Control de calidad con IA de Gladly: qué puntúa, qué se salta y cómo cubrir el hueco

Riellvriany Indriawan
Escrito por

Riellvriany Indriawan

Katelin Teen
Revisado por

Katelin Teen

Última edición 22 de noviembre de 2026

Verificado por expertos
Ilustración dibujada a mano de una responsable de un equipo de soporte sosteniendo una tablilla de puntuación junto a un portátil, con la respuesta de chat de un agente de IA pasando por una puerta de control, y el logo de Gladly en fondo oliva
TL;DR

Gladly sí tiene control de calidad con IA, pero apunta a la propia IA de Gladly, no a una scorecard para tu gente. Los quality checks filtran cada respuesta de Gladly AI antes de enviarla y entregan el chat a una persona si falla alguno, y Signals puntúa sesiones de IA de chat, SMS y correo según hasta cinco criterios que tú escribes. Las conversaciones de agentes humanos se puntúan en herramientas de partners como MaestroQA o Calabrio, y la documentación de Gladly no nombra ningún plan o precio para nada de esto. eesel no tiene una conexión integrada con Gladly, así que yo lo usaría como revisor a través de la API REST de Gladly (no lo he probado de principio a fin), o como la opción si usas Zendesk, Freshdesk o Gorgias.

Con la CLI de eesel, un agente de IA para programar puede subir tu rúbrica de QA y tus páginas de políticas, luego hacer preguntas de prueba y revisar las respuestas antes de que nada salga a producción. Una persona sigue teniendo que aprobar cualquier conexión a un helpdesk.

¿Tiene Gladly control de calidad con IA?

Sí, en tres capas, y lo que hay que notar es a quién mira cada capa. Yo trabajo en la cola de soporte en eesel, así que leo una herramienta de QA preguntando quién se puntúa y quién no. En Gladly, las capas nativas miran a la IA. Las personas están en un carril separado que Gladly entrega a partners, y ese es el hueco del que trata este artículo.

Mapa dibujado a mano con un carril superior para respuestas de Gladly AI que contiene quality checks antes de enviar, revisión con pulgar de sesiones y puntuación de tendencias de Signals, y un carril inferior para conversaciones de agentes humanos que contiene MaestroQA y Calabrio como herramientas de partners
Las propias herramientas de QA de Gladly están en el carril de la IA. Puntuar a los agentes humanos pasa por un partner.
CapaQué haceQuién la veLímite
Quality checksPrueba cada respuesta de IA antes de enviarlaLa configuran Admins y Team ManagersRevisa la respuesta, no da una puntuación
Review and InspectValoración con pulgar y notas, más una vista paso a paso de por qué respondió la IAAdmins y Team Managers, no los agentesSin datos antes del 24 de febrero de 2026
SignalsLa IA puntúa sesiones según tus criterios y agrega tendenciasAdmins, Team Managers, roles personalizados con View Gladly AISolo sesiones de IA de chat, SMS y correo
QA de partnerEvaluadores puntúan conversaciones y hacen coaching a agentesLos propios usuarios del partnerProveedor y contrato separados

La página de QA de Gladly describe el lado humano como "sync seamlessly with your QA tool", lo que dice que la scorecard vive fuera de Gladly. Si quieres la idea general primero, mi guía sobre IA para QA de soporte cubre lo que revisa un programa completo.

¿Qué detectan los quality checks de Gladly?

Detectan problemas de respuesta antes de que el cliente los vea, lo cual es un trabajo distinto a puntuar. Según el resumen de Gladly (actualizado el 21 de febrero de 2026), un cliente envía un mensaje, Gladly genera una respuesta, y la respuesta pasa por checks automatizados. Si aprueba, se envía. Si falla, Gladly la entrega a un agente en lugar de enviarla.

