
Re:amaze sí tiene análisis de sentimiento con IA, pero es un botón que pulsa una persona: abrir una conversación, seleccionar Scan for Sentiment, y la IA da una lectura de cómo se siente el cliente, según su documentación de herramientas de IA. No encontré score automático, alerta de sentimiento ni informe de sentimiento, y la herramienta está marcada como Beta. Para un triaje que funcione sin un clic, yo escribiría un prompt de AI Pre-Filter para clientes molestos o que cancelan, los etiquetaría y mantendría fuera al AI Agent. eesel se conecta a Re:amaze, sigue reglas de derivación como esa según un horario, y deja una nota explicando por qué.
Con la CLI de eesel, un agente de codificación con IA puede subir conocimiento aprobado, como artículos de FAQ exportados y plantillas de respuesta, y luego hacerle preguntas de prueba al agente de eesel y revisar las respuestas antes de que algo salga en vivo. Conectar Re:amaze en sí sigue necesitando que una persona copie un token de API desde la configuración de Re:amaze.
¿Tiene Re:amaze análisis de sentimiento con IA?
Sí, en una forma específica. El artículo de herramientas de IA de Re:amaze tiene una sección llamada Conversation Sentiment Analysis. Dice que la herramienta "le ayuda a evaluar rápidamente el sentimiento del cliente" y es útil cuando las conversaciones pasan entre agentes, porque el siguiente agente puede ver si el problema parece resuelto. Selecciona Scan for Sentiment para ejecutarlo, y Ask About This Conversation para hacerle una pregunta directa al hilo, como "¿Está el cliente molesto?".

El texto del panel en esa captura dice: "Puede comprobar el sentimiento de esta conversación para tener una idea de cómo se siente el cliente". Dos cosas de esa redacción importan. Dice "una idea", no un score, y el panel está dentro de una tarjeta AI Conversation Tools etiquetada como Beta. La página de IA de Re:amaze también marca la suite como Beta y dice que funciona sobre los modelos GPT de OpenAI.
Esto es lo que la documentación que leí el 21/11/2026 no dice. No describe el formato de salida (una etiqueta, un score o una frase), qué idiomas maneja, ni si el resultado se guarda en la conversación. No describe un disparador de workflow, un escaneo automático ni un filtro de sentimiento. Y el AI Chatbot and Productivity Report lista AI Impact Rate, Team Time Saved, Content Score, Total Usage y Success Rate, sin ninguna métrica de sentimiento. Si todavía está evaluando el producto, mi reseña de Re:amaze cubre el resto.
Es un diseño razonable para una beta: el agente decide cuándo merece la pena preguntar. Pero también significa que a nadie se le avisa cuando un hilo se tuerce, salvo que alguien lo revise.
¿Qué señales le da Re:amaze en su lugar?
Cinco cosas en Re:amaze tocan el estado de ánimo del cliente, y cada una actúa en un momento distinto. La brecha entre ellas es la parte útil.

| Función de Re:amaze | Cuándo actúa | Plan según la documentación | ¿Lee el ánimo? |
|---|---|---|---|
| Scan for Sentiment | Cuando un agente hace clic | Sin restricción encontrada | Sí, a demanda |
| Ask About This Conversation | Cuando un agente escribe una pregunta | Sin restricción encontrada | Solo si usted pregunta |
| AI Pre-Filter | En el momento en que llega una conversación | Necesita el AI Agent activado | Coincide con el prompt que usted escribe |
| Intents más Workflows | En cada mensaje del cliente | AI Intents listado en Pro | Coincide con lo que el cliente quiere, no con cómo se siente |
| Valoraciones de satisfacción | Después de resolverse la conversación | Listado en Plus | La propia respuesta del cliente, tarde |
Esa última fila tiene una arruga. La página de precios lista Customer Satisfaction Ratings bajo Plus, pero el resumen de informes lista el Satisfaction Ratings report dentro del conjunto de informes de Pro. No pude conciliar ambas cosas, así que compruebe qué plan necesita antes de mejorar por eso.
Sobre lo que normalmente significa el análisis de sentimiento, mi visión general del análisis de sentimiento con IA y la entrada del glosario sobre análisis de sentimiento marcan la base.
¿Cuánto cuesta esto en Re:amaze?
