Freshworks afirma que Freddy AI Agent resuelve hasta el 80% de las consultas de los clientes. Una de las empresas destacadas en sus casos de estudio, Total Expert, reporta una tasa de desvío de aproximadamente el 23%. Otra, UPayments, reporta más del 75%. Mismo producto. Misma afirmación de marketing. Resultados completamente distintos.
La diferencia no está en la IA, sino en la implementación. Hemos dedicado tiempo a revisar la documentación oficial de Freshdesk, las guías de implementación de la comunidad de Freshworks y las reseñas de G2 de equipos reales que ejecutan Freddy AI a gran escala. La diferencia entre una implementación que alcanza más del 70% de resolución y otra que se estanca en el 25% se reduce a unos siete factores, y el más importante de todos no tiene nada que ver con la configuración de la IA en sí.
Arregla tu base de conocimiento antes de tocar la configuración de la IA
Esto no es un consejo blando: es el hallazgo más documentado de forma consistente en la documentación oficial de Freshdesk, la comunidad de Freshworks y las reseñas independientes.
"Freddy AI aprende a través de los artículos de la base de conocimiento en lugar de un reentrenamiento tradicional. Cada nuevo par de preguntas y respuestas, y cada nuevo artículo, mejora significativamente la precisión de las respuestas."
Los equipos que implementan Freddy AI con una base de conocimiento escasa u obsoleta casi siempre culpan a la IA de los malos resultados. El verdadero punto de fallo es el contenido que se le dio a la IA para trabajar. Si estás viendo un 25% de desvío cuando esperabas un 60%, la primera pregunta de diagnóstico es: ¿qué tan completa y actualizada está tu base de conocimiento?
En la práctica, escribir para una IA es distinto a escribir para personas. Algunos principios que los profesionales citan de forma constante como los de mayor impacto:
- Un tema por artículo. Los artículos que cubren varias funciones o procesos confunden la detección de la intención. Si un artículo responde a «¿cómo cancelo?» y también cubre «¿cómo hago un downgrade?», divídelo.
- Empieza con la respuesta. Los preámbulos largos («¡Buena pregunta! En cuanto a la gestión de suscripciones...») retrasan la información que la IA necesita para fundamentar su respuesta. Pon la respuesta primero.
- Evita respuestas escuetas de sí/no. La IA rinde mejor cuando las respuestas incluyen contexto. «Sí, puedes hacer downgrade a mitad del ciclo de facturación. El cambio se aplica al inicio del siguiente ciclo y la diferencia prorrateada se abona en tu cuenta» es más útil que un simple «Sí».
- Mantén el lenguaje directo y específico. Las expresiones vagas («los precios varían») no le dan a la IA nada con qué trabajar. Las cifras y políticas exactas sí.
El AI Agent Studio de Freshdesk muestra, tras el lanzamiento, un registro de consultas sin responder: cada consulta a la que el agente no pudo dar respuesta. Piensa en ese registro como tu hoja de ruta para la base de conocimiento. Las implementaciones más saludables lo tratan como una tarea semanal.
Entiende los límites de las fuentes de conocimiento
El AI Agent de Freshdesk puede incorporar conocimiento desde cuatro tipos de fuentes, cada una con restricciones que conviene conocer antes de empezar:
| Tipo de fuente | Límite por agente | Límite por cuenta | Restricciones clave |
|---|---|---|---|
| URLs | 10 | 25 (total en todos los agentes) | Solo páginas públicas; sin autenticación, CAPTCHA ni JS dinámico |
| Archivos | 200 | - | PDF, DOCX, TXT; máximo 35 MB cada uno; sin imágenes ni vídeo |
| Artículos de soluciones | Ilimitado | - | Activa "Aprender de los artículos de soluciones" |
| Preguntas y respuestas personalizadas | Ilimitado | - | Ideal para escenarios específicos y concretos |
El límite de 25 URL por cuenta sorprende a muchos equipos, especialmente a los que gestionan varias marcas o una biblioteca de contenido grande. Si lo alcanzas, la solución práctica es convertir el contenido más importante de las URL en documentos subidos.
