¿Cómo mido el ROI del soporte con IA?
Kurnia Kharisma Agung Samiadjie
Katelin Teen
Última edición June 21, 2026
Resumen
Para medir el ROI del soporte con IA, asigna una cifra en dólares a lo que la IA recupera cada mes y réstale lo que te cuesta. Valor recuperado = tickets que resuelve completamente + horas de agente que devuelve + cobertura fuera de horario que ya no necesitas cubrir. Resta el coste de la IA y la configuración, y lo que queda es tu retorno.
La trampa está en medir las cosas equivocadas. La tasa de deflección por sí sola queda muy bien en una demo y no demuestra casi nada sobre el dinero. Las métricas que realmente mueven el presupuesto son la tasa de resolución completa, el coste por ticket resuelto y el tiempo de primera respuesta, con el CSAT como salvaguarda que mantiene honesta la cifra de deflección.
Y la razón más común por la que los números de ROI salen mal: ninguna referencia. Si no registraste tus números de antes, los de después no tienen nada contra lo que compararse. La solución es capturar primero la referencia y luego simular la IA con tus propios tickets históricos para que la previsión se base en tu volumen real, no en la diapositiva de un proveedor.
Comienza por lo que el ROI realmente significa aquí
He pasado casi tres años viendo cómo los equipos de soporte intentan poner un número a la IA, y la conversación casi siempre empieza en el lugar equivocado. La gente busca "¿cuántos tickets deflectó?" porque es el número que el panel muestra primero. Pero la deflección es una métrica de actividad, no de valor. Finance no aprueba renovaciones basándose en actividad.
La versión honesta de la pregunta es: por cada dólar que invierto en esta IA, ¿cuántos dólares vuelven? Eso lo reencuadra todo. No estás midiendo qué tan ocupada está la IA. Estás midiendo la brecha entre el valor que recupera y lo que cuesta operarla.
Así es como se ve.
El "valor recuperado" tiene tres partes, y la mayoría de los equipos solo cuenta la primera:
- Tickets resueltos completamente. La IA gestionó toda la conversación, ningún humano la tocó. Multiplícalos por tu coste total por ticket.
- Horas de agente devueltas. Incluso en los tickets que cierra un humano, un copiloto de IA que redacta la respuesta o prioriza la cola ahorra minutos por ticket. Esos minutos son dinero real en miles de tickets.
- Cobertura fuera de horario y en picos. El trabajo que la IA absorbe a las 2 de la madrugada, o durante un pico del Black Friday, que de otro modo pagarías en horas extra o personal temporal, o simplemente dejarías caer.
Si omites el segundo y el tercero, estarás subestimando en gran medida tu propio ROI. La otra cara, a la que volveré, es que es igual de fácil sobreestimarlo contando los cierres automáticos de spam y las respuestas de "no sé" como victorias.
Las métricas que realmente lo demuestran
Si la fórmula es el destino, las métricas son el camino. Necesitas un conjunto pequeño y honesto, no un panel de 40 filas que nadie lee. Tras suficientes implantaciones, esta es la lista corta a la que siempre vuelvo.
Tasa de deflección. La proporción del volumen entrante que la IA gestiona sin intervención humana. Útil, pero el número más abusado de la categoría, porque es trivial inflarlo (más sobre esto a continuación). Síguelo, pero nunca dejes que viaje solo.
Tasa de resolución completa. La proporción de tickets que la IA realmente cerró con el cliente satisfecho, no solo respondió. Esta es la que se mapea claramente con el coste ahorrado. La brecha entre deflección y resolución completa es normalmente donde vive la verdad.
Coste por ticket resuelto. Tu gasto total en IA dividido entre los tickets que resolvió completamente, junto a tu coste humano por ticket. Esta es la línea que un CFO lee primero. Nuestra comparativa de coste de agente IA vs. agente humano profundiza en el lado humano de esa relación, y la comparativa offshore cubre la alternativa de mano de obra más barata que la mayoría de los equipos evalúan.
Tiempo de primera respuesta. La IA responde en segundos, así que esto suele caer en picado. Es el resultado más fácil de mostrar a los stakeholders y está directamente vinculado al rendimiento del SLA.
Luego la salvaguarda: CSAT. Esta es la única métrica que puede invalidar todas las demás. Una tasa de deflección del 70 % con CSAT en caída no es un 70 % de deflección, es una medida de cuántos clientes se rindieron. Un operador lo expresó perfectamente durante una llamada:
"La IA nunca podrá responder el 100 % de las preguntas, pero si lo intenta y simplemente responde 'lo siento, no sé esto', no puedo revisar los 7.000 tickets para ver si la IA realmente dio una buena respuesta: entonces el punto se pierde un poco. Necesito una IA que solo gestione los tickets que está segura de manejar y que deje solos todos los demás."
Es un responsable de CX en una marca directa al consumidor que gestiona unos 7.000 tickets al mes, y describe exactamente por qué el CSAT y la resolución completa están por encima de la deflección bruta. Una IA que responde con seguridad a todo, incluido lo que debería escalar, arruinará ambos. Si quieres el menú completo de lo que hay que vigilar, nuestras guías de métricas de atención al cliente con IA y métricas de rendimiento de IA van más a fondo que esta lista corta.
Un ejemplo calculado que puedes copiar
Los ratios abstractos no consiguen que se aprueben presupuestos. Un número calculado sí. Así que trabajemos con un equipo que gestiona 1.000 tickets al mes, un volumen de mercado medio habitual.
Supongamos que la IA resuelve completamente el 73 % del volumen de nivel 1 en su primer mes. No es un techo hipotético: una app de análisis de conductores de economía colaborativa que funciona en Zendesk lo logró exactamente en una prueba de 7 días y lo mantuvo. Así que 730 tickets gestionados de principio a fin y 270 enrutados a humanos.
