Cada semana le llega a algún gerente de retail una propuesta con "IA" en el asunto. Chatbots que prometen eliminar el contact center, agentes que "resuelven todo solos". Nosotros también las recibimos. Y como trabajamos con tiendas reales (supermercados, farmacias, mejoramiento del hogar), nos toca ver la parte que el vendedor de software no ve: el lunes siguiente, cuando el jefe de local tiene que operar con eso puesto.
Así que hicimos el ejercicio de separar lo que ya funciona en una sala de venta de lo que todavía es demo. Con datos, no con entusiasmo.
El baño de realidad lo traen los datos de 2026
Qualtrics encuestó a más de 20.000 consumidores en 14 países para su reporte de tendencias 2026 y el hallazgo incomoda a toda la industria: según los propios encuestados, la IA aplicada a servicio al cliente falla casi cuatro veces más que la IA aplicada a cualquier otra tarea. Casi uno de cada cinco no percibe ningún beneficio. Y la preocupación número uno frente a interacciones automatizadas es el mal uso de sus datos personales: 53%, ocho puntos más que el año anterior.
Medallia midió la otra mitad del problema: el 66% de las marcas cree que su experiencia de cliente mejoró el último año, pero solo el 17% de los consumidores está de acuerdo. Cuarenta y nueve puntos entre lo que la empresa se cuenta a sí misma y lo que el cliente vive.
¿Y puertas adentro? Adobe, en su reporte 2026 con Oxford Economics, encontró que casi todas las empresas han piloteado algo con IA y que menos de una de cada cinco logró meterla en sus flujos diarios.
Ese es el terreno donde hay que decidir dónde poner la plata en 2026: clientes que desconfían y pilotos que se quedan en piloto.
El marco: IA de cara al cliente vs. IA de cara al equipo
Cuando ordenamos lo que hemos visto funcionar y fracasar, el patrón se repite. La IA que falla es casi siempre la que se pone delante del cliente: el bot que atiende el reclamo, la voz sintética en el teléfono. Ahí vive el 4x de tasa de falla y el 53% de desconfianza por los datos.
La que funciona trabaja para el equipo. Lee miles de comentarios, detecta el problema antes que el gerente zonal, redacta el borrador que un humano aprueba, cuenta frentes en la góndola a las 8 de la mañana. El cliente nunca la ve, pero nota el efecto: lo atienden mejor, encuentra el producto, y la respuesta a su reseña suena a persona.
Ese es nuestro filtro. IA que reemplaza al equipo frente al cliente: riesgo. IA que asiste al equipo detrás del mostrador: retorno. Los cuatro usos que siguen lo pasan.
Uso real #1: leer los verbatims en español chileno, no en español de manual
Una cadena de farmacias con 200 locales recibe miles de comentarios al mes entre encuestas, reclamos y reseñas. Nadie los lee todos. Y cuando el comentario dice "la química estaba sola, po, la fila llegaba hasta los pañales", un motor de sentimiento entrenado en español neutro entiende poco: ni el sarcasmo, ni que "los pañales" es una referencia espacial dentro del local.
Los LLM actuales sí procesan ese registro, y ahí hay una ventaja regional concreta: los líderes globales van atrasados en español profundo. Medallia recién sumó francés y alemán a su IA generativa nativa en febrero de 2026, con el español anunciado poco antes. Del español de manual al chileno con sarcasmo hay un trecho que, hasta donde hemos probado, nadie cubre bien todavía. Clasificar temas y urgencia sobre el 100% de los verbatims, y no sobre la muestra que alguien alcanzó a leer, es hoy lo más barato y rentable que se puede hacer con IA en CX.
Uso real #2: responder reseñas con borrador de IA y firma humana
Un supermercado de 70 tiendas acumula cientos de reseñas de Google al mes. Dejarlas sin respuesta castiga el posicionamiento local y le dice al detractor que a nadie le importó. Responderlas todas a mano no escala. Y la autopublicación es jugar con fuego: una respuesta genérica a un reclamo por un producto vencido puede terminar en pantallazo viral.
El punto medio ya está maduro. La IA lee la reseña, el historial de la tienda y el contexto, y redacta un borrador específico. Un humano lo aprueba, lo ajusta o lo descarta. El tiempo por respuesta baja de minutos a segundos y la tasa de respuesta sube sin perder el criterio de alguien que conoce la tienda. Conviene asumir que la firma humana llegó para quedarse: con la tasa de falla que midió Qualtrics, dejar que el sistema publique solo es justo el riesgo que no vale la pena correr.