Hay un detalle operativo a tener en cuenta: la ingesta de URL es asíncrona. Recibirás un correo cuando termine de procesarse una URL, lo que puede tardar hasta 30 minutos. Las páginas con ventanas emergentes, muros de inicio de sesión o CAPTCHA fallan en silencio: el agente simplemente carece de ese conocimiento, sin mostrar ningún error. Revisa siempre la «vista previa del contenido extraído» después de añadir una URL para confirmar que se incorporó correctamente.
Escribe Instructions precisas, sobre todo lo que NO hay que hacer
Instructions es el campo de AI Agent Studio donde añades contexto de negocio: terminología del sector, tono de marca, temas restringidos y disparadores explícitos de escalado. La mayoría de los equipos lo aprovechan poco.
Las Instructions genéricas («sé amable y profesional») casi no sirven de nada. Los agentes que rinden bien tienen Instructions que le dicen al bot exactamente qué evitar y cuándo transferir la conversación. Algunos ejemplos de profesionales que producen mejoras medibles:
- Escalar de inmediato ante: disputas legales, reversiones de facturación superiores a [X], solicitudes que mencionen «abogado» o «demanda»
- Nunca citar precios concretos ni condiciones promocionales: dirigir al cliente a la página de precios
- Evitar la jerga específica de nuestros sistemas internos (enumerar aquí los términos internos)
- Si el cliente expresa frustración tres veces seguidas, activar la transferencia a un humano sin importar la puntuación de confianza
Cuanto más específica sea la restricción, más predecible será el comportamiento del agente. Las indicaciones genéricas producen resultados inconsistentes; las reglas explícitas producen un comportamiento fiable.
Una nota sobre la variabilidad de las respuestas del LLM: Freddy AI, como cualquier modelo de lenguaje de gran tamaño, puede dar respuestas ligeramente distintas a la misma consulta. Esto es normal, no una mala configuración. Cuando veas inconsistencias, la solución correcta es ajustar las Instructions correspondientes o actualizar el artículo de conocimiento, no perseguir una consistencia perfecta del propio modelo.
Diseña el escalado antes de lanzar
Cómo transfiere tu agente las conversaciones a los agentes humanos es tan importante como cómo las resuelve, o quizá más. Un escalado fluido, con todo el contexto transferido, es una gran experiencia de cliente. Un callejón sin salida con un «no puedo ayudarte con eso» seguido de tener que empezar de nuevo con una persona es una experiencia frustrante.
Tres cosas que hay que hacer bien antes del lanzamiento:
1. Define condiciones de transferencia explícitas. Configura disparadores concretos: sentimiento negativo detectado, segmento de cliente VIP, disputa de facturación, puntuación de confianza por debajo del umbral, solicitud fuera de horario. No confíes en que el agente «se dé cuenta» de cuándo escalar.
2. Escribe un mensaje de transferencia útil. «Te estoy conectando con un especialista de soporte que puede ayudarte más. Estoy compartiendo nuestra conversación para que no tengas que repetir nada.» Con eso basta. Define la expectativa, no te expliques de más.
3. Asegúrate de que el contexto se transfiera por completo. AI Agent Studio debe registrar la intención del cliente, el estado de la cuenta y un resumen de la conversación en el ticket antes de escalar. Un agente humano que tiene que preguntar «¿de qué se trata esto?» tras una transferencia de la IA duplica la frustración del cliente. Esta «tasa de pérdida de contexto» -el porcentaje de escalados en los que el humano tiene que pedirle al cliente que repita su problema- merece un seguimiento explícito. Objetivo: por debajo del 5%.
La limitación de los hilos de correo. Esta es la sorpresa de producción menos obvia, y afecta a los equipos que dependen del correo electrónico como canal principal: el Email AI Agent de Freddy AI solo responde al primer mensaje de un hilo. Las respuestas posteriores dentro del mismo hilo de correo no reciben respuesta de la IA: van directamente a los agentes humanos. Si la mayor parte de tu volumen de soporte son hilos de correo con múltiples respuestas, tu tasa real de automatización con IA será notablemente más baja de lo que sugieren tus métricas de sesiones. Ten esto en cuenta antes de prometerle a las partes interesadas una cifra de desvío.
