Suite 2026: bandeja de entrada, IA, contabilidad.Abrir aplicación
← Investigación de Workspace369

Datos, con el trabajo mostrado.

Estadísticas de rendimiento de servicio al cliente con IA

Compare los resultados medidos de soporte asistido por IA con las expectativas del cliente, manteniendo separadas la productividad de resolución, la calidad y las opiniones de encuestas de proveedores.

La versión corta

Edición 2026

Conclusiones clave

Cada entrada enlaza a su fila de datos canónica. Las cifras reportadas pertenecen a su productor citado; los resultados modelados se etiquetan como cálculos.

  1. Estudio de soporte: aumento en los problemas resueltos por hora: 15.2% (Implementación principalmente otoño 2020-invierno 2021; artículo publicado en febrero de 2025).Brynjolfsson, Li y Raymond
  2. Estudio de soporte: reducción en el tiempo promedio de manejo de chat: 8.5% (Implementación principalmente otoño 2020-invierno 2021; artículo publicado en febrero de 2025).Brynjolfsson, Li y Raymond
  3. Estudio de soporte: aumento en la participación de chats resueltos, aproximadamente (no estadísticamente significativo): 1.3 pp (Implementación principalmente otoño 2020-invierno 2021; artículo publicado en febrero de 2025).Brynjolfsson, Li y Raymond
  4. Estudio de soporte: disminución en el NPS del cliente, aproximadamente (no estadísticamente significativo): 0.12 (Implementación principalmente otoño 2020-invierno 2021; artículo publicado en febrero de 2025).Brynjolfsson, Li y Raymond
  5. Estudio de soporte: aumento en los problemas resueltos por hora para agentes menos cualificados y con menos experiencia: 30% (Implementación principalmente otoño 2020-invierno 2021; artículo publicado en febrero de 2025).Brynjolfsson, Li y Raymond
  6. Encuesta de consumidores de Zendesk: quieren que el representante continúe desde la interacción anterior: 81% (informe de 2026 publicado en noviembre de 2025; fechas de trabajo de campo no reveladas en la publicación).Zendesk
  7. Encuesta de consumidores de Zendesk: frustrados por repetir información: 74% (informe de 2026 publicado en noviembre de 2025; fechas de trabajo de campo no reveladas en la publicación).Zendesk
  8. Encuesta de consumidores de Zendesk: dicen que la capacidad de respuesta y la precisión afectan fuertemente las compras: 86% (informe de 2026 publicado en noviembre de 2025; fechas de trabajo de campo no reveladas en la publicación).Zendesk
  9. Encuesta de consumidores de Zendesk: elegirían texto, voz y elementos visuales en una sola conversación: 76% (informe de 2026 publicado en noviembre de 2025; fechas de trabajo de campo no reveladas en la publicación).Zendesk
  10. Encuesta de consumidores de Zendesk: esperan explicaciones para las decisiones tomadas por IA: 95% (informe de 2026 publicado en noviembre de 2025; fechas de trabajo de campo no reveladas en la publicación).Zendesk

¿Qué cambió cuando los agentes de soporte recibieron asistencia de IA?

El estudio encontró una mayor resolución de productividad y un menor tiempo de manejo. Las medidas de calidad promedio no mostraron una mejora estadísticamente significativa, por lo que la mayor productividad no debe ser reclasificada como mayor satisfacción del cliente.