Los checks se dividen en tres categorías de cara al cliente:

CategoríaQué marcaEjemplo de fallo de la documentación de Gladly
Missing ActionAfirmaciones sobre acciones que Gladly no ejecutó o no puede ejecutar"Your order has been cancelled" cuando no se ejecutó ninguna cancelación
Missing InformationNo hay suficiente información para responder"Reach out to our customer service team" dentro de una conversación que ya es de servicio al cliente
Unverified InformationFechas, políticas, correos, teléfonos o URLs que no están en el contexto"Our return policy is 90 days" cuando la política real son 30

Por debajo, Gladly mezcla checks de LLM (Implied Mutation, Unfulfilled Action, Transfer Claim, Contact Us, Hallucination) con checks de código (Invalid Phrase, alucinación de correo y teléfono). Hallucination es el que yo vigilaría: divide la respuesta en frases y pregunta si cada afirmación de hecho está respaldada por resultados de acciones, resultados de búsqueda o contenido del Guide. Auto-Correction es un ajuste por defecto que elimina frases no respaldadas hasta un umbral configurado, corrige la gramática, repara URLs y vuelve a comprobar antes de entregar.

Revisión de conversación de Gladly mostrando un quality check marcado por falta de información, con la respuesta propuesta, la explicación y una entrega a un agente, tomado de la documentación de ayuda de Gladly
Un check fallido impide que la respuesta propuesta llegue al cliente y muestra por qué, según la documentación de quality checks de Gladly.

Esto se puede ajustar por Guide. Un Admin o Team Manager puede activar o desactivar checks individuales para un Guide, y el punto de partida recomendado por Gladly es concreto: para un Guide que responde desde fuentes de conocimiento, mantener Hallucination activo y desactivar Implied Mutation e Invalid Phrase, porque "may flag valid instructions and cause unnecessary handoffs". Eso te dice que el coste de un check estricto es una entrega, así que un ajuste ruidoso se traduce en trabajo extra para tus agentes. Lee mis notas sobre mejores prácticas de handoff si eso te importa.

¿Cómo revisas conversaciones de Gladly AI?

Las abres una a una, o extraes los informes agregados. En Review and Inspect (actualizado el 7 de noviembre de 2026), abres una sesión de IA, das un pulgar arriba o abajo con una nota, y haces clic en cualquier respuesta de IA para ver el Guide que siguió, las fuentes que consultó, los pasos que dio y el resultado de su quality check.

Resumen de Inspect de Gladly para un turno respondido, mostrando el agente, el Guide, las Sections, las fuentes de conocimiento y un quality check aprobado, tomado de la documentación de ayuda de Gladly
Inspect muestra por qué se escribió una respuesta. Este turno aprobó su quality check.

Cuatro detalles dan forma a cómo llevarías esto como rutina de QA:

  • Es para managers. Review and Inspect son visibles para Admins y Team Managers, no para agentes, e Inspect no está disponible para conversaciones anteriores al 24 de febrero de 2026.
  • Las valoraciones son un diario. Gladly dice que la página de Reviews "is an internal tool for your team, it is not sent to or acted on by Gladly". Las valoraciones no reentrenan nada por sí solas.
  • Puedes exportarlas. El Feedback Report da una fila por review con el comentario, el ID de sesión y el enlace a la conversación, como CSV.
  • Hay un panel de resultados. Improvement Opportunities sigue las tasas de respuesta, resolución, handoff y recontacto a 24 horas, y clasifica motivos de handoff como QC Failure, Transfer Detector y Hallucinated Argument.

Gladly también tiene un Simulator para probar antes de lanzar. Escribes un escenario con criterios de éxito de sí o no, y cada criterio debe aprobar para que la prueba apruebe. Está en Early Access, así que contactas con el soporte de Gladly para saber más. Para el método general, mira pruebas de simulación de soporte con IA.

¿Qué puede puntuar Gladly Signals?

Signals es lo más parecido que tiene Gladly a puntuación automatizada, y es útil con límites claros. Según la documentación de Gladly (actualizada el 20 de noviembre de 2026), "uses AI to evaluate AI-handled Sessions against criteria you define", y luego agrega los resultados en tendencias. Construyes un Signal con uno a cinco criterios, cada uno con dos a cinco labels (hasta 30 caracteres cada uno), y opcionalmente marcas un label como Goal o Risk.