Empieza con Copilot y luego amplía a Agent
Esta es la secuencia de implementación que los profesionales recomiendan de forma más constante, y va en contra del instinto de desplegar primero lo más vistoso.
"La mayoría de los equipos empiezan con AI Copilot porque ayuda de inmediato a los agentes existentes, y añaden AI Agent una vez que se sienten cómodos."
La lógica es la siguiente: Freddy AI Copilot, que ofrece a tus agentes humanos sugerencias de respuesta, resúmenes de conversación, traducciones en vivo y alertas de sentimiento, aporta un valor inmediato y de bajo riesgo. Angela Thomas, directora de atención al cliente en una empresa cliente de Freshdesk, lo encontró tan útil que cambió la forma en que su equipo redacta las respuestas estándar. Y, algo fundamental: Copilot detecta los vacíos en tu base de conocimiento sin que los clientes lleguen a ver nunca un fallo de la IA.
Una vez que has usado Copilot durante cuatro o seis semanas y has cubierto los vacíos que detecta, desplegar el AI Agent completo es una apuesta mucho más segura. Ya has visto qué temas maneja la IA con confianza y cuáles necesitan más contenido.
El despliegue por fases recomendado es el siguiente:
| Fase | Qué desplegar | Objetivo | Señal de éxito |
|---|---|---|---|
| 1 | Solo AI Copilot | Detectar vacíos en la base de conocimiento; familiarizar al equipo | Los agentes usan las sugerencias de respuesta a diario |
| 2 | AI Agent en un canal (chat web) | Validar la calidad de resolución con bajo riesgo | CSAT estable o en mejora respecto a la línea base |
| 3 | Añadir un flujo de trabajo de alto volumen (estado de pedido, restablecimiento de contraseña) | Aumentar la profundidad de la automatización | Tasa de escalado por debajo del 30% para ese flujo |
| 4 | Ampliar a canales adicionales | Escalar el rendimiento demostrado | La tasa de resolución por canal cumple los objetivos |
Cada ampliación de fase debería activarse por datos reales de la fase anterior, no por una fecha del calendario.
Mide la tasa de resolución, no solo la tasa de desvío
La mayoría de los equipos siguen la tasa de desvío y la tratan como una señal de éxito. No lo es. El desvío cuenta cuántas consultas nunca llegaron a una persona, incluidas las consultas en las que el cliente se rindió, recibió una respuesta equivocada o simplemente abandonó la conversación. Un desvío alto con un CSAT bajo es peor que no tener IA en absoluto: erosiona la confianza más rápido.
El enfoque de medición que usan las implementaciones de Freshdesk más avanzadas:
| Métrica | Qué mide | Objetivo |
|---|---|---|
| Tasa de resolución | % de conversaciones de IA resueltas por completo sin ayuda humana | 55-70% en implementaciones maduras; 80%+ en las mejores |
| Tasa de desvío | % de consultas que nunca llegaron a una persona | 41,2% mediana del sector; 58,7% cuartil superior |
| Variación de CSAT | Cambio de CSAT frente a la línea base previa a la IA | Estable o en mejora |
| Tasa de reapertura | Tickets "resueltos" en los que el cliente vuelve a contactar en 48 h | Por debajo del 8% |
| Pérdida de contexto en el escalado | Escalados en los que el humano debe pedirle al cliente que se repita | Por debajo del 5% |
| Tasa de alucinación | Respuestas de la IA con información inventada | Por debajo del 1% |
La tasa de alucinación merece más atención de la que la mayoría de los equipos le presta. Cualquier respuesta de la IA que toque plazos de reembolso, precios, condiciones de garantía o compromisos de SLA supone un riesgo de cumplimiento si es incorrecta. Revisa una muestra de tickets resueltos por IA durante tus primeras cuatro semanas. Si encuentras detalles de política inventados, ajusta las Instructions correspondientes o añade un lenguaje de respaldo explícito («Para conocer el precio exacto, consulta nuestra página de precios»).
La brecha de referencia que conviene entender: la mediana de desvío del sector en 2026 es del 41,2%, con el cuartil superior en el 58,7%. Si estás en el 40%, no estás por debajo de lo esperado: es posible que estés exactamente donde debería estar una implementación madura. El contexto importa.
