IA y retención de clientes: qué cambia para las empresas

Muse, lanzado inicialmente en Estados Unidos, puede abrir un navegador, completar formularios, comparar alternativas y, en determinadas situaciones, negociar en nombre del usuario. Cuando llega el momento de realizar una compra u otra acción sensible, vuelve a pedir autorización. El consumidor conserva la decisión final, pero ya no tiene que hacer personalmente todo el trabajo que conduce hasta ella.

Muse todavía no sustituye al cliente en las decisiones sensibles. La documentación de Meta no describe al agente trasladando por sí solo una cuenta bancaria, una póliza de seguro o un contrato de telecomunicaciones de un proveedor a otro. Tampoco necesita llegar tan lejos para alterar la relación. El cliente puede seguir decidiendo mientras la IA reduce el trabajo previo de buscar, comparar y hacer gestiones.

Para una empresa, eso significa que conservar al cliente ya no necesariamente equivale a haber dejado de competir por él. Una plataforma de IA puede intervenir antes de la compra, la renovación o el pago, aun cuando la venta final permanezca en manos del mismo proveedor. Mucho antes de estos agentes, quedarse con la misma compañía ya podía costarle más al consumidor que volver a revisar sus opciones.

Si parte de ese esfuerzo puede delegarse, una ventaja que dependía en cierta medida de que el cliente no volviera a mirar el mercado puede empezar a ser menos segura.

Retener al cliente ya no significa haber dejado de competir por él

El costo de no renegociar ya podía verse en la factura. En el mercado británico de banda ancha, Ofcom identificó 8.8 millones de clientes que seguían con su proveedor después de quedar fuera de contrato. Quienes firmaban uno nuevo con esa misma compañía pagaban alrededor de £8 a £9 menos al mes. No necesitaban cambiar de empresa para reducir la factura. Bastaba con volver a negociar con la que ya tenían.

En los seguros, la diferencia podía ser todavía mayor. Financial Conduct Authority encontró que las compañías utilizaban información sobre la probabilidad de renovación de sus clientes dentro de prácticas que permitían aumentar las primas con el tiempo. En 2018, alrededor de 6 millones de asegurados pagaban precios elevados. La FCA calculó que habrían ahorrado cerca de £1.2 mil millones si hubieran pagado el precio medio correspondiente a su nivel de riesgo.

Ese monto no era beneficio empresarial ni puede atribuirse completamente a que los clientes no compararan. Sí mostraba algo más sencillo: seguir con la misma compañía no significaba conservar las mismas condiciones.

Desde 2022, las aseguradoras británicas ya no pueden ofrecer a un cliente nuevo, por el mismo canal, un precio equivalente inferior al de una renovación comparable. La evaluación posterior de la FCA encontró que la relación entre antigüedad y sobreprecio se redujo con fuerza. La proporción total de clientes que abandonaron su aseguradora, en cambio, apenas se movió entre 2020 y 2022: en seguros de hogar pasó de 26% a 25% y en automóviles de 39% a 40%.

La compañía podía, por tanto, conservar buena parte de sus clientes incluso cuando disminuía su capacidad de cobrarles más simplemente porque llevaban más tiempo con ella.

Ofcom encontró otro resultado cuando obligó a los proveedores de telecomunicaciones a avisar a sus clientes que el contrato estaba por terminar y mostrarles las opciones disponibles. La proporción que firmó un nuevo acuerdo con la misma empresa aumentó entre 3 y 13 puntos porcentuales, según el proveedor. Entre algunos operadores, determinados grupos que renovaron después de recibir el aviso consiguieron un ahorro medio superior a £110 al año.

Las notificaciones no buscaban una oferta por el usuario ni negociaban por él. Solo le recordaban que había llegado el momento de volver a decidir. A veces bastaba con devolver esa decisión al cliente para que una relación que parecía estable volviera a ponerse en discusión.

Gráfico sobre el costo de no comparar precios en banda ancha y seguros, con datos de Ofcom y la FCA. — No volver a comparar o renegociar podía tener un costo para el cliente: datos de Ofcom y la FCA muestran diferencias en banda ancha y seguros, mientras los avisos de fin de contrato impulsaron nuevos acuerdos y ahorros. Gráfico: Ana Sosa para Mercado.

