnicos.

McKinsey identifica precisamente esta fragmentación de los datos y los sistemas heredados como dos de los principales obstáculos para escalar la IA en la posventa y los servicios de campo.

La elección del modelo de IA es, por tanto, solo una pequeña parte del proyecto. El valor depende sobre todo del contexto de negocio al que la IA puede acceder, y de la infraestructura que la enmarca (el «arnés»):

• ¿Cómo encuentra la información correcta entre miles de documentos?
• ¿Cómo sabe qué pregunta hacer en el momento adecuado para su contexto de negocio?
• ¿Cómo reacciona según sus perfiles de usuario (un distribuidor no tiene las mismas necesidades que un cliente final)?
• ¿Cómo asegurarse de que responde basándose en sus conocimientos, y no en los conocimientos generales de su modelo?

Es este marco el que decide si la IA se apoya en su servicio posventa o responde fuera de lugar.

Una ganancia de productividad no es un ROI

Supongamos que un asistente hace ganar 20 minutos al día a un técnico.

La ganancia es real. Pero si nada cambia detrás, el coste del servicio posventa sigue siendo prácticamente el mismo.

Para crear valor, esos 20 minutos deben traducirse en algo concreto:

• Mejor diagnóstico a distancia: menos desplazamientos y, por tanto, un menor coste de intervención.
• Menos tiempo de búsqueda: más solicitudes atendidas y, por tanto, capacidad adicional sin contratar.
• Intervenciones documentadas automáticamente: un conocimiento reutilizable y, por tanto, resoluciones más rápidas la próxima vez.

Por eso añadir un Copilot, un ChatGPT o un Claude a una etapa existente no siempre basta.

BCG recomienda ir más allá de las simples ganancias de productividad para repensar los procesos y flujos de trabajo en torno a la IA. Gartner llega a la misma conclusión desde el recorrido del cliente: en lugar de añadir chatbots aislados, las empresas deben construir recorridos en los que la IA ayude realmente a resolver el problema de principio a fin.

En un servicio posventa, redactar un informe cinco minutos más rápido es útil. Lograr que la intervención alimente automáticamente el historial del equipo y pueda aprovecharse en la próxima avería crea un círculo mucho más interesante:

Cada resolución acelera la siguiente.

De la IA que funciona a la IA que rinde

Las cifras de Gartner revelan menos un límite de la IA en el servicio posventa que una confusión entre tres niveles de madurez:

• Una IA que funciona: sabe realizar la tarea.
• Una IA útil: dispone del contexto adecuado y mejora realmente el trabajo del servicio posventa.
• Una IA rentable: esa ganancia operativa se convierte en reducción de costes, capacidad adicional o ingresos.

Es generalmente entre estas tres etapas donde se pierde el ROI.

Antes de lanzar un nuevo proyecto de IA, la primera pregunta no es «¿qué herramienta de IA implantar?», sino «¿qué problema queremos resolver, y para qué objetivo de negocio?»