En un plazo de 60 días, Gartner publicó 2 predicciones que cualquier líder de CX que esté dimensionando su inversión en IA para los próximos 24 meses debería leer en paralelo.
El 26 de enero, la firma pronosticó que el costo por resolución de la IA generativa en atención al cliente superará los 3 USD en 2030, más que muchos agentes humanos offshore de B2C. El 31 de marzo, pronosticó que más de la mitad de las organizaciones de atención al cliente duplicarán su inversión en tecnología para 2028 sin una reducción equivalente de plantilla.
Leídas en conjunto, estas previsiones describen una economía de CX en la que la curva de gasto sube, la de plantilla se mantiene prácticamente plana y el costo por resolución con IA se acerca a la línea del agente offshore que supuestamente iba a abaratar. La idea de que la IA hace más barata la atención al cliente, la premisa que sustenta la mayoría de los presupuestos de software de CX desde 2023, ya no se sostiene con claridad.
Gartner señala 2 variables detrás de esta tendencia: el talento y la complejidad de las herramientas. Ambas son reales, pero hay una tercera variable por debajo, y es la que la mayoría de los equipos no está midiendo. Esa variable es la resolución: en concreto, la brecha entre lo que la IA gestiona y lo que la IA realmente resuelve. Es lo que determina si cada nuevo dólar invertido en tecnología de CX genera un resultado o solo una transacción.
La brecha de resolución, en dólares
La mayoría de los paneles de CX muestran la "tasa de automatización" o la "tasa de deflexión" como cifra principal. Llega un ticket, la IA responde, la conversación termina sin intervención de un agente y la plataforma marca el ticket como gestionado. El indicador sube.
Lo que el panel no siempre muestra es si el problema del cliente se resolvió de verdad. Esa es la brecha de resolución: el espacio entre las interacciones que la IA toca y los problemas que la IA soluciona.
Cuando la brecha es amplia, el volumen no desaparece. Vuelve a entrar al sistema de 3 formas:
- Como recontactos, cuando el cliente vuelve por el mismo canal porque su problema persiste
- Como escalamiento entre canales, cuando el cliente prueba el chat, se rinde, llama y llega a una persona que empieza desde cero
- Como abandono, cuando el cliente concluye que la empresa no puede ayudarle y deja de intentarlo
Cada uno de esos resultados tiene un costo que el panel de deflexión no recoge. La muestra de McKinsey AI in Customer Service 2026 pone la economía unitaria en evidencia: una resolución gestionada por IA cuesta unos 0,62 USD, frente a 7,40 USD si la gestiona una persona (citado en la recopilación de benchmarks 2026 de Digital Applied). Pero esa cuenta solo funciona con la cifra de resolución, no con la de deflexión. Cada interacción registrada como deflectada que luego vuelve como escalamiento gestionado por una persona supone 2 facturas: una por la licencia de IA y otra por el agente que retoma el hilo perdido. Cuando la brecha es amplia, esa cuenta se multiplica, y la curva de gasto que Gartner prevé hasta 2028 es cómo se ve a escala.
Por eso el costo por resolución es el indicador que importa al comparar la economía de la IA con la referencia humana, no el costo por interacción ni la tasa de deflexión. La previsión de Gartner de 3 USD por resolución en 2030 mide lo que cuesta la IA cuando realmente resuelve el problema, no lo que cuesta cuando gestiona un mensaje.
Qué está pasando realmente dentro de la curva de gasto
La encuesta de Gartner de octubre de 2025 a 321 líderes de atención al cliente reveló que solo el 20 % de las organizaciones había reducido su plantilla de agentes gracias a la IA. El 80 % restante paga la IA y paga a los agentes.
No es un estado transitorio hacia costos más bajos. Es el resultado estructural de cómo se está implementando la IA en la mayoría de las áreas de CX. Como señaló CXOVoice, los costos de atención al cliente suben porque la IA añade capas en lugar de eliminarlas: el stack ahora incluye IA conversacional, enrutamiento, conocimiento, analítica, orquestación y supervisión, cada una con sus propios costos de licencia, implementación e integración.
Ninguna de esas capas sustituye a una existente. Lo que Gartner prevé hasta 2028 no es un costo puntual de migración, sino un cambio estructural de presupuestos de CX centrados en nómina a presupuestos centrados en software, con una base de costos total que sube en lugar de bajar.