Desplázate horizontalmente para comparar todas las columnas →

Rendimiento del servicio al cliente con IA — implementación de soporte principalmente otoño 2020-invierno 2021; informe de Zendesk 2026 publicado en noviembre de 2025. Agentes de soporte principalmente en Filipinas que atienden a una empresa de software de EE. UU.; la encuesta de Zendesk abarca 22 países.
Resultado medidoCambio informadoInterpretación
Aumento en los problemas resueltos por hora15.2%Resultado cuasi-experimentalEstadísticamente significativo
Reducción en el tiempo promedio de manejo de chat8.5%Resultado cuasi-experimentalEstadísticamente significativo
Aumento en la proporción de chats resueltos, aproximadamente1.3 ppResultado cuasi-experimentalNo estadísticamente significativo
Disminución en el NPS del cliente, aproximadamente0.12Resultado cuasi-experimentalNo estadísticamente significativo
Aumento en los problemas resueltos por hora para agentes menos cualificados y con menos experiencia30%Resultado cuasi-experimentalResultado de subgrupo; no el promedio de la fuerza laboral

Utiliza el artículo publicado, no su borrador anterior. Los cambios porcentuales relativos, los cambios en puntos porcentuales y los puntos NPS son unidades diferentes. Una estimación no significativa no es prueba de efecto cero.

Fuente primaria: Brynjolfsson, Li y Raymond — 4 de febrero de 2025

¿Qué esperan los consumidores del servicio habilitado por IA?

Los consumidores informan preferencias por la continuidad, la capacidad de respuesta, la flexibilidad del canal y las explicaciones. Estas son expectativas de la encuesta, no tasas de retención observadas ni resultados de soporte medidos experimentalmente.

Rendimiento del servicio al cliente con IA — implementación de soporte principalmente otoño 2020-invierno 2021; informe de Zendesk 2026 publicado en noviembre de 2025. Agentes de soporte principalmente en Filipinas que atienden a una empresa de software de EE. UU.; la encuesta de Zendesk abarca 22 países.
Respuesta del consumidorParticipación del encuestado
Quiero que el representante continúe desde la interacción anterior81%Expectativa de la encuesta
Se frustran por repetir información74%Expectativa de la encuesta
Esperar soporte adaptado a interacciones previas67%Expectativa de la encuesta
Afirman que la capacidad de respuesta y la precisión afectan en gran medida las compras86%Expectativa de la encuesta
Elegiría texto, voz y elementos visuales en una sola conversación76%Expectativa de la encuesta
Esperar explicaciones para las decisiones tomadas por la IA95%Expectativa de la encuesta

El recuento total de participantes no puede utilizarse como denominador para cada pregunta del consumidor.

Fuente primaria: Zendesk — 18 de noviembre de 2025

¿Muestra el estudio que los bots autónomos pueden reemplazar a los agentes?

No. Evalúa sugerencias entregadas a agentes de soporte humanos, quienes podrían editarlas o ignorarlas. La resolución autónoma, las políticas de escalada y el rendimiento del chatbot de extremo a extremo requieren su propia evaluación.

No reclasifique la productividad del agente asistido como una tasa de contención de bots, reducción de personal o ahorro de costos garantizado.

Fuente primaria: Brynjolfsson, Li y Raymond — 4 de febrero de 2025

¿Qué métricas debe mantener separadas una tarjeta de puntuación de soporte de IA?

Rastree las resoluciones completadas, el tiempo de manejo, los contactos repetidos, las escalaciones y la calidad calificada por el cliente de forma independiente. Defina el denominador para cada medida e incluya el trabajo realizado después de que un bot transfiera la conversación a una persona.

Rendimiento del servicio al cliente con IA — implementación de soporte principalmente otoño 2020-invierno 2021; informe de Zendesk 2026 publicado en noviembre de 2025. Agentes de soporte principalmente en Filipinas que atienden a una empresa de software de EE. UU.; la encuesta de Zendesk abarca 22 países.
MétricaDefinición para una evaluación local
Productividad de resoluciónResoluciones aceptadas divididas por horas de personal
Tiempo de manejoTiempo de manejo activo por conversación, con reglas de concurrencia declaradas
EscaladaConversaciones transferidas a un humano o supervisor divididas por conversaciones elegibles
CalidadRevisión independiente o comentarios del cliente utilizando la misma escala en todas las condiciones

Marco de medición editorial de Workspace369; estas definiciones no son hallazgos empíricos adicionales.