Resumen de Gladly Signals para un criterio de conversación respetuosa mostrando una tasa media de 40,8 por ciento "highly respectful" en 149 sesiones y un gráfico de líneas de resultados por ejecución, tomado de la documentación de ayuda de Gladly
La pestaña Overview de un Signal, con una tasa para el label de Goal y un recuento de sesiones por ejecución, de la documentación de review de Gladly.

Tú eliges cómo funciona:

  • Muestreo. La tasa es del 5%, 20% (la opción por defecto), 50% o 100%, con 100, 1.000 o 10.000 sesiones por ejecución.
  • Programación. Puntual, o continua a diario o semanal. No hay opción mensual, y Gladly dice que Signals se ejecuta a demanda o programado, no en vivo.
  • Revisión. Cada sesión evaluada lleva el label de la IA, su razonamiento y una cita de apoyo. Tú apruebas o marcas cada una, y una tarjeta de tasa de acuerdo muestra con qué frecuencia tu revisión coincidió con la de la IA.

El consejo de Gladly es la parte que yo copiaría. Prefiere menos labels, ya que "Binary (Yes/No) or a short list of named categories" produce resultados más consistentes que una lista más larga, y nunca uses una escala del 1 al 5. Empieza con menos de 50 sesiones antes de escalar. Gladly mantiene sus propios criterios integrados en una barra de ">90% accuracy" y dice que deberías fijar la tuya.

Gráfico dibujado a mano con lo que lee Signals: sesiones de IA de chat, SMS y correo, la transcripción del mensaje y uno a cinco criterios, y lo que se salta Signals: conversaciones de agentes humanos, llamadas a herramientas y resultados de API, y llamadas de voz
Qué puede y no puede leer un Signal, según la documentación de Gladly.

Dos límites importan más para una responsable de QA. Primero, las buenas prácticas de Signals dicen que "only reads the Conversation transcript", así que no puede ver llamadas a herramientas ni respuestas de API, y "conversations led by human Agents aren't included yet". El propio ejemplo de Gladly: no puedes preguntar si la IA realizó con éxito una cancelación, solo si le dijo al cliente que el pedido estaba cancelado. Segundo, es una herramienta de tendencias. Gladly dice que "not a replacement for human review".

¿Quién puntúa a los agentes humanos en Gladly?

Un partner lo hace. La lista de integraciones de Gladly incluye MaestroQA y Calabrio, ambos construidos y mantenidos por el partner, no por Gladly.

  • MaestroQA se define como una plataforma para entender "support quality beyond CSAT", donde los evaluadores ven correos y escuchan llamadas. Según el kit de integración de Gladly, hace peticiones de solo lectura, así que "no data comes to Gladly from MaestroQA". Trae todas las conversaciones y luego usa reglas para acotar cuáles ven los evaluadores. Los canales son correo, voz y todos los canales de mensajería, y la configuración necesita un token de API de un usuario dedicado de Gladly.
  • Calabrio te permite llevar los datos de rendimiento por agente de Gladly a programas de coaching y QA, con Calabrio Professional Services a cargo de la implementación.

Si te quedas dentro de Gladly, también hay una vía manual. Admins, Team Managers y usuarios Agent Plus pueden escuchar, hacer coaching o unirse a llamadas en vivo, y las grabaciones están disponibles para prácticas de QA. Una QA Analyst en Capterra describe esa vía así:

Capterra

"It's great that the call is always recorded and that we can stop the recording when we need it. It helps us to keep track of every call very easy. Not only that, but it has the option to listen other call to monitoring in case is needed."

La profundidad de reporting es donde algunos revisores quieren más. Otro revisor de Capterra escribe:

Capterra

"While this platform performs flawlessly at organizing customer communications and straightening out all chat content, its built-in data reporting function is far from sufficient to meet our marketing team’s needs."

