El agente de IA en atención al cliente que funcionó en inglés y no en español colombiano

El agente de atención al cliente había sido probado de forma exhaustiva antes del lanzamiento. Las pruebas habían cubierto los 200 escenarios de preguntas más frecuentes documentados en el histórico de tickets de soporte, todos los flujos de escalada cuando la pregunta superaba la capacidad del agente, y los casos de manejo de clientes con alta frustración. Las pruebas habían producido resultados que el equipo técnico consideró satisfactorios: el agente respondía correctamente el 89% de los casos de prueba. Lo que las pruebas no habían cubierto con suficiente amplitud era el rango completo del español colombiano que los clientes reales usaban en sus consultas.

El español colombiano de las consultas de soporte tenía características que los modelos de lenguaje entrenados principalmente en corpus de español peninsular o latinoamericano estándar no manejaban con suficiente naturalidad. Los coloquialismos regionales producían interpretaciones incorrectas que el agente manejaba con respuestas que eran gramaticalmente correctas pero contextualmente inapropiadas. Una consulta sobre "la plataforma está colgada" era interpretada literalmente como una pregunta sobre suspensión física, no como la expresión coloquial de que el sistema no respondía. Una pregunta sobre "cómo se parchea esto" sobre una funcionalidad específica producía respuestas sobre actualizaciones de software cuando la pregunta era sobre cómo se configuraba una función específica.

El problema más visible ocurrió con el manejo de las expresiones de frustración. Los clientes colombianos expresan frustración en conversaciones de soporte con un repertorio de expresiones coloquiales que el modelo no había visto en suficiente frecuencia en su entrenamiento para asociarlas correctamente con el estado emocional de frustración que debería activar el protocolo de escalada a un agente humano. Expresiones que para cualquier colombiano señalaban claramente que el cliente estaba molesto eran procesadas por el agente como consultas neutrales, produciendo respuestas técnicas donde el cliente esperaba reconocimiento de su frustración.

La corrección requirió 3 semanas de trabajo. La primera semana fue de identificación de patrones: analizar las conversaciones de las primeras 4 semanas de operación del agente para documentar los tipos de expresiones coloquiales que producían interpretaciones incorrectas. La segunda semana fue de creación de un vocabulario de contexto colombiano que el modelo usaba para ajustar sus interpretaciones antes de generar una respuesta. La tercera semana fue de pruebas del sistema corregido con los casos documentados y con un conjunto adicional de casos generados por miembros del equipo con el perfil demográfico de los clientes reales.

La lección que ese incidente inscribió de forma permanente en mi protocolo de implementación de agentes de IA en contextos latinoamericanos fue sobre la especificidad cultural del lenguaje natural. Los modelos de lenguaje son tan buenos como el corpus sobre el que fueron entrenados. En mercados donde el español tiene variantes regionales significativas, la prueba del sistema debe incluir muestras reales del español de la región específica, no solo del español estándar de los corpus de entrenamiento. El español de Bogotá y el de Medellín y el de Cali tienen suficientes diferencias de vocabulario coloquial para que un sistema entrenado en español genérico produzca errores que serían obvios para cualquier hablante nativo de la región.