La IA para soporte por video funciona, pero no como la mayoría de los equipos esperan: la IA de tu helpdesk normalmente no puede abrir un archivo de video, así que el trabajo consiste en convertir el clip en texto que pueda leer. Los agentes de IA de correo de Zendesk, Gorgias AI Agent y eesel leen hoy las capturas de pantalla y las fotos que los clientes adjuntan. Ninguno abre un adjunto de video.
La solución es barata. Un modelo de video como Gemini lee un clip de 2 minutos por unos $0,01, y herramientas como Screendesk (desde $15 por agente al mes para los resúmenes con IA) recopilan la grabación dentro del ticket y la resumen. Después, la IA del helpdesk responde a partir del resumen como en cualquier otro ticket.
La mayor ventaja es pedir lo correcto. La mayoría de los problemas "de video" son un solo fotograma: un error, un precio equivocado, una caja rota. Pide una captura y un agente de IA como eesel podrá responder de inmediato. Reserva las grabaciones para errores paso a paso y las llamadas para configuraciones que el cliente no puede hacer solo.
¿Por qué el video rompe la IA de tu helpdesk?
Porque la IA lee texto e imágenes, y un archivo de video no es ninguna de las dos cosas, así que responde con las palabras del ticket e ignora el clip. Lo he visto desde dentro. Un equipo de soporte que usa eesel nos dijo, textualmente:
"Eesel is currently unable to analyze images, and our customers frequently share screenshots. Our agents are currently required to read these images and manually transfer the knowledge to Eesel."
Esa era la brecha con las capturas, y ya está cerrada. eesel abre imágenes y PDF en Zendesk, Freshdesk, Gorgias y otros canales, en todos los planes. Pero la misma documentación dice claramente que "other file types (video, zip archives, spreadsheets) are not opened." El video es el mismo problema un escalón más arriba, y es donde casi toda IA de helpdesk sigue deteniéndose.
Cuando la IA no puede abrir el archivo, ocurren tres cosas, y probablemente hayas visto las tres:
- Pide al cliente que describa lo que ya está en el video. El cliente, que filmó para no tener que escribir, se molesta.
- Responde al texto y se pierde lo importante. "No funciona" más un clip se convierte en una respuesta genérica de resolución de problemas.
- Lo pasa a una persona mediante una escalación, y esa persona ve el clip entero para encontrar los 4 segundos que importan.
El propio anuncio sobre adjuntos de Zendesk nombra el costo: las conversaciones con adjuntos "resolved at a lower rate than those without, because the AI agent couldn't see the evidence inside them." Eso se refiere a imágenes, que ya lee. Con el video, la brecha sigue abierta.
¿Qué puede leer hoy cada IA de helpdesk?
Capturas y fotos, sí, en la mayoría. Video, no, en las tres que revisé. Esto es lo que dice la documentación de cada proveedor a noviembre de 2026.
| IA de helpdesk | Imágenes | Video | Dónde funciona | |
|---|---|---|---|---|
| Agentes de IA de Zendesk (agéntica, correo) | Sí, PNG, JPEG, WebP, GIF | Sí, hasta 150 páginas | No figura | Canal de correo, desde el 21 de oct. de 2026 |
| Gorgias AI Agent (Vision) | Sí, PNG, JPEG, WebP, GIF no animado | No | No | Correo, chat, Instagram, Messenger, WhatsApp |
| eesel | Sí, PNG, JPEG, GIF, WebP | Sí, lee el texto | No | Zendesk, Intercom, Freshdesk, Freshchat, Gorgias, Slack, Teams, Discord |
Algunos detalles importan más que el sí o el no. La lectura de adjuntos de Zendesk está en el canal de correo para cuentas en la nueva infraestructura. El documento de Vision de Gorgias advierte de que un mensaje con solo una imagen y sin texto "can cause the ticket to close without a reply." Y la documentación de eesel señala que las fotos del iPhone suelen llegar en HEIC, que el agente no puede ver, así que lo dice y pide un PNG o JPEG en lugar de adivinar.
La fila de video es la razón de ser de este artículo. Si tu plan es "la IA se encargará de los videos", revisa primero esa fila.