La IA no necesita decidir sola para cambiar la relación

Entre recibir una recomendación y entregar completamente una decisión existen distintos grados de delegación. Muse permite ver esa diferencia: puede comparar alternativas, realizar gestiones y negociar en determinadas situaciones, pero una acción sensible vuelve a requerir la autorización del usuario. El consumidor puede delegar trabajo sin entregar la última palabra.

Esa frontera aparece con claridad en una encuesta de Accenture a 25,590 consumidores de 16 países. El 74% se mostró abierto a que un agente realizara determinadas tareas. La proporción fue de 32% cuando el software podía tomar una decisión de compra dentro de límites fijados y el usuario revisaba antes de pagar, y cayó a 9% cuando la compra podía completarse de forma autónoma dentro de esas reglas.

No son cifras de adopción ni etapas de un mismo proceso. Miden distintos niveles de autonomía. La diferencia entre ellas muestra que la disposición a utilizar un agente disminuye a medida que aumenta el control que el consumidor debe cederle.

El dinero hace aún más visible ese límite. En una encuesta de la empresa de infraestructura de pagos NMI a 1,000 adultos en Estados Unidos, 70% consideró importante poder revisar o invalidar una decisión del agente antes de completar una compra. Entre las principales preocupaciones estaban gastar más de lo previsto o terminar comprando un producto equivocado.

La encuesta de NMI no es directamente comparable con la de Accenture: sus muestras y metodologías son distintas. Pero ambas ayudan a separar dos cosas que fácilmente pueden confundirse.

Aceptar la ayuda de la IA no implica necesariamente cederle el control del gasto.

Para cuando el consumidor llega al momento de aprobar, sin embargo, una parte del trabajo puede haber ocurrido sin su participación directa. La IA puede haber buscado, ordenado alternativas o adelantado gestiones. La autoridad sigue en manos del cliente, aunque parte del esfuerzo ya haya pasado a su cargo.

Gráfico sobre la disposición de los consumidores a delegar tareas y decisiones de compra a agentes de IA. — La disposición a utilizar agentes de IA disminuye a medida que aumenta la autonomía que se les concede. Accenture encontró diferencias entre delegar tareas, permitir decisiones dentro de límites y autorizar compras autónomas; NMI también registró una fuerte preferencia por mantener la posibilidad de revisión antes de pagar. Gráfico: Ana Sosa para Mercado.

Conservar la venta no significa conservar todo su valor

Una compra tampoco tiene que empezar y terminar en el mismo lugar. El comercio puede continuar fijando el precio, vendiendo, entregando el producto y atendiendo al cliente mientras otra empresa participa antes en la búsqueda, la comparación o el proceso que conduce a la compra.

Vender y llevar al consumidor hasta la venta empiezan a ser funciones separables. Y cada una puede convertirse en un negocio.

En la búsqueda de productos de ChatGPT, la plataforma puede participar en el descubrimiento y la comparación mientras el comercio mantiene su propio proceso de pago. OpenAI conserva además Instant Checkout para socios aprobados. En esas configuraciones, una compra puede cerrarse desde ChatGPT, pero el comercio continúa ocupándose de tareas como procesar la operación, entregar el producto y atender al cliente después de la venta. OpenAI contempla una pequeña tarifa sobre las operaciones completadas mediante ese programa, sin que esa tarifa determine qué productos aparecen primero.

Agentic Storefronts de Shopify permite algo parecido desde distintos canales de IA: los productos pueden descubrirse y comprarse desde esas interfaces sin que el comercio deje de ser el vendedor. El tipo de checkout y las comisiones dependen del canal y del proveedor de pagos.

Stripe añade otra capa. Parte del proceso de pago puede realizarse desde una interfaz utilizada por agentes mientras el comercio continúa siendo el vendedor responsable de la transacción, incluidos aspectos como impuestos, entrega y métodos de pago. No significa que la plataforma de IA se quede necesariamente con parte de los ingresos de la venta. Significa algo más básico: el camino que lleva al cliente hasta el pago puede repartirse entre varias compañías aunque el producto siga perteneciendo al mismo comercio.

América Latina y el Caribe ya ofrece algunas señales de esa infraestructura, aunque todavía en etapas distintas. Visa desarrolla pruebas mediante Visa Agentic Ready, mientras Mastercard ha informado de transacciones iniciadas por agentes y completadas de principio a fin en la región con consentimiento del tarjetahabiente.

