Diseño de CX tras la IA: quién es responsable de la resolución en 2027

Diseño organizativo de CX tras la IA: los cuatro roles responsables de la resolución en 2027

Gartner prevé que, para 2027, el 50% de las empresas que atribuyeron una reducción de plantilla a la IA volverán a contratar personal para hacer un trabajo similar, con otros nombres de puesto. Esa frase resume todo el diseño organizativo de CX después de la IA: la variable nunca fue la plantilla, sino el organigrama.

En resumen: según Gartner, la mitad de las empresas que recortaron plantilla de servicio por la IA volverán a contratar para 2027 «con otros nombres de puesto», porque la IA traslada el trabajo al diseño de instrucciones, al criterio de escalación y a la evaluación, no fuera del edificio.

Metodología y fuentes

• Notas de prensa y datos de encuestas de Gartner: 321 responsables de atención y soporte al cliente encuestados en octubre de 2025; 199 responsables de servicio y soporte encuestados en abril–mayo de 2026; predicciones sobre la plantilla publicadas en septiembre de 2026.
• Comentarios de analistas de Gartner y Forrester, citados de las notas de prensa originales y de la información de Customer Experience Dive.
• Definiciones de roles de la competencia leídas directamente en las páginas de los proveedores Decagon, Sierra, MavenAGI, Fin de Intercom y Ada el 17 de septiembre de 2026.
• Cifras de evolución de los despliegues tomadas del benchmark de atención al cliente con IA de Aissist.io, una síntesis de fuentes publicadas y no un estudio: no hay muestra de despliegues ni N.
• Todas las cifras se verificaron en septiembre de 2026. Aviso: este es el blog de Aissist.io, y Aissist.io vende la capa operativa de IA descrita en la sección sobre líneas de reporte.

Este artículo define los roles y las líneas de reporte. Para los argumentos a favor de mantener a las personas en el bucle, consulta crea un equipo híbrido y cómo crear un equipo híbrido con Aissist. Para formar a las personas que se quedan, consulta mejorar las capacidades de los agentes con IA agéntica.

¿Por qué las empresas que recortaron personal de atención al cliente por la IA ya están volviendo a contratar?

Las empresas vuelven a contratar porque eliminaron a las personas y se quedaron con el trabajo. La predicción de Gartner es concreta: para 2027, el 50% de las empresas que atribuyeron una reducción de plantilla a la IA volverán a contratar personal para desempeñar funciones similares, pero con otros nombres de puesto, según la nota de prensa de Gartner de febrero de 2026, basada en una encuesta a 321 responsables de atención y soporte al cliente. Volver a contratar no es una retirada de la IA. Es la corrección de un error de archivo.

Las cifras con fecha, en un solo lugar:

Para 2027, el 50% de las empresas que atribuyeron una reducción de plantilla a la IA volverán a contratar personal para desempeñar funciones similares, pero con otros nombres de puesto. Solo el 20% de los responsables de atención al cliente había reducido realmente su plantilla de agentes por la IA en el momento de la encuesta. — Gartner, 3 de febrero de 2026 (321 responsables, octubre de 2025)

Para 2029, el 30% de los empleados despedidos por ser sustituidos por la IA tendrán que ser readmitidos, «a menudo con un coste significativamente mayor». — Gartner, "Four Shifts Shaping the Future of Work", 9 de septiembre de 2026

La cifra del 20% es la que replantea el debate. La mayoría de las organizaciones de servicio nunca llegaron a hacer el recorte, y las que lo hicieron están ahora redactando descripciones de puesto para el mismo trabajo. Kathy Ross, Senior Director Analyst en la práctica de Customer Service & Support de Gartner, atribuye buena parte de lo que sí ocurrió a la economía y no a la tecnología: «La mayoría de las reducciones de plantilla recientes se vieron influidas por las condiciones económicas generales, más que solo por la automatización».