¿Qué deberías pedir a los clientes que envíen?
Pide el formato más barato que muestre el problema: una captura cuando un fotograma basta, una grabación cuando el problema es una secuencia y una llamada solo cuando el cliente necesita una mano. Esta decisión determina si la IA puede ayudar o no.
Así lo clasificaría:
- Captura o foto. Un mensaje de error, un cargo equivocado en una factura, una bisagra rota, un artículo que falta en la caja. Un fotograma cuenta toda la historia, y la IA del helpdesk puede leerlo hoy. Esto cubre la mayoría de las devoluciones y reclamaciones de garantía.
- Grabación de pantalla. "Hago clic en guardar y no pasa nada", un pago que falla en el tercer paso, una sincronización que se corta a la mitad. El orden de los eventos es la prueba. Es territorio de triaje de errores, y es habitual en el soporte para desarrolladores.
- Videollamada. Un dispositivo inteligente que no se empareja, una instalación con cableado físico, un cliente confundido que necesita a alguien que lo acompañe. Una persona se queda en estos casos, como en una visita de servicio de campo.
SE Ranking lo integra en su configuración. Su agente de eesel envía al equipo los problemas de nivel 2, como datos incorrectos o conectores rotos, "with the domain, audit link or connector screenshot collected first." El agente pide la captura antes del traspaso, así que nadie del equipo tiene que volver a preguntar. Puedes decirle lo mismo a tu agente con palabras sencillas, por ejemplo: "cuando un cliente reporte un error, pide una captura de pantalla antes de responder".
"you can show issues or ideas visually instead of explaining them in text, saving time and reducing confusion."
El punto de esa cita es justo: algunos problemas realmente son más fáciles de mostrar. El objetivo no es dejar de recibir videos. Es dejar de pedir uno cuando bastaría una captura.
¿Cómo conviertes un video de cliente en algo que la IA pueda responder?
Pasa el clip por un modelo de video, recibe un resumen escrito y ponlo en el ticket, donde la IA del helpdesk pueda leerlo. El video sigue adjunto para una persona. El texto es con lo que trabaja la IA.
Por dentro, un modelo como Gemini no ve el video como tú. Sus documentos sobre video dicen que muestrea fotogramas a 1 por segundo, lee el audio a 32 tokens por segundo y añade una marca de tiempo cada segundo. Eso tiene dos efectos prácticos:
- Pídele marcas de tiempo. El modelo puede señalar momentos en formato
MM:SS, así que el resumen puede decir "el error aparece en 0:21" y un agente puede saltar directamente ahí. - Los momentos rápidos pueden escaparse. A 1 fotograma por segundo, Google señala que "fast action sequences might lose detail." Una ventana emergente que parpadea medio segundo puede no llegar al resumen. En esos casos, una captura es mejor que un video.
El resumen escrito debería incluir cuatro cosas: lo que el cliente intentaba hacer, los pasos que siguió, qué salió mal y cuándo (con la marca de tiempo) y cualquier texto visible en pantalla, como un código de error o un número de pedido. Esto último es lo que permite a la IA del helpdesk buscar en tu base de conocimiento el artículo correcto en lugar de adivinar, el mismo truco que hace funcionar la búsqueda en el centro de ayuda.
¿Cuánto cuesta que la IA lea un video?
Cerca de un centavo por un clip de 2 minutos a nivel de modelo. Gemini cuenta aproximadamente 100 tokens por segundo de video con su resolución predeterminada, así que 2 minutos son unos 12 000 tokens. En la página de precios de Gemini, Gemini 3.8 Flash cuesta $0,75 por millón de tokens de entrada hasta el 31 de diciembre de 2026 ($1,50 a partir del 1 de enero de 2027), y Gemini 3.5 Flash-Lite cuesta $0,30.
Introduce tu propio volumen:
Con 300 clips de dos minutos al mes en Gemini 3.8 Flash, son menos de $4. El modelo es la parte barata. El trabajo está en sacar el clip del ticket, llevarlo al modelo y devolverlo como una nota, por eso la mayoría de los equipos compra una herramienta para esto en lugar de construirla.
¿Qué herramientas se encargan de la parte del video?
