Cómo la ingeniería centrada en el cliente impulsa avances revolucionarios en inteligencia artificial

¿Por qué tus inversiones digitales están dando menos de la mitad de lo prometido?

McKinsey no anda con rodeos: menos del 33% del valor esperado de las inversiones digitales se concreta en las empresas gigantes. Y no, no es cuestión de mala suerte ni de que los «gurús» del management lo hayan pifiado esta vez. El problema viene de raíz: casi todos arrancan por la tecnología y meten la experiencia del cliente como algo pegoteado después. Tecnología primero, clientes después. ¿Dónde pudieron haber fallado? Pues en que así se fractura todo el sistema, aparecen parches que no conectan y la experiencia del usuario se va al carajo. Y claro, luego te venden la transformación digital como si fuera la panacea, pero en realidad se parece más a piezas de Lego mal armadas.

Capital One, con Ashish Agrawal haciéndose cargo del cotarro tecnológico de tarjetas y pagos, propone darle la vuelta a la tortilla. No empezar con lo tech –sino con qué mierda quieren o necesitan sus clientes– y de ahí hacia atrás, concentrando la ingeniería en resolver problemas concretos y reales. Este “customer-back engineering” no es solo marketing barato. Es darle a los ingenieros la vara para que miren y respiren de cerca lo que el cliente sufre, desea o simplemente quiere. Y ya veremos por qué esto no es coser y cantar cuando se trata de inteligencia artificial.

Ingenieros a pie de trinchera: ¿milagro o necesidad?

Ashish Agrawal se juega diciendo que cuando los ingenieros están pegados a los clientes (literalmente), se generan innovaciones que no ocurren en despachos fríos. ¿Lo que pasa? La clásica cultura ingenieril no tiene quien la ponga a prueba directamente con la gente que usa y padece los productos. “Esta cercanía genera un efecto multiplicador porque los ingenieros pueden ver el problema desde otra óptica”, dice. Y no es de extrañar: el ingeniero ya está matriculado en la vida digital, domina datos, entiende sistemas. Entonces, ¿para qué hacer desarrollos que parten de supuestos, cuando puedes acoplar la innovación a demandas reales?

Capital One es casi obsesivo con esto. Se han marcado la meta loca de que todos sus ingenieros tengan puntos de contacto directos con clientes al menos unas cuantas veces al año. ¿Cómo lo logran en la práctica? Por ejemplo, con sesiones digitales donde analizan el recorrido del usuario, detectando donde la experiencia pincha. También alternan ingenieros trabajando con el equipo de soporte al cliente, para que entiendan a la perfección los dolores cotidianos. Y no se detienen ahí: lanzan hackathones donde el objetivo es resolver problemas reales de clientes, no ideas al aire o prototipos que solo buscan hype.

Una cultura así cambia la motivación interna de los técnicos. No están criando tecnologías para llenar currículos, sino para ver que sus aportes se reflejan directamente en la vida de quien compra o usa el servicio. Eso, amigos, es combustible para la creatividad.

Inteligencia artificial alimentada por datos y cercanía al usuario: el combo que no falla

Claro, los ingenieros están más cerca del problema, pero el asunto se pone caliente cuando le metes IA al medio. Según Agrawal, una de las mayores barreras en las grandes corporaciones es que esas mentes brillantes de la ingeniería no suelen tener acceso directo a clientes. Es terreno vedado. Eso dificulta el trabajo de identificar fallas y sacudir la innovación. Pero aquí entra el giro inesperado de la IA: el volumen y calidad de datos ahora pueden actuar como proxy para esa falta de contacto, permitiendo crear sistemas que “leen” y aprenden de las interacciones en tiempo real.

Por ejemplo, en el sector de atención al cliente, las conversaciones son resumidas al instante por modelos de IA y proporcionan contexto a los agentes humanos. Pero lo interesante no acaba ahí. Los sistemas «agentic» pueden hacer preguntas inteligentes por sí solos, algo que antes exigía tiempo para que un humano repase el hilo completo de una interacción. Eso acelera no solo la resolución, sino que eleva la experiencia del cliente a niveles que antes parecían ciencia ficción.

Este cambio no sería posible sin una infraestructura robusta de datos que mantenga todo conectado y limpio. Sin eso, cualquier intento de implantar IA para resolver problemas reales se convierte en otra chapuza más. Lo increíble es que, con un ecosistema así, lo que antes eran parches incrementales se convierten en revoluciones veloces y efectivas.