Lo que encarece la recontratación es que el puesto que vuelve no es el que se fue. Emily Potosky, Senior Director Analyst en Gartner, explicó el mecanismo sin rodeos a Customer Experience Dive en septiembre de 2026:

«Yo diría que eso dibuja un panorama en el que vas a tener que volver a contratar a gente para hacer el mismo trabajo que intentaste eliminar.» — Emily Potosky, Senior Director Analyst, Gartner

Así que la pregunta que se hacen los compradores ha cambiado. Ya no es cuántas personas les permite eliminar la IA. Es para qué sirven las personas que quedan y dónde se sitúan.

¿Qué cambia en el diseño organizativo de CX cuando la IA resuelve de principio a fin?

El diseño organizativo de CX cambia de raíz: el trabajo pasa de gestionar contactos a gobernar un sistema, y eso rompe el organigrama en forma de cola. Una organización de soporte tradicional se construye en torno al volumen procesado: llegan los tickets, los niveles los absorben, los jefes de equipo gestionan la capacidad y cada rol se mide por el volumen que ha tocado personalmente. Cuando una capa operativa de IA resuelve los casos de principio a fin, nadie toca personalmente el volumen, así que la estructura que lo repartía ya no tiene nada que repartir.

Este es el antes y el después, en palabras y no en cajas.

Antes: la organización por colas. Un responsable de soporte (Head of Support) está por encima de dos o tres Support Managers. Cada manager es dueño de una cola y de un equipo de entre ocho y quince agentes repartidos en Nivel 1, Nivel 2 y Nivel 3. QA está a un lado, revisando unas pocas conversaciones por agente al mes, y el mantenimiento de la base de conocimiento es el veinte por ciento del tiempo de alguien. Todas las líneas de reporte directas siguen al volumen, y todas las métricas (tiempo de gestión, tickets por hora, ocupación) miden el rendimiento personal de una persona.

Después: la organización por resolución. Un responsable de la resolución está por encima de tres funciones que antes no existían como puestos: Ingeniería de agentes, que redacta e integra las instrucciones sobre las que actúa la IA; Escalación, un pequeño equipo sénior que recibe lo que la IA traspasa y define la regla de traspaso; y Evaluación, que decide si la IA acertó, no solo si respondió. El Nivel 1 deja de ser una capa. QA deja de ser una función lateral que revisa a personas y se convierte en Evaluación, que audita un sistema. Las líneas de reporte siguen ahora a la tasa de resolución, y esa tasa es una sola cifra de la que responde una sola persona.

Los responsables ya lo intuyen. La encuesta de Gartner de febrero de 2026 a 321 responsables de servicio y soporte concluyó que el 91% sufre presión de la dirección para implantar IA, el 80% planea trasladar al menos a algunos agentes a nuevos roles, el 84% planea añadir competencias al rol de agente y ajustar los perfiles de contratación, y el 58% aspira a convertir a agentes en especialistas en gestión del conocimiento. Los planes para remodelar los roles son casi universales. Las estructuras publicadas para la organización remodelada, no.

«Las organizaciones de servicio están entrando en un periodo en el que la IA y la experiencia humana deben trabajar en tándem. Los responsables no solo están desplegando IA: están rediseñando los modelos de servicio para garantizar que la tecnología mejore la experiencia del cliente mientras las personas aportan contexto, empatía y criterio.» — Kim Hedlin, Director, Research, práctica de Customer Service & Support de Gartner, Gartner

La posición de Aissist.io aquí no es neutral, y se deriva del producto: una capa operativa de IA que resuelve el servicio y las ventas de principio a fin elimina la cola como principio organizador. Lo que queda por organizar es la calidad de las instrucciones, el criterio de escalación y la medición. Tres cosas, tres funciones, un responsable.

¿Qué cuatro roles son responsables de la resolución en una organización de CX centrada en la IA?

Cuatro roles cargan con el trabajo que sobrevive a la automatización de principio a fin: el ingeniero de agentes, el especialista en escalación, el líder de evaluación y el responsable de la resolución. A continuación se define cada uno como un puesto independiente, no como el perfil de producto de un proveedor.

1. Ingeniero de agentes (Agent Engineer). El ingeniero de agentes diseña, construye y pone en producción las instrucciones, herramientas e integraciones que usa un agente de IA para resolver un caso de principio a fin. El trabajo es de traducción: tomar una política que una persona tenía en la cabeza y convertirla en algo que un sistema ejecute de forma fiable, y después conectar el CRM, el sistema de pedidos y las API de pago que el agente necesita para actuar. Es el único rol al que el mercado ya ha puesto nombre: Sierra y Decagon contratan para él con este título exacto.

