Dimitri Masin, CEO de Gradient Labs, argumenta que las empresas que utilizan agentes de IA para la atención al cliente solo deberían pagar cuando el bot haga su trabajo.

«Si nos fijamos en Salesforce, cobran la automatización por conversación», declaró a The Register en una entrevista telefónica. «Así que, básicamente, si tienes una conversación con IA, independientemente de su resultado, pagas 2 dólares».

Según los propios investigadores de Salesforce, los principales agentes basados ​​en LLM, probados en el benchmark CRMArena-Pro, completan con éxito las tareas de un solo turno (indicación y respuesta) aproximadamente el 58 % de las veces y solo alrededor del 35% de las veces las solicitudes de múltiples turnos (conversación de ida y vuelta).

Esto es perjudicial tanto para los clientes como para el progreso general de los agentes de IA. Pagar sin tener en cuenta los resultados, afirmó Masin, «no incentiva a Salesforce a mejorar realmente a su agente».

Salesforce no respondió a una solicitud de comentarios. Sin embargo, las estadísticas que promociona en su estrategia de marketing son, como era de esperar, mucho mejores.

Entre octubre y diciembre de 2024, Salesforce afirma en su página de Ayuda de Salesforce que su asistente Agentforce «resuelve el 83% de las consultas de los clientes sin intervención humana, ha reducido a la mitad el número de problemas que requieren intervención humana y casi ha duplicado su promedio de conversaciones semanales».

Masin argumenta que la facturación por resolución es mejor para calcular el retorno de la inversión (ROI).

Entre las empresas que exploran la IA, el ROI es una preocupación constante. Según una encuesta [PDF] publicada el año pasado por la empresa de seguridad de aplicaciones F5, «al preguntarles cuáles eran sus principales preocupaciones sobre el desarrollo, el entrenamiento y la inferencia de modelos de IA en el futuro, casi dos tercios de los encuestados (62%) en nuestra encuesta anual nos dijeron que les preocupaban los costes de computación». «Si no resolvemos el problema y aún necesita involucrar a su equipo humano, no tiene que pagarnos», dijo Masin. «Y la razón por la que esto es tan efectivo es porque crea un vínculo directo con el retorno de la inversión (ROI), ya que cada empresa sabe cuánto le cuesta un contrato en promedio».

Esto permite a una empresa tomar una decisión informada sobre si vale la pena pagar por soporte basado en agentes de IA, un cálculo que a las empresas les ha costado realizar. Si el costo promedio de un agente humano para gestionar un problema es de $5 o $10, explicó Masin, y un proveedor le ofrece a la empresa la oportunidad de lograr el mismo resultado por mucho menos, el ROI se vuelve más fácil de evaluar.

Desafortunadamente, no es tan sencillo. Masin explicó que el tiempo de resolución de las interacciones de atención al cliente varía.

«En realidad, existe una distribución de diferentes conversaciones; algunas son extremadamente fáciles, y una persona podría resolverlas en un minuto», explicó. «Y otras son extremadamente difíciles, y las personas dedican un promedio de 30 a 40 minutos a resolverlas. Y, obviamente, si se cobra solo $1 por resolución, no se tiene en cuenta».

Gradient Labs ha intentado capturar esa variación en su modelo de precios mediante precios escalonados. «En esencia, si se alcanza el 50% de resolución, se ofrece un precio», dijo Masin. «Si se alcanza el 70% de resolución, se ofrece un precio más alto. Porque cuanto más alto se llega, más complejas son las consultas que se automatizan y mayor es el valor por resolución que se aporta a la empresa».

Masin afirmó que su objetivo es cobrar aproximadamente el 30% de lo que costaría que una persona hiciera el trabajo, para que el cliente pueda ahorrar alrededor del 70%.

«En teoría, es una propuesta de valor obvia», afirmó. «Pero el problema surge si se automatiza solo el 50% de los tickets de soporte más fáciles y solo se ahorra el 20% del tiempo, entonces no es exactamente la misma ecuación. Así que quizás te paguen el 60%, pero se ahorran el 40%, o te paguen el 70% y se ahorran el 30%, debido a la asimetría entre los tickets más fáciles y los más difíciles».

Masin afirma que, sin personalización, el agente de Gradient Labs resuelve entre el 40% y el 60% de las consultas, lo que suele traducirse en un ahorro de costes de alrededor del 20%. «Esto es antes de integrar cualquier punto de datos o cualquier acción o herramienta que los agentes de IA puedan realizar en nombre del cliente», explicó.

Con una mayor integración de datos, se puede llegar al 80% o al 90%, explicó, señalando que el proceso suele tardar entre tres y cinco meses en completarse. Un estudio de caso de Sling Money afirma una tasa de resolución del 78% tras la optimización.

Además, Masin afirma que, en el caso de los últimos cinco clientes de tecnología financiera de su empresa, las implementaciones de agentes de IA obtuvieron una mejor puntuación de satisfacción del cliente que los equipos internos de atención al cliente de esas empresas.

Una clave para alcanzar altos niveles de satisfacción, explicó, es que la IA transfiere rápidamente la tarea a un humano si tiene alguna duda, en lugar de hacerles perder el tiempo haciendo preguntas y buscando aclaraciones.

«La mitad de nuestros clientes revelan que se trata de una IA y la otra mitad, no», afirmó Masin. «Entre las empresas que no lo revelan, los clientes ni siquiera se dieron cuenta de que estaban hablando con una IA».

Sin embargo, Masin admite que los agentes de IA no son una solución universal. En referencia a los agentes de ventas y marketing, comentó: «Siempre que pruebo algunos, en la mayoría de los casos son inútiles. Simplemente producen algo de gran valor y resuelven un problema específico».