Una encuesta de HDI, la asociación internacional de líderes de soporte técnico, consultó a 115 gerentes de área en 2025. El hallazgo central: el equipo de soporte promedio procesa 10.675 tickets al mes, y 34% de las organizaciones ve ese volumen crecer año tras año, no disminuir. El mismo informe encontró que 67% de los equipos menciona la sobrecarga de información como barrera para entrenar personal nuevo, y 54% dice que el soporte se volvió más complejo en los últimos tres años.
El detalle que pasa desapercibido es que la mayor parte de ese volumen no es un problema nuevo. Es la misma duda sobre vacaciones, un reembolso, el acceso a un sistema o una norma interna, llegando de nuevo a la cola —solo que ahora a mayor escala, con más gente remota y más sistemas para confundir.
Esto tiene un costo medido. El "Global IT Experience Benchmark 2026", de HappySignals en colaboración con ISG —1,77 millones de respuestas de empleados analizadas en más de 130 países— encontró que cada ticket de TI resuelto como incidente le cuesta a la persona afectada, en promedio, 3 horas y 18 minutos de tiempo percibido como perdido. Una solicitud simple, sin incidente de por medio, todavía cuesta 2 horas y 47 minutos. Multiplica eso por los miles de tickets al mes que procesa una empresa promedio, y el número deja de ser una molestia para convertirse en una partida de presupuesto.
El volumen que nadie nota hasta que se mide
La razón por la que este costo pasa desapercibido es simple: está repartido. Nadie en RRHH, TI o finanzas cierra el mes mirando "cuántas horas perdió la empresa con dudas repetidas" —cada respuesta parece pequeña, rápida, sin importancia aislada.
Sin embargo, el informe de HDI muestra equipos de soporte cada vez más sobrecargados justamente por eso: sin una forma de tratar la pregunta repetida como repetida, cada atención vuelve a empezar de cero, aunque la respuesta de ayer ya exista en algún lugar. Por eso 34% de los equipos reporta un volumen creciente: el crecimiento de la empresa suma más personas preguntando lo mismo, no más cosas distintas siendo preguntadas.
El efecto práctico aparece en los números de HappySignals: casi tres horas de tiempo perdido por ticket no es el tiempo que el equipo de TI dedica a responder, es el tiempo que la persona del otro lado pasa esperando, sin poder seguir con su propio trabajo. Multiplicado entre RRHH, finanzas y TI juntos, es el tipo de costo que la empresa ya paga hoy, solo que sin verlo.
Por qué poner un robot al frente no resuelve solo
La respuesta obvia —"poner un asistente de IA respondiendo directamente"— suele fallar por un motivo específico: responder rápido no es el problema difícil. El problema difícil es responder correctamente, con una fuente que la persona pueda verificar, sin que eso se convierta en un compromiso que nadie autorizó.
El estudio de HR Acuity, con 274 organizaciones y casi 9 millones de empleados, muestra equipos de relaciones laborales ya usando IA para tareas administrativas: 46% redacta informes con apoyo de IA, 45% resume transcripciones de entrevistas. Pero el propio estudio es claro sobre el límite: esas tareas mantienen revisión humana, porque un resumen generado por IA puede dejar fuera evidencia del caso, contexto de credibilidad o el criterio que exige una investigación.
El mismo razonamiento aplica a cualquier respuesta interna con efecto práctico: cuántos días de vacaciones le quedan a alguien, si un reembolso está dentro de política, si una norma cambió el mes pasado. Un asistente sin conocimiento aprobado y sin revisión en lo sensible no resuelve el problema de escala: solo cambia "la persona espera la respuesta correcta" por "la persona recibe una respuesta rápida y tal vez equivocada". La pregunta correcta no es solo "quién responde más rápido", sino "quién responde bien, y quién verifica cuando el tema lo exige".
Lo que tiene que existir en la práctica
Un entorno de soporte interno bien diseñado combina velocidad con control, mediante mecanismos concretos:
Conocimiento aprobado con fuentes. La respuesta sobre política de reembolso o norma de trabajo remoto viene de un documento con dueño y versión vigente, no de la memoria suelta de quien respondió la última vez. Eso permite citar de dónde salió la respuesta.
Acceso según el rol de cada persona. Un agente de RRHH ve política de personal; uno de TI ve permisos de sistema. Ninguno necesita ver todo para responder bien lo que es de su propia área.
Aprobación humana cuando la respuesta tiene efecto práctico. Una duda sobre el saldo de vacaciones de alguien, o sobre otorgar acceso a un sistema, puede exigir que una persona confirme antes de que la información se convierta en acción: la IA prepara, alguien aprueba cuando el riesgo lo pide.
Registro de quién aprobó qué. Cuando un número o una norma se cuestiona después, tiene que poder reconstruirse de dónde vino y quién la validó, sin depender de la memoria de quien estaba de turno ese día.
Reutilización entre RRHH, TI y finanzas. Una plantilla de respuesta creada por alguien de RRHH para "cómo funciona nuestro plan de salud" debería estar disponible para todo el equipo, con el mismo nivel de aprobación, en lugar de que cada persona reconstruya la respuesta desde cero.
Así fue diseñada Skyller: conocimiento aprobado con fuentes, acceso por rol y aprobación humana antes de cualquier acción con efecto práctico, para que el soporte interno sea rápido sin convertirse en riesgo.
La ganancia que aparece primero dentro de casa
El soporte interno tiene una ventaja que el soporte al cliente no tiene: el material prácticamente ya existe. La política de vacaciones, la tabla de reembolsos, las normas de acceso: la empresa ya escribió todo eso en algún lugar. El trabajo no es crear conocimiento desde cero, sino organizar lo que ya existe para que una respuesta pueda citarlo.
Eso también explica por qué el riesgo es menor aquí que en una respuesta pública a un cliente: el público es interno, las mismas preguntas se repiten cada mes, y más de 100 agentes preconfigurados por área y rutina ya cubren buena parte de lo que RRHH, TI y finanzas responden siempre. Un error interno se convierte en una corrección rápida; un error que sale de la empresa se convierte en un problema de otra magnitud.
La ganancia aparece primero en las casi tres horas de tiempo perdido por ticket que midió HappySignals: cada duda resuelta sin espera es tiempo que vuelve al trabajo de quien preguntó, multiplicado por los 10.675 tickets promedio que un equipo de soporte procesa cada mes.
Una guía para empezar
Antes de pensar en IA frente al cliente, vale la pena medir lo que ya ocurre dentro de casa:
- Enumera las cinco dudas que RRHH, TI y finanzas responden cada semana. Si nadie puede enumerarlas de memoria, eso ya muestra que el conocimiento vive en una persona, no en un lugar consultable.
- Pregunta de dónde sale la respuesta hoy. Si es "cada uno responde a su manera", el riesgo no es la falta de IA: es la ausencia de una fuente única aprobada.
- Separa lo que puede ser automático de lo que necesita aprobación humana. Una duda sobre el horario de oficina no es el mismo riesgo que otorgar acceso a un sistema financiero.
- Empieza por el área de mayor volumen, no por la más visible. La ganancia de tiempo perdido suele estar en TI o RRHH, no en el equipo que habla con el cliente.
- Mide el tiempo de espera antes y después. Es el número que convierte "parece más rápido" en "está medido que es más rápido".
