Prueba de agente de soporte con IA: 300 tickets, costo por ticket cerrado

Empieza con tu propia cola

Estás comparando agentes de soporte con IA y la presentación del proveedor parece creíble. La única pregunta que importa es si el agente cierra tickets reales sin generar trabajo adicional.

Durante la primera semana, cuatro plataformas cerraron cero tickets sin intervención humana. La prueba enfrentó 12 plataformas de agentes contra una carga de trabajo compartida de tickets de soporte. La carga compartida se construyó a partir de 300 tickets de soporte entrantes anonimizados de una empresa real de SaaS B2B.

Usa ese diseño. Toma tus propios tickets anonimizados, no prompts de ejemplo del proveedor, y pasa cada candidato por la misma porción de tu negocio. La carga de trabajo debe incluir los tickets que te duelen: facturación, restablecimientos de contraseña, errores de integración y esos casos raros que tu equipo ya sabe que son un lío. Si tu cola es mayoritariamente rutinaria, una demo sobre onboarding no te dirá mucho. Si tu cola está llena de casos límite, el agente debe mostrar dónde se detiene.

Haz la prueba justa antes de confiar en la puntuación

No dejes que un proveedor elija el entorno de prueba. Cada agente en esa prueba recibió un endpoint de reembolsos con un tope de $50. Un tope convierte el reembolso en una decisión acotada, de modo que el agente no puede esconderse detrás de una promesa sin límite.

Una configuración de seis plataformas cargó cada sistema con 80 artículos de la base de conocimiento y 5.000 tickets históricos, y luego procesó 200 tickets nuevos a través de todas las herramientas durante cuatro semanas. Replica esa estructura: suficiente historial para probar la memoria, suficientes tickets nuevos para probar la generalización y una ventana lo bastante larga para ver la degradación.

Incorpora verificaciones de fallo en la ejecución. Vigila el cierre prematuro: el agente marca el ticket como resuelto antes de que el cliente deje de preguntar. Vigila la pérdida de memoria: olvida la cuenta, el hilo anterior o el tope de reembolso. El escalado debe entregar a un humano el contexto, no solo el ticket. Las herramientas deben coincidir lo suficiente con producción para que una buena puntuación no dependa de una cola de prueba más limpia.

Cuenta solo los cierres que sobreviven a la revisión

Un cierre solo es útil cuando el problema del cliente se resuelve de verdad. Si el agente dice «cerrado», la métrica no es fiable. Una escala de tasa de cierre obliga al equipo a decir qué pasó, no solo si el ticket cambió de estado.

Construye una escala de tasa de cierre antes de ejecutar la prueba:

• Cerrado por completo: el problema del cliente se resuelve y ningún humano terminó el trabajo.
• Cerrado con edición humana: el agente hizo la mayor parte del trabajo, pero una persona modificó la respuesta.
• Escalado: el agente se detuvo correctamente y pasó el ticket a un humano.
• Sin resolver: el cliente sigue esperando.

En los resultados de costo, Claude Agents operó a $0,41 por ticket cerrado y OpenAI a $0,38. Fin de Intercom cobra $0,99 por ticket resuelto, y sus estudios de caso publicados muestran tasas de resolución entre 42 % y 67 %.

Realiza una verificación cruzada independiente. Que otra persona audite una muestra de tickets cerrados contra el hilo original. Elige la muestra al azar, no los tickets que el proveedor quiere que veas. Si el cliente aún tiene el problema, la tasa de cierre fue incorrecta. Si el agente escaló demasiado pronto, el costo por ticket cerrado se infló.

Calcula el número final de la misma manera cada vez. Suma la tarifa del agente, el costo del modelo y el tiempo de revisión humana, y luego divide entre los tickets que superaron la escala de tasa de cierre. Decide antes de la ejecución si los tickets con edición humana cuentan como cerrados. Si es así, indícalo en el informe. Si no lo son, la tasa de cierre baja y el costo por ticket cerrado sube.

Convierte la ejecución en un número de presupuesto

Mantén la comparación estrecha. Mide cada opción contra los mismos criterios: precio por ticket cerrado o resuelto, evidencia de resolución y comportamiento con reembolsos con tope. No dejes que una demo sustituya la ejecución.

Mantén el informe lo bastante corto para compartirlo con finanzas y lo bastante largo para defender el número. Debe cubrir la carga de trabajo, las herramientas, la definición de cierre, el costo y los fallos que observaste. Trata los precios publicados y las cifras de prueba como referencias, no como un ranking.

Usa el costo por ticket cerrado de tu propia ejecución para la próxima conversación de presupuesto. Si la cola cambia, vuelve a ejecutar la prueba antes de cambiar de proveedor.