Tradicionalmente, llamar a la línea de soporte de tu proveedor de internet por una interrupción del servicio era más o menos así. Una voz robótica te daba la bienvenida como un cliente valioso y luego te hacía perder varios minutos en menús telefónicos (“presiona 3 para soporte técnico, 2 para internet y luego 4 para todos los demás problemas”). Te ponían en espera, sintiéndote olvidado, hasta que finalmente un representante de servicio contestaba y te pedía tu nombre, número de cuenta y el motivo de la llamada. Si reiniciar el router no solucionaba el problema, te volvían a poner en espera, solo para tener que contarle toda la historia de nuevo a otro representante antes de conseguir una cita con un técnico.
La IA ya está transformando interacciones de soporte como esta. En lugar de lidiar con una voz robótica y varios representantes de servicio, ahora un agente de IA puede atenderte de inmediato. Puede ver tu cuenta, verificar si otros clientes de tu zona también están afectados y resolver problemas simples directamente o agendar un técnico. Se acabó el “todos nuestros representantes están ocupados en este momento” y se acabó la música de espera. Hasta hace poco, ese era el límite tecnológico.
Pero ahora, nuevas capacidades permiten que los agentes sigan hilos de conversación y ejecuten tareas en horizontes de tiempo más largos. Creemos que esto permitirá a las empresas de IA ir más allá de las interacciones individuales con el cliente y replantearse cómo abordar recorridos complejos que se extienden durante semanas y meses. La IA guiará a los clientes de seguros desde la primera llamada hasta el pago, a los solicitantes de hipotecas desde la preaprobación hasta el cierre, y a los prospectos empresariales desde su primera demostración hasta la firma. Esto no solo generará mejores resultados para esos clientes, sino que también permitirá que el proveedor de IA cobre por la expansión de ingresos resultante, y no solo por el ahorro de costos.
El valor solo aparece al final de la carrera de relevos
Hay muchos tipos de negocios donde crear valor para los clientes requiere muchos pasos, a lo largo de semanas y meses. Tomemos como ejemplo el recorrido tradicional de preparación de un caso legal para un demandante. Los casos potenciales suelen llegar como prospectos por teléfono, donde los especialistas de admisión recopilan los hechos clave y se los pasan a un abogado que evalúa si acepta al cliente. Una vez que un bufete firma un caso, siguen la investigación y la recopilación de pruebas: los asistentes legales solicitan informes policiales, intentan contactar testigos y envían cartas de preservación de evidencia a los demandados para proteger las pruebas, mientras mantienen a los clientes informados sobre el avance. Luego, los bufetes esperan a que concluya el tratamiento médico del cliente antes de redactar una cronología médica y entregar la información a los abogados para finalizar la carta de reclamación.
Históricamente, a este proceso lo habríamos llamado una “carrera de relevos”: un recorrido largo con riesgo de abandono o pérdida de valor en cada entrega. Los clientes potenciales suelen llamar a varios bufetes de lesiones personales y muchas veces firman con el que les responde más rápido. Por eso, los casos pueden caerse del embudo si los clientes solo encuentran un buzón de voz o si la decisión de calificación es lenta. Una vez firmado el cliente, la recopilación de pruebas implica muchos procesos paralelos a la vez, y es posible que los bufetes no tengan la persistencia para llamar a un testigo potencial por quinta vez después de que los cuatro intentos anteriores quedaron sin respuesta. Además, las limitaciones de personal pueden impedir que los bufetes revisen cada prueba en detalle, especialmente en reclamos aparentemente rutinarios y de bajo valor. Un bufete podría aceptar la primera oferta cuando una lectura detallada de la nota del médico habría revelado indicios de una lesión cerebral, aumentando el valor del acuerdo. Por último, los casos pueden durar meses, requerir numerosos colaboradores e involucrar información distribuida entre documentos, partes interesadas y sistemas. Esto hace que sea casi imposible mantener una visión completa de cada cliente. Como resultado, facturas importantes podrían no reflejarse en la carta de reclamación o las brechas en el tratamiento podrían quedar sin explicación, lo que reduce el valor del acuerdo.
