Qué pasó
Dave's Hot Chicken probó inteligencia artificial de voz en el autoservicio: un sistema que escucha al cliente, entiende el pedido y lo manda a la cocina sin que un empleado tome la orden.
Funcionó. Los pedidos se completaban. Y aun así la cadena lo retiró, con una razón que no tiene nada de técnica: a los clientes no les gustó hablar con un robot. El caso lo recogió Restaurant Dive.
Este caso está en la serie por el motivo contrario a casi todos los demás. Aquí nadie se equivocó. La empresa midió lo que había que medir, encontró un resultado incómodo y actuó en consecuencia. Es un sistema de decisión funcionando.
Por qué pasó
Cuando una organización prueba una automatización, casi siempre define primero la métrica más fácil de obtener: ¿el sistema hace lo que dice que hace? Para un tomador de pedidos por voz, esa métrica es la tasa de pedidos completados. Es objetiva, se calcula sola y suele ser la que aparece en la presentación del proveedor.
El punto es que esa métrica responde una sola pregunta: si la máquina funciona. No responde la otra, que es la que decide la suerte del proyecto: si la persona del otro lado quiere usarla. Son dos preguntas distintas y pueden tener respuestas opuestas, que es exactamente lo que ocurrió aquí. El pedido se completaba; la experiencia del cliente empeoraba.
La mayoría de los despliegues que fracasan lo hacen porque nadie hizo la segunda pregunta. El proyecto se declara exitoso con el número técnico, se extiende a toda la red y el deterioro aparece meses después en indicadores que ya nadie asocia con la automatización: menos visitas repetidas, tickets más chicos, peor calificación en reseñas. Para entonces la causa está enterrada bajo tres cambios más.
En un autoservicio esa segunda pregunta pesa más que en casi cualquier otro canal. El cliente está en su carro, con fila detrás, sin alternativa a mano y sin tiempo para pelear con una máquina que no entendió. No hay margen para la fricción.
Dónde te puede pasar a ti
El patrón se repite en cualquier canal donde la automatización toque directamente al cliente:
- El bot de WhatsApp que resuelve el 80% de las consultas mientras la gente escribe "humano" en el primer mensaje.
- El menú telefónico que clasifica bien las llamadas y alarga la espera de quien solo quería preguntar un horario.
- El asistente interno que responde correctamente y que el equipo dejó de abrir a la tercera semana.
- El formulario inteligente que valida todo y que la mitad de los visitantes abandona a la mitad.
En los cuatro, el indicador técnico se ve bien. Lo que nadie está mirando es la salida: cuánta gente busca la manera de esquivar el sistema.
Cómo se evita
- Definir dos métricas antes de encender, no una. Una responde si funciona. La otra, si la gente lo prefiere: tasa de abandono, pedidos de pasar a un humano, repetición de compra, calificación después de la interacción.
- Medir la fuga a humano como indicador principal. Es la señal más honesta que existe. Si sube, el problema no es de comprensión del sistema: es de aceptación.
- Dejar siempre una salida visible. Un canal automatizado sin ruta de escape no mide preferencia: obliga. Y lo que obliga no se puede evaluar.
- Probar en pocas sucursales y con comparación. Locales equivalentes sin el sistema, durante el mismo periodo. Sin comparación, el ruido de la temporada se lleva la conclusión.
- Escribir el plan de retirada antes del lanzamiento. Qué número, medido durante cuánto tiempo, obliga a apagar. Retirar algo que funciona técnicamente es difícil si el criterio se discute después.
Cómo lo hacemos en Catalizadora
Todo bot que instalamos sale con una salida a humano visible desde el primer mensaje, y esa fuga se mide como indicador de primera línea, no como detalle de soporte. Junto a la tasa de resolución reportamos cuánta gente prefirió esquivar el sistema. Si esa cifra sube, el bot se ajusta o se apaga, aunque sus respuestas sean correctas: un canal que la gente evita no es un canal.