2. Especialista en escalación. El especialista en escalación resuelve los casos que la IA traspasa y es responsable de la regla que decide qué se traspasa. Es la parte sénior del antiguo banquillo de Nivel 2 y Nivel 3, reconvertida: menos personas, casos más difíciles y una segunda obligación, que es dejar por escrito por qué se escaló un caso de una forma sobre la que el ingeniero de agentes pueda actuar. Max Ball, de Forrester, llama a la versión de primera línea «desbloqueadores de bots» (bot unblockers) y a la versión sénior «jueces» y «expertos».

«Es un trabajo al que creo que pasará un buen número de agentes de primera línea.» — Max Ball, Principal Analyst, Forrester, sobre los desbloqueadores de bots, en Customer Experience Dive

3. Líder de evaluación. El líder de evaluación decide si las resoluciones de la IA fueron correctas, y dirige el muestreo, la puntuación y las pruebas de regresión que lo demuestran. No es el QA de siempre con otra etiqueta. El QA tradicional calificaba el tono de una persona en cinco conversaciones al mes; la evaluación califica el criterio de un sistema en todas las conversaciones, detecta regresiones cuando cambia un prompt o un modelo y produce las pruebas que permiten a una empresa confiar en un reembolso automatizado. Es el rol que más a menudo se omite, y aquel cuya ausencia aparece en la estadística de recontratación.

4. Responsable de la resolución. El responsable de la resolución rinde cuentas de la tasa de resolución de la IA y las personas en conjunto, como una única cifra con un coste asociado. En otros sitios a este rol se le llama Agent PM o AI Programs Lead; el nombre importa menos que la responsabilidad, que abarca todo el recorrido y no un canal concreto. Fija qué puede hacer la IA, financia la función de evaluación y responde del CSAT y del coste por resolución en la misma frase.

El cuarto rol da coherencia a los otros tres. Sin él, Ingeniería de agentes reporta a Ingeniería y optimiza los flujos de trabajo puestos en producción, Escalación reporta a Soporte y optimiza el vaciado de colas, y Evaluación no reporta a nadie y se recorta en la primera revisión presupuestaria, que es más o menos como un equipo acaba volviendo a contratar en 2027.

¿A quién reportan estos roles y por qué no al contact center?

Reportan al responsable de la resolución, que reporta a operaciones o al ejecutivo de CX, no a la dirección del contact center, porque la dirección del contact center está organizada en torno a la capacidad y estos roles no. El trabajo de un gestor de colas es ajustar la plantilla al volumen entrante. Ninguno de los cuatro roles anteriores produce ni absorbe volumen, así que medirlos dentro de esa estructura genera los incentivos equivocados en cuestión de un trimestre.

Hay dos líneas punteadas que importan. El ingeniero de agentes necesita la revisión de código y la disciplina de releases de Ingeniería sin heredar su hoja de ruta, o el trabajo con agentes se convierte en un elemento del backlog detrás del producto. El líder de evaluación necesita una línea con Riesgos o Cumplimiento, porque en cuanto una IA emite reembolsos o cambia datos de una cuenta, «¿acertó?» deja de ser una pregunta de CX y se convierte en una cuestión de gobernanza de la IA.

Una regla explica por qué el líder de evaluación no puede reportar al manager del ingeniero de agentes: si quien construye el agente también es dueño de la puntuación que lo califica, la puntuación deja de ser información. Cualquier otra función de calidad en una empresa seria está separada de aquello que mide. La atención al cliente automatizada ha sido la rara excepción, sobre todo porque la puntuación solía ser un porcentaje de contención que de todos modos nadie se creía.

Lo que aporta la independencia, en concreto: una función de evaluación puntúa cada conversación con una rúbrica fija, aplicada de forma uniforme y no sobre una muestra, y reporta a alguien que no es responsable del objetivo de automatización. La prueba para saber si tienes una es sencilla: una función de evaluación que nunca contradice al marketing no es una función de evaluación.