La oportunidad de los agentes de ejecución prolongada
Hasta hace poco, los agentes de IA se encargaban principalmente de tareas delimitadas (“Envía este correo de seguimiento”, “Resume esa llamada”, “Crea este documento”) e interacciones muy específicas. Por ejemplo, el soporte al cliente ha sido un excelente caso de uso inicial para la IA porque el espacio del problema está bien definido, lo que permite alcanzar una alta confiabilidad y, al mismo tiempo, personalizar la experiencia según las políticas de cada empresa. Las interacciones son breves, los resultados son verificables y, si los agentes de IA se topan con casos extremos que no pueden manejar, los equipos de soporte existentes siguen ahí para escalar el problema.
Ahora, los agentes de ejecución prolongada pueden perseguir objetivos a lo largo de decenas de pasos, modalidades y horizontes de tiempo más extensos, lo que les permite asumir carreras de relevos de principio a fin. En el ejemplo del derecho de demandantes, se le podría asignar un agente de ejecución prolongada a un caso desde la llamada inicial de admisión con el objetivo de maximizar la indemnización del cliente. El agente guardaría y recuperaría el contexto del caso según fuera necesario. Se activa en función de eventos o fechas límite, despacha proactivamente subagentes para contactar testigos, actualizar al cliente e interactuar con los abogados por teléfono, correo electrónico o mensaje de texto. Luego consolida los hallazgos, planifica los siguientes pasos, redacta documentos para revisión e impulsa el caso hacia el mejor resultado posible. A medida que trabaja con distintos clientes, sigue aprendiendo, ya que cada caso genera datos que ayudan al agente a procesar el siguiente mejor que el actual.
El agente resuelve las principales fugas de valor que se observan en la carrera de relevos actual. Al inicio del recorrido, los clientes ya no se pierden por una evaluación lenta del caso, ya que el agente está disponible sin importar la hora o el día de la semana y puede evaluar casos casi de forma instantánea. La recopilación de pruebas ya no está limitada por la capacidad humana, pues el agente del caso puede activar un subagente adicional en cualquier momento para hacer la quinta, décima o incluso vigésima llamada telefónica. Como los agentes son escalables casi infinitamente, incluso los casos aparentemente rutinarios se trabajan a fondo y cada prueba se revisa en detalle, sacando a la luz esa posible lesión cerebral que de otro modo habría pasado desapercibida. Y, por último, el agente mantiene un registro completo del caso, desde las transcripciones de las llamadas con testigos hasta los informes policiales y los registros médicos, asegurándose de que no se pierda ninguna información.
Cobrar por resultados
Más allá de cerrar estas fugas, controlar todo el recorrido del cliente puede cambiar la economía para el proveedor del agente. A medida que los agentes ayudan a entregar resultados de mayor calidad y a mayor velocidad, pueden impulsar un aumento en los ingresos, no solo una reducción de costos para los clientes. Más importante aún, como el impacto es observable y atribuible a los agentes, los proveedores pueden participar en el valor que generan cobrando en función de los entregables o los resultados. En el derecho de demandantes, por ejemplo, un solo caso es una unidad de trabajo discreta y el valor del resultado (el monto del acuerdo) es claramente identificable. Además, los resultados pueden vincularse más fácilmente a los agentes a medida que estos asumen una mayor parte del producto de trabajo final. Así, los proveedores podrían participar en la expansión de los ingresos brutos, alcanzando valores de contrato que antes eran inalcanzables si solo se enfocaban en reducir costos.
Es cierto que cambiar a un modelo de precios basado en resultados no es tan sencillo. En el derecho de demandantes, la mayoría de los estados prohíben que quienes no son abogados participen de los honorarios legales, por lo que los precios tendrían que alinearse con los valores de los acuerdos sin tomar una parte directa de ellos. En otras industrias, los proveedores podrían enfrentar objeciones de los equipos de compras que aún no tienen precedentes de contratos basados en resultados. Y aunque los agentes se acercan cada vez más a controlar los resultados por completo, es probable que al principio surjan debates sobre la atribución. Por lo tanto, implementar con éxito agentes de ejecución prolongada será un desafío comercial tanto como técnico.
Aun así, cobrar por resultados en recorridos de clientes de alto valor no es una idea nueva.
