Deflexión de tickets: qué es y cómo medirla con honestidad

La deflexión se produce allí donde un cliente puede encontrar una respuesta antes de llegar a un agente. Cada canal la genera de una forma distinta y deja un rastro distinto en tus datos, así que conviene saber qué puedes medir realmente en cada uno.

No existe una definición común. Cada helpdesk cuenta algo ligeramente distinto, y por eso las tasas de deflexión de dos herramientas, o de los casos de éxito de dos proveedores, no se pueden comparar directamente.

Destacan dos patrones. Primero, las métricas más amplias, como la tasa de deflexión del agente de IA de Zendesk, las deflexiones supuestas y las resoluciones supuestas de Intercom, cuentan el silencio como éxito. Segundo, las métricas más estrictas añaden algún tipo de verificación: Zendesk solo cuenta una resolución automatizada cuando una comprobación con un LLM confirma que la solicitud se resolvió sin intervención humana, y las conversaciones que no superan esa comprobación no consumen una resolución automatizada.

La mayoría de las métricas de deflexión no distinguen a un cliente que encontró la respuesta de otro que se rindió. Un visitante que lee un artículo, no lo entiende y luego te llama por teléfono es una deflexión supuesta en el informe del centro de ayuda y un ticket en la cola telefónica. Un chat que termina porque el cliente cerró la pestaña parece igual que uno que terminó porque se resolvió el problema. Zendesk señala que incluso su categoría más estricta, 'AI agent-handled', puede incluir conversaciones en las que los clientes abandonaron antes de escalar o no quedaron satisfechos con la resolución.

El éxito real del autoservicio suele ser menor de lo que sugieren los paneles. En una encuesta de Gartner a 5.728 clientes, publicada en agosto de 2024, solo el 14% de los problemas de atención al cliente se resolvieron por completo mediante autoservicio, y solo el 36% incluso cuando los clientes describían el problema como muy sencillo.

Para que tus cifras de deflexión sean honestas:

• Informa por separado de las deflexiones confirmadas y las supuestas, y trata la cifra supuesta como un límite superior.
• Registra los contactos repetidos. Un cliente que te contacta por otro canal un día después de una sesión con deflexión no fue desviado.
• Vigila los contactos por cliente o por pedido. Si la deflexión sube pero los contactos por cliente no bajan, la deflexión solo existe sobre el papel.
• Lee cada mes una muestra de transcripciones de bots con deflexión para ver cómo terminaron realmente las conversaciones.
• Combina la deflexión con una métrica de calidad, como el CSAT de las conversaciones con el bot o los tickets reabiertos.

Algunas solicitudes deberían llegar a una persona lo antes posible, aunque técnicamente un bot pudiera responder. Desviarlas te ahorra un ticket y te cuesta un cliente.

• Clientes que piden expresamente hablar con una persona. Haz visible esa vía en lugar de esconderla tras varios turnos fallidos del bot.
• Problemas de seguridad, como cuentas comprometidas, sospechas de fraude o cargos inesperados.
• Disputas de facturación, reembolsos y cancelaciones, en los que una respuesta errónea o dilatoria tiene un coste directo.
• Quejas y escalados, sobre todo los contactos repetidos por el mismo problema.
• Solicitudes legales y de protección de datos, como las de acceso o supresión de datos personales, que necesitan una respuesta documentada.
• Problemas urgentes o relacionados con la seguridad física, y clientes que parecen angustiados o vulnerables.

Los clientes esperan esa vía de escape. En una encuesta de Gartner a 3.566 clientes, realizada en febrero y marzo de 2026 y publicada en agosto de 2026, el 87% afirmó que las empresas que usan IA generativa (GenAI) en la atención al cliente deben ofrecer acceso a un agente humano. El consejo de Gartner en ese mismo comunicado es no hacer de la IA generativa un primer paso obligatorio e intentar la resolución solo cuando la confianza sea alta, con una vía clara hacia una persona.

En la práctica, eso significa reglas de enrutamiento que envíen estas solicitudes directamente a la cola correcta, y un traspaso de bot a humano que transmita la conversación completa para que el cliente no tenga que repetir nada.

TascaLab crea chatbots con IA que responden a las preguntas frecuentes en tu web, WhatsApp, Telegram, Facebook Messenger o Instagram y pasan todo lo demás a tu equipo en Zendesk, Freshdesk o tus herramientas actuales. Un Starter Chat Bot cuesta 360 € y un Standard Chat Bot que cubre 3–5 canales cuesta 510 €, como proyecto puntual. Automated Reports (620 €) puede medir la deflexión junto con los contactos repetidos y las reaperturas, para que veas el efecto real. Todos los proyectos incluyen documentación básica, 30 días de soporte tras el lanzamiento y ningún coste oculto, y la mayoría de las implementaciones llevan 1–3 semanas. Una llamada de Health Check gratuita de 30 minutos es un buen punto de partida para decidir qué automatizar y qué dejar en manos de personas.