Chat Concierge: cuando la IA multiplica la capacidad de atención automotriz

Si creías que la IA para la experiencia cliente era solo un chatbot aburrido, Capital One te pone las pilas con Chat Concierge. Esta bestia funciona con varios agentes lógicos que trabajan en conjunto para simular el razonamiento humano pero a velocidad del rayo. Sí, interpreta peticiones, compara vehículos para ayudarte a elegir y puede hasta agendar tu prueba de manejo sin que nadie tenga que despegarse de la silla.

Lo más impactante es el ecosistema detrás: los compradores interactúan directamente en las páginas de los concesionarios, mientras los vendedores pueden entrar en el chat vía Navigator Platform para tomar el control o apoyar. Esta orquestación multiplica la agilidad y personalización, algo impensable hace unos años.

Este ejemplo es clave para entender qué significa “ingeniería al revés”: diseñar no para mostrar chiches tecnológicos, sino para mejorar desde abajo la experiencia real, activa y multinivel del cliente. La IA no es el fin, sino el medio para un proceso más humano y eficiente, retorcido pero con sentido.

¿El mito del agente IA que lo hace todo? Mejor tener los pies en la tierra

70% de los líderes (según encuesta de MIT Technology Review Insights) ya utilizan IA “agentic” en mayor o menor medida, y cerca de la mitad creen que esta tecnología mejora la detección de fraudes, la seguridad y la eficiencia. Suena bonito, pero ojo, que no es magia ni solución única. La mitad tampoco parece del todo convencida de que haya beneficios inmediatos en la experiencia cliente. Esto refleja el realismo que hay alrededor de la IA hoy: mucho hype, muchos tests, pero pocos casos verdaderamente robustos.

En fin, hoy los bancos y empresas intentan mejorar continuamente ámbitos concretos: desde ajustar pagos para que cuadren con nóminas hasta leer en tiempo real contratos financieros para extraer términos clave. Pero para alcanzar eso hace falta algo más que datos y algoritmos: una mentalidad AI-first, donde el problema del usuario está al frente y la tecnología se moldea alrededor, no al revés.

Los pilares para construir innovación AI sólida que no se caiga al primer impacto

Las perlas de Agrawal merecen mención porque ponen luz en medio del caos tecnológico.

Primero, replantear el núcleo del problema que la IA tiene que resolver. Nada de perseguir el hype sin ton ni son. El valor real está en solucionar problemas de clientes, hacer que la innovación transforme, no solo que sea rápida.

Segundo, la maraña de datos tiene que estar limpia y bien gobernada. Esto no es opcional. Un sistema AI agentic depende de una capa de datos coherente que permita entender, razonar y ejecutar sin perderse.

Tercero, rediseñar flujos de trabajo, integrando IA desde el inicio. Nada de tratar los modelos como cajas negras porque eso agota la confianza y crea cuellos de botella. Supervisión rigurosa y ética AI son imprescindibles para que los usuarios y técnicos crean en la tecnología que usan.

Cuarto, juntar un dream team multidisciplinario con ingeniería, ciencia de datos, producto y diseño. La rigidez mata. La flexibilidad y el aprendizaje gradual (adelante dentro en etapas: gateando, caminando, corriendo) son la clave si la empresa es nueva en AI.

Estos puntos están lejos de ser un manual aburrido. Son la hoja de ruta para que las compañías abandonen estrategias tecnológicas alienadas y abracen la transformación auténticamente.

¿Pero esto funciona realmente o es solo más humo 2.0?

Si has leído hasta acá y te preguntas si todo esto es solo otro powerpoint empresarial, vale la pena ser crudo: toda esta movida de “customer-back engineering” con IA suena genial, pero es lo que debió haberse hecho hace tiempo. La razón por la que tantas empresas aún fracasan es simple: no han invertido seriamente en cambiar la cultura, en poner al cliente antes que a su tech stack.

Capital One demuestra que los resultados existen y son tangibles, pero replicar esto sin compromiso y con medias tintas no va a disparar ninguna revolución. La disciplina para acercar ingenieros a clientes, para cuidar datos, para armar equipos cruzados… eso no se improvisa en un par de meses ni pasa porque sí.

¿Te atreves a replantear la forma en que tu empresa aborda la innovación tecnológica? ¿O seguirás creyendo que con poner un chatbot la cosa está hecha?

Aquí no hay varitas mágicas; hay trabajo duro y, sobre todo, ganas reales de poner al cliente donde debería estar siempre: en el centro del tablero, moviendo las piezas.

Artículos Relacionados