Chatbot para empresas: cuándo funciona y cuándo no
Casi todo lo que vas a leer sobre chatbots para empresas está escrito por alguien que vende chatbots. Nosotros no vendemos licencias de nada, así que podemos permitirnos decir lo que normalmente no se dice: de los tres tipos de chatbot que nos piden, el que más se pide es el que peor funciona, y el que mejor retorno da casi nadie lo pide.
En nuestra guía de automatización de procesos con IA lo listamos directamente como un error: empezar por el chatbot es lo más vistoso y suele ser lo de menor retorno. Eso no significa que nunca compense. Significa que hay que saber cuál de los tres estás montando y para qué.
Los tres tipos, y por qué se confunden
Cuando alguien dice “quiero un chatbot”, puede estar hablando de tres cosas muy distintas, con costes y probabilidades de éxito que no se parecen en nada.
El de atención al cliente. Cara al público, responde dudas de gente que ya es cliente. Riesgo medio, retorno medio.
El comercial. Cara al público, capta y cualifica visitantes que no te conocen. Es el que más se pide y el que peores resultados da.
El interno. De cara a tu propio equipo, responde sobre tu documentación: procedimientos, tarifas, condiciones, histórico de proyectos. Es el que menos se pide y el que mejor retorno tiene, con diferencia.
La confusión sale cara porque los tres se construyen parecido pero fracasan por motivos distintos.
Escenarios reales que nos encontramos
Atención al cliente de primer nivel
Funciona cuando tienes un volumen alto de preguntas repetidas y una fuente de verdad que puedes mantener: condiciones de envío, estado de un pedido, cómo cambiar una contraseña, qué cubre la garantía.
Lo que decide el proyecto no es el modelo: es el traspaso a una persona. Un chatbot que resuelve el 60% y pasa el 40% restante con todo el contexto ya recogido —quién es, qué ha preguntado, qué ha intentado— es un éxito rotundo. Uno que resuelve el 80% y deja al 20% restante atrapado en un bucle sin salida es un desastre de atención al cliente, aunque el número grande se vea mejor en el informe.
Dónde se rompe: la respuesta segura y equivocada. El modelo inventa una condición de garantía que no existe, el cliente la da por buena y tienes un problema contractual. Por eso el chatbot de atención se monta sobre tu documentación real, con la instrucción explícita de decir “no lo sé, te paso con una persona” antes que improvisar. Suena obvio y es lo que casi nadie configura.
El comercial: el que más se pide y peor sale
La petición típica es “que hable con el visitante, entienda qué necesita y me lo cualifique”. Suena bien. En la práctica choca con dos realidades.
La primera es que el visitante que no te conoce no quiere conversar. Quiere ver qué haces, cuánto cuesta y quién eres. Un widget que salta a los tres segundos preguntando “¿en qué puedo ayudarte?” añade fricción a alguien que estaba leyendo tranquilo.
La segunda es que la cualificación conversacional funciona mal cuando nadie ha escrito qué es un lead bueno. Si el criterio vive en la cabeza del director comercial, el modelo no lo va a adivinar. Antes de montar el chatbot hay que escribir esa definición, y una vez escrita, muchas veces te das cuenta de que un formulario de cuatro campos bien pensado hace el mismo trabajo, sin riesgo y con una décima parte del esfuerzo.
Nuestra recomendación honesta en la mayoría de webs B2B: mejora el formulario y la página, y deja el chatbot comercial para cuando tengas volumen suficiente para que la conversación aporte algo.
El interno sobre tu documentación: el que sí compensa
Este es el que casi nadie pide y el que devuelve horas desde el primer mes.
Tienes procedimientos, tarifas, condiciones de contrato, actas, documentación técnica y el histórico de proyectos repartido entre unidades de red, Drive y correos. Cada vez que alguien nuevo necesita saber “¿qué margen aplicamos a este tipo de obra?” o “¿qué dijimos en el pliego del año pasado sobre plazos?”, interrumpe a la persona que lo sabe.
Un asistente que busca en esa documentación y responde citando de dónde lo ha sacado convierte quince minutos de interrupción en veinte segundos. Y aquí la alucinación es mucho menos grave, porque el usuario es tu propio equipo, sabe dudar y puede abrir el documento citado para verificar.
