Allnisa
Agentes de IA
Qué debería hacer un agente de IA cuando no sabe una respuesta
Un buen agente no se mide solamente por lo que responde, sino por cómo reconoce un límite, pregunta lo necesario y deriva sin perder contexto.
Responder rápido no alcanza. En una conversación comercial, una respuesta incorrecta puede crear una expectativa que después alguien del equipo tiene que desarmar. El verdadero desafío no es conseguir que un agente hable: es conseguir que sepa hasta dónde puede hablar.
Un agente confiable necesita tres capacidades distintas. Debe reconocer qué información tiene, detectar qué dato falta para seguir y saber cuándo corresponde entregarle la conversación a una persona.
La diferencia entre no entender y no saber#
Parece una distinción menor, pero cambia completamente la respuesta.
Cuando el agente no entiende, la consulta puede estar incompleta o ser ambigua. Por ejemplo: “¿Cuánto sale?”. Antes de responder necesita saber de qué producto, cantidad o variante está hablando la persona. En ese caso corresponde hacer una pregunta concreta.
Cuando el agente entiende la pregunta pero no tiene la respuesta autorizada, preguntar más no resuelve nada. Si conoce el producto pero no tiene cargado el precio actualizado, debe decirlo y derivar.
Un sistema que mezcla estas dos situaciones termina dando vueltas, repitiendo preguntas o, peor, completando el dato con algo probable.
Qué información puede usar#
La fuente de verdad tiene que estar definida antes de conectar un modelo. Puede incluir:
- horarios y zonas de atención;
- productos o servicios vigentes;
- precios y condiciones comerciales aprobadas;
- políticas de cambio, entrega o cancelación;
- preguntas frecuentes respondidas por el equipo;
- reglas que indiquen qué casos siempre se derivan.
El agente no debería tomar cualquier texto disponible como una autorización para responder. Un documento viejo, una conversación aislada o una página de un proveedor pueden servir como referencia, pero no necesariamente representan la política actual del negocio.
Preguntar solamente lo que mueve la conversación#
Pedir datos por las dudas hace que la experiencia se sienta como un formulario. Cada pregunta debería tener una consecuencia clara.
Si saber la localidad permite calcular una zona de entrega, tiene sentido preguntarla. Si el teléfono no cambia la respuesta y ya existe un canal abierto, pedirlo en ese momento agrega fricción.
Una buena regla práctica es esta: antes de incorporar una pregunta, hay que poder explicar qué decisión habilita. Si no habilita ninguna, probablemente no haga falta.
Derivar no es abandonar#
“Un asesor se va a comunicar” suele ser el final de una automatización mal resuelta. La persona no sabe cuándo, por qué ni si tendrá que explicar todo de nuevo.
Una derivación útil debería dejar cuatro cosas claras:
- Qué parte de la consulta sí quedó entendida.
- Qué dato o autorización falta.
- Qué va a pasar a continuación.
- Qué resumen recibe la persona del equipo.
El agente puede preparar una nota como: “Consulta por veinte unidades del modelo X para entrega en Rosario. El precio mayorista no está cargado. Falta confirmar disponibilidad y plazo”. Esa nota convierte la automatización en una ayuda para ambos lados.
Los límites también se prueban#
No alcanza con escribir “no inventar” en una instrucción. Antes de publicar hay que probar deliberadamente situaciones incómodas:
- pedir un precio inexistente;
- insistir para obtener una excepción;
- mezclar dos consultas distintas;
- cambiar un dato a mitad de la conversación;
- solicitar información sensible;
- escribir con errores o mensajes muy cortos.
Estas pruebas muestran si las reglas sobreviven fuera del ejemplo ideal. También permiten registrar por qué el agente respondió, preguntó o derivó en cada caso.
La confianza aparece cuando el sistema es predecible#
Un agente no necesita contestar todo para ser útil. Necesita resolver bien lo repetitivo y comportarse de manera predecible cuando aparece una excepción.
Ese límite no es una falla del sistema. Es una parte del producto. Cuando está diseñado desde el principio, el equipo recibe menos ruido y las personas obtienen respuestas más claras sin quedar atrapadas en una conversación automática.