Ese revisor habla de análisis de marketing, no de QA, así que no lo estiraría demasiado. Sí coincide con el patrón: el reporting de Gladly es amplio, y su puntuación de sentimiento y calidad de conversaciones humanas vive en otro lugar. Mis notas sobre análisis de sentimiento con IA de Gladly cubren la otra mitad.

¿Qué herramienta de Gladly cubre qué check?

Usa esto para ordenar tus propias preguntas de QA. Toca una para ver qué la cubre.

¿Puede Gladly revisarlo de forma nativa?
Las respuestas vienen de la documentación de ayuda de Gladly, actualizada hasta noviembre de 2026.
¿Se inventó la IA una política o una fecha?
Sí, antes de enviarEl check de Hallucination prueba cada frase factual contra resultados de acciones, resultados de búsqueda y contenido del Guide.Un fallo entrega el chat a un agente en vez de enviarlo.
¿Dijo la IA que hizo algo que no hizo?
Sí, antes de enviarImplied Mutation y Unfulfilled Action comparan la respuesta con las acciones que realmente se ejecutaron.Transfer Claim cubre una entrega prometida que nunca ocurrió.
¿Está empeorando el tono de la IA en un mes?
Sí, como SignalEscribe un criterio como conversación respetuosa con dos a cinco labels, y luego ejecútalo sobre una muestra de sesiones de IA.Solo sesiones de chat, SMS y correo, a demanda o a diario o semanal.
¿Usó la IA los datos de pedido correctos?
En parteInspect muestra el Guide, las fuentes y los pasos de cada respuesta, para que un revisor pueda comprobarlo a mano.Signals no puede ver llamadas a herramientas ni resultados de API, así que no puede puntuar esto.
¿Siguió un agente humano la política de devoluciones?
No de forma nativaSignals aún no incluye conversaciones llevadas por agentes humanos.Usa un partner como MaestroQA o Calabrio, o un revisor que lea la conversación contra tu política.
¿Se gestionó bien la llamada de teléfono?
No se puntúaPuedes escuchar grabaciones y leer Voice Summaries, pero la voz no está en la lista de canales de Signals.MaestroQA lista la voz entre sus canales admitidos para Gladly.

Toca cada check para ver qué herramienta de Gladly, si alguna, lo cubre.

¿Qué plan de Gladly incluye QA, y cuánto cuesta?

No pude confirmar ninguna de las dos cosas en las propias páginas de Gladly. La documentación describe los quality checks, el registro de Reviews y Signals sin nombrar un plan, aunque Signals dice estar disponible "for any organization using Gladly AI". El Simulator está en Early Access por solicitud. Gladly no publica precios de plataforma en su página de precios, así que el número sale de una llamada de ventas. Mi guía de precios de Gladly cubre lo poco que es público.

Pregunta a tu equipo de cuenta cuatro cosas antes de planificar nada de esto:

  1. ¿Está Signals en mi contrato, y cómo se facturan sus ejecuciones si subo la tasa de muestreo hacia el 100%?
  2. ¿Están los quality checks activos por defecto en cada Guide, y puedo ver la tasa de handoff que causan?
  3. ¿Qué herramienta de QA de partner usan otros clientes de Gladly en mis canales, y qué añade ese contrato?
  4. ¿Cuándo leerá Signals conversaciones llevadas por agentes humanos?

MaestroQA y Calabrio ponen precio a sus propios productos, y no he puesto precio a ninguno de los dos, así que no voy a adivinar un número.

¿Cómo cubres los huecos del QA de Gladly?