Una nota de primera mano. El 17 de septiembre de 2026 leímos las seis páginas de proveedores que hoy definen estos roles: las publicaciones de Decagon sobre diseño organizativo de CX y sobre el agent engineer, la página de Sierra sobre el agent engineer, el artículo de MavenAGI sobre el responsable de soporte como PM, el plan organizativo de Intercom Fin y el organigrama de IA de Ada. La de Ada es la única que asigna líneas de reporte. Ninguna de las seis cita una fuente externa para una sola cifra, y cinco no incluyen ninguna estadística, lo cual está bien como punto de partida y se queda corto como base para un organigrama que tendrás que defender en una revisión presupuestaria.

¿Qué equipos acaban en la estadística de recontratación?

Los equipos que recortaron plantilla antes de que existiera la función de evaluación, y los que dimensionaron el recorte a partir de una cifra de marketing. Una parte sustancial de los contactos sigue llegando a una persona con cualquier medición honesta, porque cada escalación y cada transferencia cuentan como no resueltas. Si recortas el equipo de escalación suponiendo que la IA se lo queda todo, lo que sobra no tiene dónde caer. Dimensiona ese equipo según tu propia tasa de escalación medida, no según lo que un proveedor afirma sobre la resolución.

La dispersión entre despliegues es el verdadero problema de planificación. La resolución de principio a fin varía enormemente entre cuentas que usan una tecnología idéntica, sobre todo por la composición de la carga de trabajo y no por la elección del proveedor. No hay una ratio de plantilla que copiar de un caso de éxito, solo la cifra que produce tu propio tráfico.

El benchmark de atención al cliente con IA de Aissist.io añade la trayectoria: los despliegues nuevos suelen arrancar con un 40–50% de resolución y mejoran aproximadamente un punto al mes a medida que maduran los flujos de trabajo y la documentación. Esa mejora no es una propiedad del modelo. Es el trabajo de alguien, y eliminar a ese alguien congela la curva en el rendimiento del lanzamiento.

El dinero ya se está moviendo, y eso es lo que encarece el error de secuencia. La encuesta de Gartner de agosto de 2026 a 199 responsables de servicio y soporte concluyó que el gasto en IA ha subido un 38%, mientras que los presupuestos generales de servicio y soporte solo han crecido un 2%: la partida de IA se está financiando con el resto de la función.

«Para financiar iniciativas de IA ambiciosas, los responsables desvían cada vez más el gasto de la mano de obra y los costes generales hacia la tecnología.» — Kim Hedlin, Director Analyst, práctica de Customer Service & Support de Gartner, Gartner

Redirigir el presupuesto de personal hacia la tecnología es lo correcto si la tecnología absorbe el trabajo. Es una trampa si los roles que hacen funcionar la tecnología estaban en el presupuesto de personal que acabas de recortar. Las predicciones de Gartner sobre el futuro del trabajo de septiembre de 2026 agravan el coste de equivocarse de orden: para 2027, el 75% de las organizaciones que priorizan las mejoras de productividad de la IA como ahorro de costes serán superadas por competidores que reinviertan esas mejoras en innovación, modernización y formación.

La secuencia segura no tiene nada de glamurosa. Pon en marcha primero la evaluación, porque es la única función que te dice qué se le puede confiar a la IA a continuación. Nombra en segundo lugar a un responsable de la resolución, para que la cifra tenga una dirección. Contrata o reconvierte en tercer lugar la ingeniería de agentes, sobre los flujos de trabajo que la evaluación haya demostrado que están listos. Reduce plantilla en último lugar, si la tasa de resolución lo justifica, y nunca eliminando el equipo de escalación, porque los casos que traspasa la IA son, por definición, los difíciles. Pulse™ de Aissist.io evalúa a los agentes humanos y de IA con métricas que define el negocio y no por la contención, pero la secuencia es válida sean cuales sean las herramientas que use un equipo.

La resolución es un problema de diseño organizativo, no de plantilla

Las predicciones de Gartner sobre la recontratación no demuestran que la IA rinda menos de lo prometido. Demuestran que el trabajo que crea la IA nunca se presupuestó. El diseño de instrucciones, el criterio de escalación y la evaluación son trabajos reales con resultados reales, y no encajan en una estructura construida para repartir tickets entrantes; por eso el personal vuelve «con otros nombres de puesto».