Entre los participantes de Visa se encuentran Banco Popular Dominicano, Banco Santa Cruz y Banco Promerica República Dominicana. El anuncio no publica volúmenes para el país ni permite hablar todavía de adopción comercial masiva o medir efectos sobre ventas, márgenes o retención. Su importancia es más limitada, pero concreta: parte de la infraestructura necesaria para que un agente pueda intervenir en una compra también comienza a probarse en República Dominicana.

Para una empresa, aparecer finalmente en la factura ya no cuenta toda la historia. Puede conservar la venta, entregar el producto y atender al cliente mientras otras compañías participan antes en descubrir la oferta, conducir la compra o facilitar el pago. Eso no demuestra que el comercio esté perdiendo margen ni que las plataformas vayan a quedarse con la relación.

Sí vuelve menos útil una vieja equivalencia: saber quién vendió ya no basta para saber quién participó económicamente en conseguir esa venta.

La empresa también puede decidir con IA cuánto está dispuesta a ceder

La tecnología no trabaja únicamente del lado del consumidor. Antes de ofrecer un descuento, una empresa puede intentar calcular qué tan probable es que el cliente se vaya y qué tan probable es que acepte una propuesta para quedarse.

BT Business utiliza un sistema de Pega que estima ambas probabilidades y recomienda a sus empleados la siguiente acción en tiempo real. Según el caso publicado por el propio proveedor, BT ha registrado menor abandono y pérdidas, mayor productividad y un aumento del ingreso medio por transacción. Pega no publica cifras que permitan separar cuánto de esos resultados corresponde directamente al sistema.

La diferencia está en el momento en que empieza la decisión. Antes de formular una contraoferta, la empresa ya puede estimar si vale la pena hacerla y las probabilidades de que el cliente la acepte.

El descuento tampoco tiene que ser igual para todos. Las herramientas de Pega permiten identificar clientes considerados en riesgo y asignar presupuestos distintos a las ofertas de retención, con el objetivo declarado de reducir descuentos y proteger el valor de la relación. No hay información pública que permita calcular cuánto ahorra una empresa concreta con esa función ni cuál sería la rebaja óptima para cada cliente.

Gráfico sobre cómo la IA evalúa riesgo de abandono, probabilidad de aceptación y margen para decidir una oferta de retención. — La IA puede ayudar a las empresas a estimar el riesgo de abandono, la probabilidad de aceptar una oferta y cuánto margen conviene destinar a retener a cada cliente. Gráfico: Ana Sosa para Mercado.

La lógica económica es más sencilla que la tecnología que hay detrás. Una cuenta puede justificar una concesión, pero no cualquier concesión. El valor esperado de conservar al cliente puede hacer razonable un descuento en un caso y demasiado costoso en otro.

Eso tampoco significa que una IA esté negociando libremente precios con otra IA. Los sistemas descritos por Pega operan dentro de reglas y objetivos definidos por la empresa. Pueden ordenar información, calcular probabilidades y recomendar una acción. La política comercial sigue teniendo límites fijados por la organización.

Lo que sí puede reducirse es el trabajo necesario para decidir. Si una empresa puede estimar con mayor rapidez el riesgo de perder una cuenta, la posibilidad de que una oferta funcione y cuánto está dispuesta a conceder, puede responder de forma más selectiva. Automatizar el análisis no elimina el costo de retener al cliente. Hace más visible hasta dónde conviene pagarlo.

Los negocios basados en renovaciones, suscripciones o relaciones de largo plazo han contado durante años con una pequeña fricción a su favor. Revisar una factura, comparar alternativas y volver a negociar requiere tiempo. Esa incomodidad no significa que el cliente esté satisfecho, pero puede ayudar a prolongar una relación porque volver a mirar el mercado también tiene un costo.

Los agentes de IA empiezan a reducir parte de ese trabajo sin exigir que el consumidor entregue toda la decisión. Al mismo tiempo, las empresas pueden reducir su propio costo de analizar cuándo responder y cuánto ofrecer.

La recurrencia no desaparece por eso. Pero una relación estable puede depender menos de que ninguna de las partes vuelva a revisarla. Cuando comparar desde un lado y calcular una respuesta desde el otro exige menos esfuerzo, conservar al cliente depende cada vez más de que las condiciones de la relación sigan teniendo sentido cuando alguien decide volver a mirarlas.

Suscríbete a la revista y regístrate a nuestros newsletters para recibir el mejor contenido en tu buzón de entrada.