Empieza con lo que Gladly ya hace bien, y luego añade un carril para agentes humanos. Esta es la rutina que yo llevaría, unos 30 minutos para configurarla:

  1. Mantén activos los quality checks por defecto. Desactiva solo los que Gladly mismo dice que hay que quitar en un Guide basado solo en conocimiento, y vigila tu tasa de handoff después.
  2. Escribe tres Signals binarios. Elige preguntas de sí o no ligadas a tus políticas, ejecuta cada una sobre menos de 50 sesiones y luego amplía. Empieza con "le dijo al cliente que una acción estaba hecha" y "dio una fecha o una política".
  3. Revisa cada sesión marcada o con puntuación baja. Usa la tasa de acuerdo para encontrar criterios que necesiten ajustarse. Mi rutina de revisión de conversaciones de IA muestra qué buscar.
  4. Pon una scorecard sobre las conversaciones humanas. Usa una herramienta de partner, o un equipo calibrado de revisores. Calibración de QA de soporte y criterios de scorecard de QA te ayudan a empezar.
  5. Devuelve los fallos. La nota de un revisor solo sirve si alguien edita el Guide o la política. Ejemplos de feedback de QA mantienen las notas concretas.

Añade CSAT como segunda señal de dónde mirar primero, y un registro de escalado para las conversaciones que de todas formas necesitaron a una persona.

¿Dónde encaja eesel con el QA de Gladly?

eesel no tiene una conexión integrada con Gladly, así que esto es lo que puedo y no puedo decir. eesel es una plataforma de compañeros de equipo con IA, y el que importa aquí es el compañero de equipo de helpdesk con IA. Para QA, lo pienso como un revisor que lee las conversaciones que le entregas y las comprueba contra reglas que escribes en palabras sencillas.

Gladly tiene una API REST, y eesel tiene una página de Tus APIs donde autorizas un dominio y añades una cabecera de autenticación. Se admite autenticación básica, las credenciales se quedan en los ajustes y la IA nunca las ve. La propia documentación de Gladly dice que un usuario de API crea un token de API, que se muestra una sola vez y está ligado a un usuario y un entorno, y que MaestroQA lee conversaciones a través de los endpoints /conversations y /conversation-items. Así que traer una conversación para revisarla parece posible. No he probado eesel contra la API de Gladly, trátalo entonces como una vía a confirmar en una demo, no como una función ya entregada.

Si eso funciona, le darías IDs de conversación y leería los mensajes, los comprobaría contra tu política y tu base de conocimiento, e informaría de los motivos a un responsable. En acciones y aprobaciones de eesel, cada acción puede ejecutarse sola, preguntar antes o quedarse apagada, lo que mantiene a un humano en el bucle.

Flujo dibujado a mano de cuatro tarjetas: IDs de conversación que eliges, leer los mensajes, comprobar contra tus reglas escritas, y un veredicto con motivos para un responsable, con una pequeña tarjeta de preguntar antes o activado bajo el paso de comprobación
El flujo de revisión que yo configuraría. Qué acciones se ejecutan solas es tu ajuste.

La misma forma ya funciona para clientes de eesel. Cactus Club Cafe lleva dos agentes en Zendesk. Tixie lee el ticket completo, abre la política de emergencia y la matriz de enrutamiento antes de nada más, y sigue el runbook correspondiente sin pasos improvisados. Unas 790 de sus respuestas en un mes fueron borradores para que el equipo las enviara, frente a 51 enviadas directamente. Un segundo agente audita el extracto financiero diario, comprueba cada tienda y el total, y resuelve el ticket como equilibrado o lo deja abierto con el desajuste nombrado. Una revisión de QA también es una comprobación contra reglas escritas.

Para los demás helpdesks, mira mis guías de Dixa, Freshchat, Gorgias, Kustomer y Zoho Desk.

¿Es suficiente el QA de Gladly?

Para la IA, sí, y los quality checks antes de enviar son la parte que valoro más. Detienen una respuesta con una fecha no respaldada o una acción prometida que nunca se ejecutó, y explican por qué. Para las personas, no: necesitas un partner o un revisor humano, y deberías preguntar cuándo cubrirá Signals las conversaciones llevadas por agentes.