Screendesk es la opción más completa para equipos de soporte, Vivu sirve para detectar el mismo problema en muchos videos y LiveKit es para construir tu propio agente de video en vivo. Empezaría por la primera y solo recurriría a las otras con un motivo concreto. Ninguna reemplaza a la IA de tu helpdesk; para ese lado, mi resumen de helpdesks con IA cubre el panorama.
Screendesk
Screendesk permite que un agente envíe un enlace de grabación desde el ticket. El cliente graba su pantalla en el navegador sin instalar nada (en el móvil usa la cámara frontal o trasera), y la grabación vuelve al mismo ticket. Funciona dentro de Zendesk, Intercom, Help Scout, Freshdesk, Freshchat y HubSpot.
Esto es lo que hace con IA, según sus documentos de IA:
- Report intelligence: resúmenes, hallazgos de problemas y pasos de reproducción para las grabaciones elegibles, además de transcripciones. Funciona con Gemini y puedes usar tu propia clave de Gemini.
- AI Resolution: investiga los tickets de Zendesk vinculados a una grabación y publica una nota privada. La documentación aclara que "does not send a public reply or mark the customer's problem as solved", y todavía no forma parte del flujo de Intercom, Freshdesk ni Freshchat.
- Privacidad: indicas los campos que se difuminan en tu aplicación web, como los números de tarjeta, y puedes exigir consentimiento antes de que se abra el grabador.
- Llamadas en vivo: los clientes se unen desde un enlace en el navegador y comparten su pantalla (sin control remoto), con transcripción en vivo y un resumen con IA con tareas pendientes al terminar.
Precios, de la página de precios de Screendesk:
| Plan | Precio por agente/mes (anual) | Facturación mensual | Qué incluye |
|---|---|---|---|
| Free | $0 | $0 | 10 grabaciones o informes de errores al mes, retención de 30 días |
| Plus | $8 | $10 | Grabaciones ilimitadas, marca personalizada |
| Pro | $15 | $18 | Videollamadas, resumen con IA y transcripciones, automatizaciones de flujo de trabajo |
| Enterprise | A medida, desde 10 agentes | A medida | Registros de consola y de red, SAML SSO y SCIM |
Dos cosas que debes saber antes de comprar. Las grabaciones tienen un máximo de 10 minutos en todos los planes. Y los registros de consola y de red, que es lo que ingeniería quiere para un informe de error, son solo para Enterprise. En G2 tiene una puntuación de 4,4 sobre 5 con 14 reseñas, y la queja más común es la edición limitada.
Vivu
Vivu resuelve un problema distinto. No ayuda con un solo ticket; indexa todos los clips que envían los clientes para que puedas buscarlos por lo que muestran, como "bisagra rota en la tapa", y obtener todos los casos con ese fallo y la marca de tiempo. La propia página de Vivu es honesta al decir que da "evidence, not verdicts" y que no diagnostica la falla.
Los precios de Vivu son un plan Free con 20 minutos de indexación y 50 créditos de búsqueda al mes, y Premium a $30 al mes con 180 minutos de indexación y 500 créditos de búsqueda. Es poco para una cola ocupada, así que la trataría como una herramienta de calidad de producto para equipos de hardware, no como una herramienta de bandeja de soporte.
LiveKit y modelos en tiempo real
Si quieres una IA que vea una videollamada en vivo, estás construyendo, no comprando. Los documentos de video de LiveKit dicen que la entrada de video en vivo necesita un modelo en tiempo real con soporte de video, y enumeran la API Gemini Live y la API OpenAI Realtime. También advierten de que muchos LLM "are not trained for this use case" y pueden tener dificultades con el movimiento. Para la mayoría de los equipos de soporte, esto es un proyecto para más adelante, no el primer paso.
¿Dónde encajan las videollamadas en vivo?
Deja a una persona en la llamada y dale a la IA el papeleo: la transcripción, el resumen y las notas del ticket. Las llamadas son para problemas que un cliente no puede resolver con instrucciones, y en esos casos quieres que un humano acompañe.
Los trabajos útiles de la IA alrededor de una llamada son aburridos y valiosos:
- Antes: el agente de IA responde lo que puede a partir del ticket y las capturas, y solo ofrece una llamada cuando no puede. Así las llamadas quedan para los casos difíciles.