El escaneo de sentimiento no tiene precio propio. Lo que usted paga es el plan, y el medidor del AI Agent si añade Pre-Filters. Estas cifras provienen de la página de precios de Re:amaze en vivo, comprobada el 21/11/2026.
| Plan | Por miembro del equipo al mes | Facturado anualmente | Resoluciones de AI Agent incluidas por usuario al mes | Relevante para el trabajo de tono |
|---|---|---|---|---|
| Basic | 29 $ | 26,10 $ | 5 | AI Agent, Basic Reporting |
| Pro | 49 $ | 44,10 $ | 10 | Añade AI Intents y Advanced Reporting |
| Plus | 69 $ | 62,10 $ | 20 | Añade Customer Satisfaction Ratings y Staff Performance Reporting |
| Starter | 59 $ fijo, hasta 500 conversaciones respondidas | No listado | No listado | Todas las funciones de Basic, miembros del equipo ilimitados |
Las resoluciones extra del AI Agent cuestan 0,85 $ cada una. Un equipo de cinco personas en Pro paga 245 $ al mes y obtiene 50 resoluciones incluidas. La documentación dice que Pre-Filter necesita el AI Agent activado "con resoluciones restantes o overage activado", pero no dice si una conversación pre-filtrada cuenta como una resolución, así que pregunte a soporte antes de confiar en que el medidor se mantenga estable. Mi guía sobre el coste de Re:amaze repasa otros tamaños de equipo.
¿Cómo consigo escalado automático para clientes molestos en Re:amaze?
Use un AI Pre-Filter, con una advertencia honesta: la documentación lo describe como un filtro de temas, no como un detector de ánimo. AI Pre-Filter hace que la IA lea cada conversación entrante y la compare con un prompt que usted escribe en lenguaje simple, de hasta 500 caracteres. Al coincidir, aplica su etiqueta y ejecuta una de cuatro acciones: etiquetar y dejar abierta, etiquetar y marcar como hecha, etiquetar y marcar como spam, o etiquetar y archivar. Su uso sugerido es derivar a personas "problemas de facturación o pago, solicitudes de cancelación, o consultas de clientes VIP y de alto valor".

Como un prompt es solo una descripción, nada le impide describir el estado de un cliente en lugar de su tema. No he probado qué tan bien capta el tono, así que trátelo como una red tosca y lea qué etiqueta durante la primera semana. Aquí está la configuración con la que empezaría. Toma unos 10 minutos.
- Abra la pestaña Pre-Filters. Vaya a AI > Manage Bots, seleccione Pre-Filters, luego Enable AI Pre-Filter.
- Añada un filtro. Seleccione Add Filter y ponga la etiqueta en
needs-human. - Elija la acción. Elija tag and leave open, para que una persona la vea en la bandeja normal.
- Escriba un prompt corto. Por ejemplo: "El cliente está enfadado o frustrado, amenaza con cancelar, disputar un cargo o dejar una mala reseña, menciona a un abogado, o dice que es la segunda o tercera vez que escribe sobre el mismo problema".
- Observe qué etiqueta. Abra las conversaciones etiquetadas a diario durante una semana y edite el prompt cuando se le escape algo o etiquete de más.
- Cuente la etiqueta. El Tags report muestra qué etiquetas se aplican más a menudo, lo que le da un conteo continuo de derivaciones.
Dos reglas de la documentación dan forma a esto. Cualquier conversación que coincida con un pre-filtro no es gestionada por el AI Agent, sea cual sea la etiqueta o acción que use. Y los pre-filtros tienen prioridad sobre los Workflows, así que si una conversación coincide con ambos, el Pre-Filter se ejecuta y el Workflow se omite. Eso significa que no puede encadenar "etiquetar como molesto, luego asignar al líder de equipo" en un workflow para esas mismas conversaciones. Planifique su asignación en torno a la etiqueta en su lugar, por ejemplo con una vista guardada para needs-human.
¿Qué pueden hacer Workflows e Intents sin sentimiento con IA?
Gestionan los casos en los que el cliente dice qué está mal, y para equipos de ecommerce sensibles al churn esos son la mayoría de los casos que importan. Un Intent es una descripción de una a tres frases de lo que un cliente intenta hacer, comparada por significado y no por palabras exactas, de modo que "cancelar mi suscripción" se detecta sin importar cómo se formule. Usado dentro de un Workflow, puede etiquetar la conversación, asignarla, responder o dejar una nota interna.