La prueba práctica para el diseño organizativo de CX del año que viene es una sola pregunta: ¿quién rinde cuentas de la tasa de resolución, entre la IA y las personas, como una única cifra con un coste asociado? Si la respuesta es un nombre, los cuatro roles anteriores tienen a quién reportar. Si la respuesta es un comité, la previsión de recontratación habla de ti. Aissist.io aborda el lado humano en crea un equipo híbrido, cómo crear un equipo híbrido con Aissist y mejorar las capacidades de los agentes con IA agéntica, aunque una consulta pone a prueba una estructura más rápido que un artículo de blog.

Nombra al responsable antes de dimensionar el equipo. Pulse™ de Aissist.io da a la función de evaluación una cifra de resolución que puede defender, sobre el help desk que ya usas. Reserva una consulta →

Preguntas frecuentes

¿Qué hace realmente un ingeniero de agentes de IA?

Un ingeniero de agentes de IA diseña, construye y pone en producción las instrucciones, herramientas e integraciones que usa un agente de IA para resolver casos de clientes de principio a fin. El trabajo combina el diseño de prompts y de comportamiento con la integración de API, y después la iteración sobre el rendimiento en producción. Sierra y Decagon contratan para este rol con ese título.

¿Quién debe ser responsable de la tasa de resolución en una organización de soporte centrada en la IA?

Un único responsable de la resolución debe responder de la tasa de resolución, el CSAT y el coste por resolución en un solo cuadro de mando que cubra a la IA y a las personas en conjunto, reportando al COO o al VP de CX. Repartir la cifra entre un programa de IA y una cola humana es la forma de que desaparezca la responsabilidad. Los datos de Gartner muestran que el 80% de las organizaciones ya planea trasladar agentes a nuevos roles.

¿El product manager de agentes de IA es un trabajo real o un invento de los proveedores?

Es un trabajo real con un título aún sin asentar. Decagon lo llama agent product manager, MavenAGI lo plantea como responsables de soporte que se convierten en product managers y Ada lo llama AI Programs Lead o ACX Director. La responsabilidad (decidir qué puede hacer la IA y con qué se mide) es la misma en los tres casos.

¿Se puede reconvertir a los agentes de soporte actuales para estos roles?

Sí, para tres de los cuatro. Los especialistas en escalación salen de los agentes sénior de Nivel 2 y Nivel 3, los líderes de evaluación de los responsables de QA con nuevas herramientas, y el trabajo de conocimiento de los actuales responsables de contenidos; Gartner concluyó que el 58% de los responsables aspira a convertir a agentes en especialistas en gestión del conocimiento. La ingeniería de agentes suele ser una contratación o un traslado desde la ingeniería de soporte técnico.

¿Debemos recortar la plantilla de soporte antes o después de desplegar la IA?

Después, y solo cuando una función de evaluación pueda mostrar qué flujos de trabajo resuelve la IA de forma fiable. Gartner prevé que el 50% de las empresas que atribuyeron una reducción de plantilla a la IA volverán a contratar para 2027, y que el 30% de los despidos provocados por la IA tendrán que revertirse para 2029, «a menudo con un coste significativamente mayor».

¿Qué pasa con QA cuando la IA gestiona la mayoría de las conversaciones?

QA se convierte en una función de evaluación: en lugar de puntuar el tono en una muestra de conversaciones humanas, puntúa el criterio de un sistema a gran volumen, detecta regresiones cuando cambian los prompts o los modelos y produce las pruebas de auditoría que una empresa necesita antes de dejar que la IA emita reembolsos. Además, deja de reportar al equipo que construye el agente.

¿Cuántas personas necesitan estos cuatro roles?

Menos que la organización por colas a la que sustituyen, pero no cero, y la proporción depende de tu propia tasa de resolución y no del benchmark de un proveedor. La resolución de principio a fin varía mucho entre despliegues con la misma tecnología, así que dimensiona el equipo de escalación según el volumen que tu IA traspasa realmente y no según una tasa publicada.