Ahora los dos lados del libro de cuentas:
| Concepto | Solo humanos | Con IA |
|---|---|---|
| Tickets / mes | 1.000 | 1.000 |
| Resueltos por IA | 0 | 730 |
| Gestionados por humanos | 1.000 | 270 |
| Coste humano aprox. / ticket | 5,00 $ | 5,00 $ |
| Coste IA / ticket resuelto | - | ~0,40 $ |
| Coste mensual de gestión humana | 5.000 $ | 1.350 $ |
| Coste mensual de IA | - | ~292 $ |
| Coste mensual total | 5.000 $ | ~1.642 $ |
Eso es solo el lado de la deflección, y ya muestra un ahorro mensual significativo. La cifra por ticket importa aquí: los modelos de pago por uso y por ticket mantienen este número bajo y predecible, mientras que los precios por resolución te cobran más exactamente en los meses en que la IA funciona mejor y durante los picos estacionales que no puedes controlar. (Los precios de eesel son de pago por uso por tarea sin cuota de plataforma, lo que hace que la factura de noviembre se parezca a la de marzo.)
Ahora añade las partes que la mayoría de los equipos olvida: los 270 tickets humanos se gestionan más rápido porque la IA los redacta y prioriza, así que tus agentes tardan menos tiempo. Y el volumen fuera de horario que ahora cubre la IA es volumen por el que no pagas horas extra. Esas dos líneas suelen valer tanto como el ahorro de deflección bruto. Esa es la diferencia entre un caso de ROI sólido y uno débil.
La trampa de la referencia y otras formas en que el número miente
Este es el modo de fallo que veo con más frecuencia, y no tiene nada que ver con la calidad de la IA. Los equipos lanzan, ven cómo sube el número de deflección, se sienten bien y luego no pueden responder a la única pregunta que hace Finance: "¿Comparado con qué?" Nadie escribió los números de antes.
No puedes calcular el retorno sin una referencia. Antes de encender nada, registra tu coste actual por ticket, el tiempo medio de primera respuesta, la tasa de resolución y el CSAT durante al menos un mes representativo. Ese es tu "antes". Todo lo que midas después solo es significativo en comparación con eso. Un análisis de tickets de soporte de tus últimos meses es la hora más barata que invertirás en todo el proyecto.
Otras formas en que el número miente silenciosamente:
- Contar el spam como deflección. Si el 20 % de tu bandeja de entrada es spam y la IA lo "deflecta" cerrándolo automáticamente, eso es higiene, no valor. En una prueba real, el spam era el 22 % de la bandeja de entrada. Descuéntalo antes de celebrar el porcentaje.
- Contar "no sé" como resolución. Una respuesta no es una resolución. Si la IA responde pero el cliente sigue escalando, ese ticket te costó más, no menos. Por eso la tasa de resolución completa supera a la tasa de respuesta.
- Ignorar el camino de escalada. Los tickets que la IA transfiere deben llegar rápidamente al humano correcto. Si la escalada es caótica, pierdes el ahorro de tiempo que contabilizaste en el lado de los tickets resueltos.
- Olvidar el mantenimiento del conocimiento. El ROI decae si la base de conocimientos queda obsoleta. Presupuesta un poco de tiempo continuo para mantener las respuestas actualizadas y cuéntalo en el lado de los costes.
Ninguna de estas es razón para desconfiar del soporte con IA. Son razones para medirlo como un operador, no como un marketero.
Cómo hacer que el ROI sea medible desde el primer día
La forma más limpia de evitar la trampa de la referencia es hacer una previsión antes del lanzamiento y luego hacer seguimiento contra esa previsión con informes reales. Esta es la parte en la que mencionaré lo que hemos construido, porque está diseñado exactamente para este problema.
eesel ejecuta una simulación sobre tus tickets pasados reales antes de que nada salga en directo. En lugar de adivinar una tasa de deflección a partir de una diapositiva de un proveedor, obtienes una previsión basada en tu propio volumen histórico: cuántos tickets habría resuelto, dónde habría escalado y qué significa eso en coste. Lo hacemos porque hemos visto cómo bots de apariencia segura daban silenciosamente respuestas incorrectas, y la única forma honesta de saber cómo se comportará una IA en tu cola es ejecutarla contra tu cola.
Una vez en directo, el panel de informes hace seguimiento de las mismas métricas que defiende esta publicación: tasa de resolución, deflección y dónde los clientes siguen escalando, para que puedas ver cómo se acumula el ROI en lugar de inferirlo en la renovación. Se integra en plataformas de soporte como Zendesk y el resto de tu stack en minutos, se entrena con tu base de conocimientos y tickets pasados, y te permite empezar en modo copiloto (redactando para agentes) antes de darle la resolución completa. Esa rampa gradual es en sí misma una táctica de ROI: acumulas los ahorros de productividad de los agentes mientras construyes confianza hacia la automatización completa.
Prueba eesel
Si estás intentando medir el ROI del soporte con IA, lo más difícil es conseguir un número honesto antes de gastar dinero real. La simulación de eesel te da exactamente eso: ejecuta un agente de IA contra tus propios tickets pasados y muestra la previsión de deflección y costes de antemano, para que el caso de negocio se construya sobre tus datos, no sobre un benchmark genérico. Puedes entrenarlo en tu base de conocimientos en minutos, ver las métricas de resolución en el panel de informes y mantener la factura predecible con precios de pago por uso. Es gratuito probarlo, y la simulación sola normalmente responde a la pregunta de ROI más rápido que una hoja de cálculo.