El constructor de Workflows también tiene condiciones del lado de los pedidos. El propio ejemplo de la documentación es: "Cuando llega un mensaje del cliente y el Customer Total Order Value es mayor que 2.000 $, etiquete la conversación como VIP Customer", y otro combina un valor de vida de Shopify superior a 1.000 $ con un intent de "¿Dónde está mi pedido?". Un intent de reembolso o contracargo de un cliente de alto valor es exactamente el mensaje que debería saltarse la cola. Para el panorama más amplio, mis guías de automatización de Re:amaze y enrutamiento IA de Re:amaze cubren el diseño de etiquetas, y priorización de tickets con IA muestra cómo clasificar lo que llega.
Los Intents están listados en Pro, y un Intent por sí solo no hace nada: la documentación dice que solo actúa una vez que es una condición dentro de un Workflow. El límite es el mismo que el de cualquier regla. Capta lo que usted describió, así que un cliente que está en silencio furioso por un paquete retrasado y nunca dice "cancelar" pasa desapercibido.
¿Puede el botón de sentimiento ayudar con las derivaciones?
Sí, y es justo ahí donde lo usaría. Un escaneo en el momento de la derivación le dice al siguiente agente si el problema parece resuelto, que es el uso que nombra la documentación. Combínelo con Ask About This Conversation y una pregunta estándar como "¿Está el cliente molesto, y qué le prometimos?". La respuesta es una pista, no una prueba, así que compruebe reembolsos y fechas contra el hilo.

Los resúmenes solo pueden generarse una vez que un hilo tiene 10 mensajes, como cubrí en mi publicación sobre resúmenes de conversación con IA de Re:amaze, y el panel de sentimiento en esa captura está justo al lado. Si el escaneo de sentimiento tiene el mismo mínimo de mensajes no se indica, así que pruébelo en un hilo corto. Para lo que contiene una buena derivación, vea AI agent handoff best practices y la guía de proceso de escalado de tickets.
¿Qué le dicen las valoraciones de satisfacción que el escaneo no dice?
Le dicen cómo juzgó el cliente el resultado, y eso es una pregunta diferente. El Satisfaction Ratings report de Re:amaze muestra la valoración promedio de encuestas automatizadas enviadas tras resolverse una conversación, la distribución de valoraciones y cualquier comentario, según el resumen de informes. El Appreciations report muestra qué respuestas del personal gustaron a los clientes.
El problema es el tiempo. Una valoración llega después de resolverse la conversación, y solo si el cliente responde. El cliente molesto en el mensaje uno no tiene score hasta que el hilo termina. Use las valoraciones para revisar el mes pasado y el escaneo para mirar hoy. Mis publicaciones sobre CSAT con IA y cómo medir el sentimiento del cliente, y las entradas del glosario sobre CSAT y satisfacción del cliente, explican en qué se diferencian las dos métricas.
¿Cómo gestionan el sentimiento otros helpdesks?
La mayoría también se queda corta de un score siempre activo, así que Re:amaze no es inusual. Si una puntuación nativa es un requisito estricto, vale la pena comparar estos:
- Análisis de sentimiento de Zendesk
- Detección de sentimiento de Gorgias
- Análisis de sentimiento IA de Freshdesk
- Help Scout, Dixa y Freshchat documentan cada uno su propia versión
- Kustomer, HubSpot y Zoho Desk
Si la respuesta para usted es otro helpdesk, empiece con alternativas de IA a Re:amaze y Re:amaze frente a Dixa.
¿Dónde encaja eesel en el manejo de sentimiento de Re:amaze?
eesel es una plataforma de compañeros de equipo con IA, y el que importa aquí es el compañero de equipo de helpdesk con IA. No lo llamaría un panel de sentimiento: eesel no publica un score de ánimo, y la documentación de Re:amaze describe acciones, no una métrica de sentimiento. Lo que hace es actuar sobre señales que usted define, que es la parte que Re:amaze deja a una persona.
Re:amaze no tiene disparadores de eventos en eesel, así que el agente trabaja según un horario. En cada ejecución, hasta cada diez minutos, lista las conversaciones que coinciden con sus instrucciones, lee los 40 mensajes más recientes de cada hilo, y puede dejar una nota interna, añadir o quitar etiquetas, fijar el asignado y fijar el estado. Aprende por defecto de sus plantillas de respuesta y de conversaciones resueltas y archivadas de los últimos 30 días, y lee en vivo sus artículos del centro de ayuda. No ve adjuntos ni campos personalizados. Una ejecución programada usa al menos 1 crédito, y los planes empiezan en 299 $ al mes por 500 créditos, según la documentación de precios.

