Control de calidad con IA en call center bilingüe.

El monitoreo tradicional es un muestreo. Un evaluador escucha unas cuantas llamadas por agente al mes y las califica con un formato. Funciona, pero es lento, y una muestra tan chica puede no ver el patrón importante: el agente que solo se salta el aviso de grabación en las transferencias, o la política que confunde a los clientes todas las noches.

La IA cambia el trabajo, no solo la velocidad. Se califican todas las interacciones, así que los evaluadores dejan de buscar problemas y empiezan a juzgar los que el sistema encuentra. Su semana pasa de escuchar al azar a revisar alertas, resolver diferencias y dar coaching.

Lo que no cambia es quién decide. Asistido por IA significa que una persona sigue siendo responsable de cada calificación que afecta el pago, las llamadas de atención o los ascensos de un agente. Quien se salta esto suele perder la confianza de sus agentes en todo el programa en pocos meses.

Casi todas las implementaciones siguen el mismo flujo. La calidad de cada paso limita a los siguientes, así que revísalos en orden.

Los clientes bilingües cambian de idioma. Alguien puede empezar en inglés, dar su dirección en español y quejarse mezclando los dos. Muchas herramientas manejan un idioma por interacción, y justo en el cambio se acumulan los errores. Prueba con llamadas reales que mezclen idiomas antes de confiar en los resultados.

El español tampoco es uno solo. Un modelo entrenado con una variante puede fallar con otra y con las palabras regionales de todos los días. Si tus clientes son del norte de México, de la capital o del Caribe, prueba con grabaciones de esos clientes.

Califica en el idioma en que se habló. Traducir una llamada al inglés y luego calificarla suma una segunda capa de errores, y es peor justo donde importa el tono. Escribe el formato en los dos idiomas, con ejemplos en cada uno, para que un criterio como “reconoció la molestia del cliente” signifique lo mismo en ambos.

Cuidado con números y nombres. Números de cuenta, fechas, direcciones y apellidos es donde más falla la transcripción, y de ellos dependen los criterios de exactitud. Revísalos a mano las primeras semanas.

La IA es constante y no se cansa a las cuatro de la tarde. Es más fuerte en lo que se puede comprobar en la transcripción: si se dio el aviso, si se verificó la identidad, si hubo espera, si se prometió una llamada con fecha. Es más débil donde el significado depende del criterio y del contexto.

Trata a la IA como un evaluador nuevo que hay que calibrar, no como un instrumento de medición. Cada semana, que personas califiquen una muestra que la IA también calificó, sin ver sus resultados. Mide qué tan seguido coinciden en cada criterio, por separado en inglés y en español.

Donde coinciden poco, lee las diferencias. Casi siempre la causa es un criterio ambiguo, no un modelo débil. Reescribe el criterio con mejores ejemplos, vuelve a correr la muestra y revisa si mejora. Guarda versiones del formato y de las instrucciones de calificación, para saber qué versión produjo cada resultado.

Sigue calibrando después del lanzamiento. Los productos, las políticas y los guiones cambian, y un modelo que califica con la política del trimestre pasado va a castigar a quien sigue la nueva.

Esto no es asesoría legal, y tus abogados deben decidir qué reglas aplican a cada programa. Estas son las preguntas que aparecen en casi toda operación bilingüe.

Clientes en México. La ley federal de protección de datos personales en posesión de particulares exige un aviso de privacidad que diga qué datos recabas y para qué. Asegúrate de que incluya las grabaciones y su análisis automatizado.

Clientes en Estados Unidos. Algunos estados exigen el consentimiento de todas las partes para grabar, así que el aviso de grabación va al inicio de cada llamada, en el idioma de la llamada. Y en 2024 la FCC determinó que las voces generadas con IA en llamadas automáticas cuentan como voces artificiales bajo la ley TCPA, así que aplican las reglas de consentimiento.

Datos de tarjeta. Las reglas de PCI DSS son estrictas. Lo más seguro es no grabarlos nunca, pausando la grabación o cobrando por un canal seguro aparte. Si un número de tarjeta llega a una grabación, hay que ocultarlo antes de guardar transcripciones o enviarlas a cualquier modelo.

Fuentes: FCC Declaratory Ruling FCC 24-17 on AI-generated voices (2024) · PCI Security Standards Council: document library

Si chatbots o agentes de voz con IA atienden parte de tu volumen, califícalos con el mismo formato que a tu gente. Al cliente no le importa quién le falló, y la dirección va a querer saber si la IA atiende igual de bien que el equipo.

Elige esas conversaciones a propósito. Una muestra al azar del tráfico de bots son sobre todo preguntas fáciles bien resueltas. Revisa las que pidieron hablar con una persona, las que se transfirieron y las que duraron mucho. Ahí aparecen las respuestas inventadas y las transferencias mal hechas.

Una calificación con la que nadie hace nada es solo vigilancia. El objetivo de revisar todo es dar mejor coaching, así que arma ese proceso antes de encender la cobertura completa.

Trabaja una cosa a la vez. Cada agente tiene un comportamiento que mejorar por semana, con dos o tres ejemplos reales de sus propias interacciones. Que vean sus calificaciones y la evidencia, y que tengan forma de impugnarlas. Cada impugnación es calibración gratis.

Reconoce también las buenas llamadas. Revisar todo encuentra al agente que calmó a un cliente molesto en dos idiomas a la vez. Escuchar esa llamada en equipo enseña más que otro recordatorio de políticas.

Mira el programa de calidad y el resultado para el cliente juntos. Si las calificaciones suben pero los recontactos y las quejas no bajan, puede que los agentes estén aprendiendo a cumplir el formato y no a atender mejor.

Implementa la IA en paralelo con tu proceso actual antes de reemplazar nada. Dos meses bastan para saber si es confiable en los dos idiomas.

Ya sea que compres software o contrates la operación completa, estas preguntas separan un programa que funciona de una demo.