Mi opinión: si usas Gladly AI, mantén activos los quality checks, usa Signals para las tendencias que puedas nombrar en una pregunta de sí o no, y puntúa a tus humanos en MaestroQA o Calabrio. Recuerda qué significa un check aprobado. Significa que la respuesta estaba respaldada por el contexto, no que la política fuera correcta. Para revisiones más profundas entre herramientas, mira mi resumen de IA para QA de soporte y mis notas sobre observabilidad del agente de soporte con IA y permisos. Para el resto de la IA de Gladly, lee resúmenes con IA de Gladly, respuestas borrador, enrutamiento, traducción y deflection. ¿Estás valorando un cambio? Mira las mejores alternativas a Gladly, la mejor IA para Gladly y Kustomer vs Gladly.

Prueba eesel como tu revisor de políticas

Si el check que te falta es "¿esto estuvo bien según nuestra política?", eesel es el revisor que yo probaría después de las propias herramientas de Gladly. Lee las conversaciones que le entregas, las comprueba contra las reglas que escribes y tu centro de ayuda, y te dice por qué aprobaron o no. Si usas Zendesk, Freshdesk o Gorgias, se conecta directamente. Si usas Gladly, pregunta primero por la vía de la API. Empieza con diez conversaciones que tu equipo ya haya puntuado, y comprueba si eesel coincide. La guía de QA de call center cubre la voz.

La lista de actividad de eesel mostrando conversaciones de un helpdesk Zendesk conectado con estados de resuelto y esperando aprobación
La lista de actividad de eesel, con pendientes esperando la aprobación de una persona. Este workspace está conectado a Zendesk.

Prueba eesel gratis, o reserva una demo para preguntar cómo revisaría tus conversaciones de Gladly.

Preguntas frecuentes

¿Tiene Gladly control de calidad con IA?
Sí, pero apunta a la propia IA de Gladly. Los quality checks filtran cada respuesta de IA antes de enviarla, un registro de Reviews recoge votos de pulgar arriba y abajo, y Signals puntúa sesiones de IA según criterios que tú escribes. Para una visión más amplia, mira control de calidad con IA en soporte.
¿Puede Gladly puntuar conversaciones de agentes humanos?
No de forma nativa. La documentación de Gladly dice que Signals aún no incluye conversaciones llevadas por agentes humanos, y su página de QA remite a los equipos a herramientas de QA integradas. MaestroQA y Calabrio son los dos partners que llevan datos de Gladly a programas de QA y coaching. Herramientas de QA de soporte compara opciones dedicadas.
¿Cuánto cuesta el QA de Gladly?
La documentación de Gladly no nombra ningún precio o plan para los quality checks, el registro de Reviews o Signals, y la empresa no publica precios de plataforma, así que pregunta a tu equipo de cuenta. MaestroQA y Calabrio son proveedores separados con sus propios contratos. Mi guía de precios de Gladly cubre lo que es público.
¿Qué detectan los quality checks de Gladly?
Detectan tres tipos de problema en una respuesta de IA: afirmar una acción que nunca se ejecutó, no tener la información para responder, y declarar hechos no verificados como fechas, políticas, correos, teléfonos o enlaces. Un check fallido entrega la conversación a una persona en vez de enviar la respuesta. Prevención de alucinaciones de IA cubre el problema más amplio.
¿Qué canales de Gladly puede evaluar Signals?
Sesiones de chat, SMS y correo gestionadas por Gladly AI. Las llamadas de voz y las conversaciones de agentes humanos no están en la lista, y Signals solo lee la transcripción del mensaje, no las llamadas a herramientas ni los resultados de API. Mira mi resumen de Gladly AI para el resto de la plataforma.
¿Puedo probar Gladly AI antes de que esté en producción?
Gladly tiene un Simulator que ejecuta escenarios de cliente guionizados contra tu Gladly Agent y los califica como aprobado o fallido, pero está en Early Access y contactas con el soporte de Gladly para unirte. Una guía para probar un agente de IA antes de lanzarlo cubre la misma idea en general.
¿Se conecta eesel con Gladly para QA?
No como integración integrada. eesel puede llamar a una API REST que tú autorices, y Gladly tiene una, así que revisar conversaciones de esa forma es posible, aunque no lo he probado de principio a fin. En Zendesk, Freshdesk o Gorgias se conecta directamente.

Share this article