La instrucción es una frase, no una lista de palabras clave: "si el cliente está cancelando, amenazando con un contracargo o escribiendo sobre el mismo problema por tercera vez, etiquételo con needs-human, asígnelo al líder de equipo y escriba una línea sobre por qué". Puede pedirle al agente que trabaje primero una conversación real en el chat y leer qué haría antes de activar el horario.

Tres clientes de eesel muestran el patrón en otros helpdesks, así que léalos como el mismo diseño en una herramienta distinta:
- STIL Classics vende planificadores y carpetas en Shopify y ejecuta eesel sobre Gorgias. Entre el 8 de agosto y el 8 de septiembre de 2026 preparó unos 320 tickets, dejó unas 430 notas internas y consultó unos 230 pedidos de Shopify. Los borradores nunca ofrecen créditos ni códigos de descuento, porque la buena voluntad es una decisión humana. Esa es la forma correcta para un cliente molesto: el agente hace el trabajo previo y una persona decide cómo resolverlo.
- Cape Coffee Beans ejecuta revisiones programadas en Zendesk, unas 160 en el mismo mes, incluida una revisión diaria de tickets que se han quedado en silencio. Es el modelo más cercano a cómo funciona eesel en Re:amaze, ya que ambos corren según un horario.
- Original Bootcamp envía a una persona todo lo relacionado con lesiones o salud, cancelaciones y pagos en Freshdesk, y le dice al miembro que eso es lo que está haciendo. Es una regla de tema sensible escrita como una frase, no como un score de sentimiento.
Para el lado del proceso, vea escalado con IA, cómo tratar con clientes enfadados y detectar riesgo de churn en conversaciones. Las entradas del glosario sobre escalado y enrutamiento de tickets completan el vocabulario.
¿Qué configuración debería elegir un equipo de Re:amaze?
Elija según lo que tenga que ser cierto un lunes por la mañana. Mi recomendación por defecto para un equipo de menos de 10 agentes es el botón Scan en la derivación, un Pre-Filter y una revisión diaria de las conversaciones etiquetadas. No cuesta nada más allá del plan que ya tiene, y le muestra qué mensajes predicen realmente una mala semana.
| Si necesita | Use | Plan | Límite |
|---|---|---|---|
| Una lectura de un hilo en la derivación | Scan for Sentiment | Sin restricción encontrada | Manual, beta, formato de salida no documentado |
| Una señal de clientes molestos o que cancelan | AI Pre-Filter | Necesita el AI Agent activado | Filtro de temas, captura de tono sin probar |
| Una regla sobre intent de reembolso, contracargo o cancelación | Intents más Workflows | Pro para AI Intents | Se omite si un Pre-Filter coincide primero |
| Una tendencia de satisfacción reportada por el cliente | Satisfaction Ratings report | Plus o Pro, la documentación no coincide | Rezagada, solo clientes que responden |
| Una persona involucrada con un motivo escrito | Reglas de derivación de eesel | Plan de Re:amaze más eesel | Se ejecuta según un horario, sin score publicado |
Añada la última fila cuando su lista de palabras clave y prompts empiece a crecer más de lo que alguien puede mantener, o cuando perder una escalación cueste más que la herramienta. Si el problema de tono en realidad es un problema de respuestas, empiece con borradores de respuesta IA de Re:amaze y la guía del chatbot IA de Re:amaze. El resumen de la mejor IA para Re:amaze cubre las opciones, y si merece la pena Re:amaze ayuda si está evaluando el propio helpdesk.
Si revisa conversaciones para coaching, combine cualquiera de estas con una rutina de control de calidad y revisar conversaciones de soporte con IA. Para equipos de ecommerce que eligen su stack, mis publicaciones sobre la mejor IA de helpdesk para ecommerce y software de helpdesk para ecommerce comparan opciones, y intents y sentimientos separa lo que un cliente quiere de cómo se siente.
Pruebe eesel para Re:amaze
Si su equipo de Re:amaze necesita a una persona en las conversaciones molestas o sensibles sin esperar a una encuesta, eesel se conecta a su cuenta de Re:amaze con un login de personal y un token de API, sigue las reglas de derivación que usted escriba, y deja una nota interna explicando por qué, como hace STIL Classics en Gorgias. Empiece solo con notas, pruébelo en conversaciones pasadas, y luego amplíe lo que puede hacer una vez que las reglas se sostengan. Vea las opciones de soporte para ecommerce si está comparando.
Pruebe eesel gratis, o reserve una demo para verlo en sus propias conversaciones. Los términos AI Agent y base de conocimiento están en el glosario si quiere el contexto.