Dentro de ese cambio, la brecha de resolución decide en qué lado del balance cae la inversión en IA. Cuando la IA resuelve el problema de principio a fin, la capa de software se gana su lugar: hace un trabajo que de otro modo requeriría a una persona y la economía unitaria cuadra. Cuando la IA deflecta sin resolver, la capa de software añade costo sin eliminar ninguno de los existentes, y el dólar que debía salir del presupuesto de agentes acaba financiando la IA además de ellos.
La cuenta que se multiplica
Toma un escenario típico: 10 000 tickets entrantes al mes, un panel del proveedor que reporta una tasa de automatización del 60 % y 6000 tickets marcados como "gestionados" sin intervención humana.
La auditoría que distingue la deflexión de la resolución confirmada suele arrojar otra cifra. La investigación del sector sobre implementaciones basadas en RAG constata sistemáticamente que entre el 15 % y el 25 % de los tickets "deflectados" contienen respuestas erróneas o incompletas. Si el 25 % de esos 6000 tickets deflectados vuelve a entrar al sistema en 72 horas (como recontactos, escalamientos o intentos por otros canales), entonces 1500 interacciones que parecían automatizadas no lo eran.
La tasa real de resolución autónoma sobre este volumen no es del 60 %. Es del 45 %. Y la brecha aparece en 3 partidas que la mayoría de los paneles de CX no están preparados para mostrar:
- La factura del proveedor de IA no cambia. La licencia se cobra por interacción, y la IA gestiona las interacciones.
- La carga de trabajo del equipo de agentes incluye esos 1500 tickets reingresados, a menudo sin contexto, porque el traspaso falla.
- La experiencia del cliente absorbe el costo de tener que pedir ayuda 2 veces. El proveedor cobra 6000 interacciones. Tú pagaste por 4500 resoluciones.
La brecha de resolución es lo que decide si la partida de IA sustituye a la gestión humana o se suma a ella. Cuando la brecha es pequeña, la inversión en IA compensa el gasto en agentes. Cuando es amplia, la inversión en IA se apila sobre el gasto en agentes, y esa es la curva que Gartner prevé hasta 2028.
La variable de arquitectura
La brecha de resolución no es un problema del modelo. Es un problema de arquitectura.
La mayoría de los agentes de IA en producción hoy pueden leer, pero no pueden actuar. Recuperan información de una base de conocimiento, resumen políticas y sugieren próximos pasos. Lo que en general no pueden hacer, sin una integración más profunda, es procesar el reembolso, actualizar la cuenta, modificar el pedido o cambiar la cita. La línea divisoria arquitectónica es el acceso de solo lectura frente al de lectura y escritura a los sistemas donde está el problema real del cliente.
Una IA de solo lectura tiene un límite estructural: la proporción de tickets que se pueden resolver mostrando información. En la mayoría de los programas de CX empresariales, eso es una franja de nivel 1 formada por restablecimientos de contraseña, consultas de estado de pedidos y preguntas sobre políticas: volumen real, pero con techo. Las quejas, excepciones, disputas de facturación y cambios de cuenta que generan los costos de soporte están al otro lado de la frontera de lectura y escritura.
Por eso conviene examinar con lupa las tasas de "automatización" superiores al 70 % en conjuntos amplios de consultas. Suelen reflejar una capa de triaje agresiva que excluye los casos difíciles antes de que lleguen a la IA, o una definición de resolución que cuenta conversaciones completadas sin confirmar el resultado. Las implementaciones en producción con integración de lectura y escritura con los sistemas backend suelen situarse en una franja de resolución confirmada del 70 % al 85 % en conjuntos amplios de consultas que incluyen tickets dependientes de políticas.
La decisión de arquitectura es lo que determina si cada nuevo dólar invertido en tecnología de CX cierra la brecha de resolución o la amplía. Solo lectura frente a lectura y escritura, capa superpuesta frente a sustitución completa, IA como capa encima frente a IA dentro del help desk: no son detalles de implementación. Son el multiplicador del gasto. El marco de evaluación de Maven analiza estas dimensiones con más detalle.
Cómo se ve en producción un enfoque centrado en la resolución
Las empresas que están cerrando la brecha de resolución comparten un rasgo arquitectónico: integración de lectura y escritura con los sistemas donde realmente están los problemas de los clientes. Los datos de producción que cierran la brecha son concretos:
- Mastermind alcanzó un 93 % de resolución autónoma en 6 semanas desde la implementación.
- Papaya Pay alcanzó un 90 % de resolución autónoma en 3 semanas.
- Clio pasó de un chatbot heredado a una resolución autónoma del 80 %, resolvió un 60 % más de tickets y redujo 4 veces el tiempo de respuesta del soporte en vivo.