Uso real #3: la alerta antes que el informe mensual
El informe de NPS de junio llega en julio. Para entonces, la tienda de mejoramiento del hogar que se cayó 12 puntos lleva cinco semanas con el patio de despacho colapsado los sábados.
La detección de anomalías más el análisis de causa raíz automático invierten ese orden: el sistema detecta el quiebre de tendencia en una tienda específica, cruza los verbatims de esas semanas y le entrega la hipótesis al responsable ("aumento de menciones de espera en retiro de materiales, concentrado los sábados en la mañana") cuando todavía se puede corregir. Y esto ya es exigible: en el Magic Quadrant de plataformas VoC 2026 de Gartner, la causa raíz con IA y las recomendaciones prescriptivas aparecen a lo largo de todo el cuadrante, no como rareza de un proveedor. Si el suyo se las cobra como módulo premium, está pagando sobreprecio por algo que el mercado ya trata como piso.
Uso real #4: la góndola también habla
El mercado de visión computacional para retail va camino de multiplicarse por más de siete hacia 2033 según Grand View Research: de 1.660 a 12.560 millones de dólares. Los usos maduros son mundanos: conteo de frentes, detección de quiebres de stock, tráfico por zona. El cliente no ve nada de eso, pero la experiencia le cambia entera.
Lo interesante es el cruce que casi nadie hace. Los proveedores de VoC miden lo que el cliente dice; los de visión miden lo que la tienda muestra; y hasta ahora no hemos visto un líder global que integre ambas señales en un mismo score. Pero el NPS que se cae y la góndola de bebidas quebrada el fin de semana largo suelen ser el mismo evento contado dos veces. En Treid CX ese cruce es la tesis del producto: el score de cada tienda se alimenta tanto del verbatim del cliente como de la foto de la góndola, porque en la sala de venta nunca fueron cosas separadas.
Lo que todavía no compraríamos: agentes autónomos frente al cliente
Los agentes de IA que resuelven casos de punta a punta existen y en algunos verticales funcionan. Para retail físico en LATAM, en 2026, ponerlos de cara al cliente sin traspaso humano visible nos parece una apuesta prematura. El mismo estudio de Adobe muestra que la mayoría de las organizaciones ni siquiera tiene IA agéntica en uso activo, y que menos de un cuarto corre pilotos limitados. El consumidor, además, ya avisó que desconfía. Si va a pilotear agentes, hágalo donde el costo del error es bajo y con salida a humano en un toque. Lo que el cliente no perdona no es hablar con una IA: es quedar atrapado en una.
La privacidad dejó de ser la letra chica
El 1 de diciembre de 2026 entra en plena vigencia en Chile la Ley 21.719 de protección de datos personales, con una agencia fiscalizadora nueva y multas de hasta 20.000 UTM, que en caso de reincidencia pueden llegar al 4% de los ingresos anuales. Todo sistema de CX con IA procesa datos personales: verbatims con nombres, historiales de reclamo, imágenes de tienda. Y recuerde el dato de Qualtrics: el uso de datos es la preocupación número uno del consumidor frente a interacciones automatizadas. Cumplir bien rinde dos veces, porque evita la multa y responde justo lo que el cliente está pidiendo. El proveedor que no pueda explicarle en una página dónde se almacenan los datos y cómo se anonimizan las imágenes de tienda se descarta solo.
El checklist antes de firmar
Cinco preguntas para la próxima propuesta de IA para CX que le llegue:
- ¿Esta IA asiste a mi equipo o reemplaza el contacto humano frente al cliente?
- ¿Entiende verbatims en español chileno real, con modismos y sarcasmo? Pida la demo con sus datos, no con los del proveedor.
- ¿Toda respuesta saliente pasa por aprobación humana configurable?
- ¿Las alertas llegan a nivel tienda, al responsable, antes del cierre de mes?
- ¿Puede acreditar cumplimiento de la Ley 21.719 hoy, no "en el roadmap"?
Y una acción para esta semana: tome los últimos 100 comentarios de clientes que recibió su empresa, da lo mismo el canal, y pregúntese cuántos leyó alguien y cuántos generaron una acción en la tienda de origen. Según el mismo reporte de Medallia, entre el 30% y el 40% de los departamentos no hace nada con el feedback que recibe. Ese número, medido en su operación, es el mejor caso de negocio para la IA bien puesta. O la mejor evidencia de que el problema nunca fue la falta de tecnología.