- Durante: una transcripción en vivo, para que el agente no tenga que escribir notas mientras lee la pantalla del cliente.
- Después: un resumen de lo que se probó y lo que se acordó, publicado en el ticket. Si el problema vuelve la semana siguiente, quien lo retome empieza desde el resumen, no desde cero.
Ese último paso es el mismo movimiento de "convertir el video en texto" de antes. Un resumen de llamada en el ticket es texto que la IA del helpdesk puede leer, así que la próxima vez que el cliente escriba, la IA sabe lo que ya pasó. Así también funciona un traspaso limpio entre turnos.
¿Cómo lo configuraría, paso a paso?
Empieza con capturas, añade una herramienta de grabación para los tickets con forma de error y asegúrate de que cada video termine como texto en el ticket. En orden:
- Activa la lectura de imágenes en la IA de tu helpdesk. En el correo de Zendesk, Gorgias y eesel ya está activada. Pruébalo: envíate un ticket con una captura adjunta y mira qué hace la IA.
- Enseña a la IA cuándo pedir una captura. Escríbelo como instrucción: "cuando un cliente reporte un error o un artículo dañado, pide una captura o una foto si no hay ninguna". El ticket de video más rápido es el que nunca necesitó un video, y mantiene ágil tu primera respuesta.
- Añade una herramienta de grabación para los problemas paso a paso. Screendesk en Pro, o un plan gratuito para probarlo. Haz que el agente o la IA envíe el enlace solo cuando el problema sea una secuencia, y dirige el resultado a tu equipo de nivel 2 si es un error real.
- Lleva el resumen al ticket como texto. Una nota privada con los pasos, las marcas de tiempo y cualquier error en pantalla. Así la IA del helpdesk y la siguiente persona pueden usarlo.
- Define reglas de privacidad antes del lanzamiento. Difumina los campos sensibles, pide consentimiento y elige un período de retención. Compruébalo con tu proceso de RGPD.
- Vigila tres números. Cuántas veces la IA pide un video que no hacía falta, cuántos tickets de video siguen necesitando que alguien vea el clip completo y el tiempo de gestión en los tickets de video frente al resto.
Antes de dejar que responda por su cuenta, pruébalo con tickets antiguos. Yo siempre simularía con tickets pasados antes de salir en vivo, porque es la única forma de ver cómo maneja la IA tu mezcla real de adjuntos.
¿Cómo maneja eesel los tickets con videos?
eesel lee las capturas, fotos y PDF que los clientes adjuntan, responde con tu centro de ayuda y tus tickets anteriores, y pasa a tu equipo un video que no puede abrir con una nota sobre lo que falta. Funciona dentro del helpdesk que ya tienes, en Zendesk, Freshdesk, Gorgias y otros, como un compañero de helpdesk que redacta o envía respuestas, etiqueta y enruta.
Hablando con franqueza: eesel no ve videos. Si tu cola es sobre todo grabaciones de pantalla, combínalo con una herramienta de grabación que escriba un resumen en el ticket, y eesel responderá a partir de ese resumen como con cualquier otro texto.
Lo que hace bien es la parte que rodea al video. Innr, una empresa de iluminación inteligente que usa Freshdesk, recibe preguntas como "¿por qué no se empareja esta bombilla?" en neerlandés, alemán, inglés y francés. En un mes eesel preparó 190 tickets y dejó 450 notas internas, cada una un borrador, un resumen o lo que faltaba. Lesson Pro trabaja igual en Zendesk: 1,900 tickets en un mes, 1,700 notas internas, y el equipo aprueba cada borrador antes de que salga. Esa nota de "qué falta" es justo donde encaja "envía una captura de pantalla del error, por favor".
Prueba eesel
Si los clientes siguen enviándote capturas y clips, eesel puede quitarte hoy los tickets con capturas y dejar una nota clara en los de video, dentro de Zendesk, Freshdesk o Gorgias. Los planes empiezan en $299 al mes por 500 créditos, donde un ticket es un crédito y no hay cargos por puesto, con una prueba gratuita de 7 días y 100 créditos para probarlo con tus propios tickets.