Dónde se rompe: la documentación desordenada o desactualizada. Si tienes tres versiones de la tarifa y ninguna dice cuál manda, el asistente te dará una de las tres con total seguridad. El trabajo real de este proyecto no es el chatbot, es ordenar la fuente.
Qué cuesta de verdad
El coste que la gente mira es el del modelo, y es el que menos importa. Procesar una conversación con un modelo comercial se mide en céntimos; con el volumen de una pyme, es ruido en la cuenta de resultados.
Los tres costes que sí deciden:
La puesta en marcha. Conectar tus fuentes, preparar la documentación, definir el alcance y montar el traspaso a persona. Es la mayor parte de la factura y es trabajo de ingeniería, no de configuración.
El mantenimiento de la base de conocimiento. Este es el que hunde proyectos. Un chatbot es tan bueno como la documentación que lee, y la documentación envejece. Si nadie tiene asignado mantenerla, en seis meses el asistente responde con las tarifas del año pasado. Antes de empezar hay que responder: ¿quién actualiza esto, y cuándo?
La supervisión inicial. Las primeras semanas alguien tiene que leer conversaciones reales y corregir. No es opcional, y hay que presupuestarlo.
Cómo medimos si funciona
La métrica que te van a enseñar es “conversaciones atendidas”. No sirve para nada: cuenta también las que acabaron mal.
Nosotros miramos otras tres. Resolución sin intervención: de las consultas que entraron, cuántas terminaron resueltas sin pasar a una persona. Calidad del traspaso: de las que sí escalaron, cuántas llegaron con el contexto completo, sin que el cliente tenga que repetirse. Y tasa de respuesta errónea, medida a mano sobre una muestra real cada semana, porque ninguna herramienta te la va a dar sola.
Si un chatbot resuelve poco pero escala impecablemente, es un buen proyecto. Si resuelve mucho y escala mal, tienes un problema que todavía no se ve en el informe.
Errores que conviene evitar
- Montar el chatbot antes de ordenar la documentación. Es el equivalente a automatizar sobre datos sucios: el asistente propaga tus contradicciones con voz segura.
- No configurar el “no lo sé”. Un modelo sin permiso explícito para admitir ignorancia siempre prefiere inventar algo plausible.
- Dejarlo escribir al cliente sin revisión en temas contractuales. Precios, garantías, plazos y condiciones: ahí el ahorro es pequeño y el riesgo no.
- Medir conversaciones en vez de resoluciones. El número sube y el cliente sigue enfadado.
- Empezar por el comercial porque es el más visible. Es el de peor retorno de los tres.
- No asignar quién mantiene la base de conocimiento. Sin un responsable con nombre, el proyecto se degrada solo en seis meses.
- Olvidar que los registros de conversación son datos personales. Están sujetos al RGPD: hay que decidir qué se guarda, cuánto tiempo y hacia dónde viaja. Lo desarrollamos en RGPD e IA: qué pasa con tus datos en un LLM.
Cómo lo abordamos
Empezamos por una pregunta incómoda: ¿qué pasa hoy con estas consultas? Si no hay volumen medido, no hay proyecto que justificar. Si lo hay, elegimos uno de los tres tipos —normalmente el interno, salvo que los datos digan otra cosa—, acotamos el alcance a un dominio concreto en lugar de “que responda de todo”, y montamos el traspaso a persona antes que ninguna otra cosa.
Después medimos durante unas semanas con supervisión humana sobre conversaciones reales, y solo entonces ampliamos el alcance. Es más lento que enchufar un widget, y es la razón por la que el resultado sigue en pie el segundo año.
Cierre
En LMNHUB montamos asistentes conversacionales cuando los números lo justifican, y lo decimos claro cuando no. No vendemos licencias ni cobramos por conversación, así que no tenemos incentivo en convencerte de que necesitas uno.
Si estás valorando un chatbot para tu empresa, cuéntanos tu caso y te decimos con franqueza cuál de los tres tipos te conviene —o si tu problema se resuelve mejor de otra forma.