El argumento a favor de una Red Ventures nativa de IA
Red Ventures (RV) es un gran ejemplo histórico. RV fue fundada por Ric Elias y Dan Feldstein, y fue pionera en operaciones de ventas digitales externalizadas de extremo a extremo para contratos de consumo a largo plazo. Por ejemplo, en el caso de pólizas de seguro, RV recopilaba datos de los clientes mientras buscaban estos productos (al ser dueños de sitios como homeinsurance.com), los contactaba, los guiaba por las opciones de cobertura y cerraba la póliza. Al controlar por completo este recorrido, RV cobraba un pago de la aseguradora por cada póliza que cerraba. Esto solía funcionar extremadamente bien: según S&P Global, RV generó ~$370M en EBITDA sobre ~$1.4B en ventas en 2022.
Ahora, este modelo parece estar estructuralmente amenazado. En la parte superior del embudo, los consumidores están cambiando la forma en que descubren productos. En lugar de depender de las búsquedas de Google o de los sitios de comparación para explorar y contrastar productos, ahora pueden pedirle recomendaciones directamente a un agente personal como Muse o Instinct de Meta, lo que reduce el valor de ser dueño de sitios de exploración tradicionales. Más adelante en el proceso, en lugar de cientos de personas ejecutando embudos lineales, los agentes de ejecución prolongada pueden trabajar en recorridos mucho más complejos. Lo harán a través de distintos productos y modalidades de comunicación, en paralelo, en cualquier idioma y a escala, con una persistencia infinita. La caída del EBITDA de RV a un estimado de ~$160M en 2025, impulsada por la rotación de clientes y una menor inversión publicitaria, es una señal temprana de la vulnerabilidad del modelo, ya que la IA seguirá transformando la industria en el futuro.
Tres formas de salir al mercado
Existen diferentes maneras de llevar los agentes de ejecución prolongada al mercado.
(1) Vender la plataforma: Con este enfoque, el proveedor vende el agente de ejecución prolongada como software, apoyando a la empresa en sus operaciones actuales. El agente de casos legales para demandantes que se integra con un equipo existente y sus flujos de trabajo es un buen ejemplo. Vender una plataforma permite un mayor potencial de ingresos, ya que a menudo no hay contratos de software o servicios externalizados comparables que anclen los precios. Sin embargo, esto también alarga los ciclos de venta porque hay que crear nuevas partidas presupuestarias, y es más difícil atribuir claramente los resultados a un agente que interactúa con varios departamentos dentro de la empresa.
(2) Vender el servicio: Aquí, el proveedor asume un servicio que ya estaba externalizado para entregar un resultado deseado de manera más efectiva, tal como Red Ventures controlaba todo el recorrido de adquisición de clientes para una aseguradora. Este enfoque acorta los ciclos de venta porque la matemática del ROI para los compradores es simple y ya existen partidas presupuestarias para BPOs (externalización de procesos de negocio). No obstante, los modelos de precios previos a la IA podrían no reflejar el verdadero valor que puede entregar un agente de ejecución prolongada, y hoy en día muchos recorridos de alto valor se gestionan internamente, lo que limita el alcance de este enfoque.
(3) Ir full-stack: Un enfoque full-stack significa integrarse verticalmente y convertirse en un actor nativo de IA. Por ejemplo, en lugar de venderle un agente de ejecución prolongada a una agencia de cobranzas, podrías comprar carteras de deuda y cobrarlas tú mismo, lo que te permitiría capturar por completo cualquier ventaja creada por la IA y resolver los problemas de atribución. Sin embargo, esto también implica hacerte cargo de partes del servicio como licencias o cumplimiento normativo, que están fuera del recorrido real del cliente, sumando distracciones y complejidad operativa.
Es demasiado pronto para saber cuál de estos enfoques prevalecerá, pero estamos convencidos de que los agentes de ejecución prolongada ganarán la carrera de relevos a escala y expandirán el mercado accesible para la IA: pasará de ser una porción de los presupuestos de mano de obra a ser una porción de los ingresos. La preparación de casos para demandantes es solo un ejemplo, y esperamos ver agentes impulsando resultados en otros recorridos de alto valor como la originación de hipotecas, el procesamiento de reclamos de seguros, las ventas empresariales complejas y muchísimos más. Si estás trabajando para aprovechar esta oportunidad, ¡nos encantaría saber de ti!