Cómo se construyó este informe

Metodología y limitaciones

  1. La tabla de resultados medidos conserva las estimaciones preferidas del artículo publicado y sus hallazgos de calidad nula. La tabla de encuestas contiene solo expectativas del consumidor atribuidas por separado.
  2. Se consultó directamente el artículo público alojado por el autor, incluidas las tablas de resultados principales. Solo se resumen los resultados fácticos seleccionados; el artículo y sus gráficos no se redistribuyen.
  3. La contribución original es la comparación de tipos de evidencia y el marco de medición reutilizable, no un nuevo experimento de soporte. No se calcula ningún promedio inter-fuentes.

Lo que estos números no pueden decirle

  • El estudio operacional se refiere a una empresa, un asistente histórico y una implementación completa no aleatoria. La estrategia de identificación es más sólida que una simple encuesta de opinión, pero no garantiza la transferencia a otro equipo.
  • La encuesta de consumidores está patrocinada por un proveedor. Las preferencias declaradas no son decisiones de compra observadas, y el año de edición de su informe no es su fecha de trabajo de campo.
  • Ningún resultado establece cómo funciona Workspace369, demuestra una tasa de reemplazo de agente autónomo o respalda una afirmación general de ROI de servicio al cliente.

Frescura y correcciones

Mantenido por el equipo editorial de Workspace369. Revisar trimestralmente y cuando un productor citado publique un estudio de reemplazo. Próxima revisión editorial: diciembre de 2026. Conservar las versiones de modelos históricos y las fechas de observación. La fecha de edición solo cambia cuando la evidencia o el contenido se revisan sustancialmente; no cambia el período de observación subyacente.

Primera edición: . Se verificó la extracción de datos, la atribución de la fuente y la aritmética para esta edición. No se reclama revisión independiente por pares.

¿Encontró un error o una versión primaria más reciente? Enviar una corrección con la fuente y la estadística afectada. Las correcciones confirmadas deben registrarse en el historial de revisiones antes de volver a publicar.

Fuentes primarias y procedencia

Cada celda numérica reportada se vincula directamente a su productor. Las descargas incluyen localizadores exactos de tablas o libros de trabajo, períodos de observación, fechas de acceso, fórmulas y referencias de entrada.

  1. Brynjolfsson, Li y RaymondGenerative AI at Work, artículo de la revista Quarterly Journal of Economics (2025) ↗Publicado el 4 de febrero de 2025. Accedido el 12 de septiembre de 2026.Se parafrasean observaciones fácticas seleccionadas con atribución. No se redistribuye ningún informe de origen, gráfico, datos de participantes o base de datos propietaria; los derechos de origen permanecen con su productor.
  2. ZendeskTendencias de CX de 2026: anuncio de investigación del editor original ↗Publicado el 18 de noviembre de 2025. Accedido el 12 de septiembre de 2026.Se parafrasean observaciones fácticas seleccionadas con atribución. No se redistribuye ningún informe de origen, gráfico, datos de participantes o base de datos propietaria; los derechos de origen permanecen con su productor.

Hecho para ser verificado y luego citado

Cómo citar este informe

Para una estadística reportada por la fuente, cite al editor original y enlace a la fila exacta aquí cuando utilice nuestra compilación. Para un resultado modelado, cite Workspace369 e incluya las suposiciones. Enlazar a esta página no nos convierte en el productor original de datos de terceros.

Workspace369. (2026-09-12). Estadísticas de rendimiento de servicio al cliente con IA. https://workspace369.com/research/ai-customer-service-performance-statistics/. Fuentes primarias y períodos de observación según se indica en el informe.

Las descargas son conjuntos de datos de referencia en inglés, incluso en páginas traducidas. Los derechos de autor pertenecen a sus productores. Atribuya la compilación y los cálculos de Workspace369; consulte los términos de reutilización de cada fuente.