Establece tu línea base antes de lanzar. Recoge 90 días de volumen de tickets por categoría, tiempo de primera respuesta, tiempo de resolución y CSAT. Sin una línea base previa a la implementación, no puedes demostrar el retorno de la inversión ni detectar retrocesos.
Conoce los límites operativos antes de estar en producción
Algunas limitaciones de la plataforma que conviene conocer antes de que se conviertan en incidentes de producción:
Agotamiento de sesiones. Cuando la cuota de sesiones de la cuenta llega a cero, el agente de IA deja de responder a todas las consultas hasta que se recompran sesiones. No es una degradación gradual: es una parada total. Activa la función de recarga automática (se activa cuando las sesiones bajan a 50) para cualquier implementación de la que dependan los clientes. Y no lo olvides: las pruebas de vista previa consumen sesiones reales, así que presupuesta tus fases de prueba por separado.
La ingesta de URL y el fallo silencioso. Las páginas con CAPTCHA, ventanas emergentes, muros de inicio de sesión o mucho JavaScript no se ingieren y no muestran un mensaje de error claro. El agente simplemente carece de ese conocimiento. Después de añadir cualquier URL, revisa la vista previa del contenido extraído. Para cualquier URL que falle, sube una versión en PDF o DOCX del contenido como respaldo.
El límite de 25 URL por cuenta. Se aplica a todos los agentes de la cuenta. Si gestionas varios agentes (distintas marcas, distintas regiones), comparten este límite conjunto. Convierte el contenido importante de las URL en archivos subidos cuando te acerques al límite.
Configuraciones multimarca. Un agente por marca, no un solo agente intentando abarcar varias marcas. La gestión del conocimiento, las pruebas y el seguimiento del rendimiento son mucho más claros cuando cada marca tiene su propio agente.
AI Insights solo está en inglés. Los análisis multilingües están en la hoja de ruta. Si gestionas una implementación multilingüe, por ahora tendrás que seguir el rendimiento del agente en idiomas distintos del inglés mediante los informes estándar de Freshdesk.
| Limitación | Impacto | Solución alternativa |
|---|---|---|
| IA de correo: solo el primer mensaje | Los hilos de correo con múltiples respuestas no se gestionan | Tenerlo en cuenta en las estimaciones de desvío por correo; considerar una capa de IA complementaria |
| Límite de 25 URL por cuenta | Restrictivo para bibliotecas de contenido grandes | Convertir las URL importantes en archivos subidos |
| Agotamiento de sesiones = parada total | La IA deja de responder por completo | Activar la recarga automática en el umbral de 50 sesiones |
| Fallo silencioso en la ingesta de URL | Vacíos de conocimiento sin aviso | Revisar la vista previa del contenido extraído tras cada URL añadida |
| AI Insights solo en inglés | Sin análisis para implementaciones multilingües | Usar los informes estándar de Freshdesk para el volumen en otros idiomas |
Prueba eesel AI con Freshdesk
Si notas que las capacidades nativas de Freddy AI -en particular el límite de 25 URL, la limitación de los hilos de correo o el modelo de precios por sesión- no encajan del todo con tu volumen de soporte o tu flujo de trabajo, eesel AI se integra directamente con Freshdesk como una capa que funciona junto a tu configuración actual.
Design.com gestiona más de 50.000 tickets al mes en Freshdesk usando la configuración multiagente de eesel AI. El modelo es distinto: pagas 0,40 dólares por ticket resuelto en lugar de por sesión, no hay cuotas por asiento, y la entrada de conocimiento no está limitada a 25 URL: eesel incorpora contenido de Zendesk, Google Docs, Notion, Confluence, Slack y tu centro de ayuda actual, todo a la vez. El modo borrador (una persona revisa antes de enviar) y el modo autónomo (envía directamente los tickets de alta confianza) te permiten ajustar entre la automatización total y la IA supervisada según la categoría del ticket.
Hay una prueba gratuita de 50 dólares -sin tarjeta de crédito- si quieres probarlo con tickets reales antes de comprometerte.