- Rho mantuvo un CSAT del 95 % mientras gestionaba un 12 % más de contactos mensuales sin aumentar la plantilla.
Ese último dato merece una reflexión. El comunicado de Gartner del 31 de marzo predice que la duplicación de la inversión en tecnología de CX hasta 2028 no irá acompañada de una reducción de plantilla, y advierte que las empresas que recorten agentes para financiar la IA se arriesgan a interrupciones operativas, a una peor experiencia del cliente y a costosas marchas atrás. La previsión asume que la IA no resuelve lo suficiente por sí sola como para absorber un volumen creciente.
La cifra de Rho es la ilustración más clara de la cuenta de gasto centrada en la resolución en producción. El CSAT se mantuvo en el 95 %, el volumen de contactos creció un 12 % y el equipo no creció. Así se ve la capacidad de volumen cuando la tasa de resolución es real: más clientes atendidos, el mismo equipo y el CSAT intacto.
Esa es la versión de la cuenta de gasto en la que la partida de IA se gana su lugar. La inversión en tecnología sube, el gasto en agentes se mantiene, el volumen de clientes aumenta y la base de costos total baja por problema resuelto. Solo funciona cuando la cifra de resolución es lo bastante alta. Es decir, cuando la brecha entre deflexión y resolución es lo bastante pequeña para que el volumen gestionado por IA se convierta limpiamente en resultados de IA.
3 preguntas antes de duplicar el presupuesto
La previsión de gasto de Gartner para 2028 no tiene por qué cumplirse en todas las cuentas de resultados de CX. La variable que lo decide es la arquitectura y la economía de la capa de IA que se incorpora. 3 preguntas van más allá de las cifras destacadas con las que abrirá cualquier proveedor.
- ¿Puede la IA ejecutar acciones en los sistemas donde está el problema del cliente, o solo responder a partir de documentos? La línea entre solo lectura y lectura y escritura es la variable arquitectónica que limita qué parte de la base de costos de soporte puede abordar la IA. Una IA que muestra el estado del pedido es útil. Una IA que procesa la devolución, actualiza la cuenta y confirma el cambio es la que cierra la brecha de resolución.
- ¿Cuál es la tasa de recontacto a 72 horas en los tickets resueltos? Esta es la métrica de auditoría. Si el 25 % de los tickets "resueltos" genera un seguimiento en 3 días, la tasa de resolución efectiva es bastante inferior a la anunciada. Un proveedor seguro de la calidad de resolución de su IA publica esta cifra. Un proveedor que no la ha medido suele tener sus motivos.
- ¿Cuál es la tasa de resolución confirmada, y no la de deflexión? Una resolución confirmada solo cuenta los tickets en los que se resolvió el problema del cliente y el cliente no volvió. La deflexión cuenta cualquier ticket que la IA toca. Los proveedores que han medido ambas compartirán ambas. Los que no lo han hecho, o no quieren hacerlo, suelen optimizar la cifra que más les favorece.
Las 3 respuestas juntas determinan si cada nuevo dólar invertido en tecnología de CX compra resolución o compra actividad.
La variable que Gartner no mencionó
Las 2 previsiones de 2026 apuntan en la misma dirección. El gasto sube, el costo por resolución con IA se acerca al umbral humano y la plantilla se mantiene prácticamente plana. El efecto combinado es un aumento estructural de la base de costos de CX para la mitad de las organizaciones que duplicarán su inversión en tecnología hasta 2028.
Lo que las previsiones no dicen, porque miden la inversión en tecnología y no la arquitectura, es que la brecha de resolución es la variable que decide en qué mitad cae cada organización. Las empresas que tratan la resolución como la métrica de referencia, y diseñan su capa de IA para actuar en los sistemas donde realmente están los problemas de los clientes, no verán duplicarse la curva de gasto sin resultados. Las que tratan la resolución como sinónimo de deflexión gastarán más en 2026, 2027 y 2028, y resolverán más o menos lo mismo que en 2024.
El lenguaje del sector está cambiando para reflejarlo. La resolución autónoma se está convirtiendo en la métrica de referencia. La tasa de resolución va camino de sustituir a los antiguos indicadores de CX como principal medida de si la IA en soporte está funcionando. Los comentarios de proveedores y analistas convergen en la misma idea: en 2026, el panel con el que abre tu proveedor de IA es el que más debes cuestionar.
La curva de gasto que Gartner prevé para 2028 no es inevitable. Es la consecuencia de las decisiones de arquitectura que la mayoría de los equipos de CX están tomando ahora mismo.
Míralo con tus propias conversaciones.
Solicita una demo personalizada gratuita.
