Reducir tickets L1: el framework en 6 pasos

Paso 1: estableced la baseline de vuestro L1

No podéis reducir lo que no medís. En los últimos 60 días, contad:

• Contactos entrantes totales (chat + email + teléfono).
• La proporción que es L1 — es decir, resoluble por un procedimiento documentado si el cliente lo encontrara.
• Mediana de time-to-resolution por canal.
• First-contact resolution por canal.
• CSAT por canal.

Estos cinco números son vuestra baseline. Cada cambio se mide contra ellos.

Paso 2: segmentad por deflectability

No todo L1 es igual. Bucketead vuestro L1 en tres:

• Alta deflectability: limpio, scriptable, bien documentado (reset de contraseña, "cuál es mi saldo", "cómo descalcifico"). Objetivo de deflection: 70-90 %.
• Medio: documentado pero cliente-específico (estado de garantía, fecha de envío, códigos de error model-aware). Objetivo de deflection: 40-60 %.
• Bajo: documentado pero requiere juicio (sensible a seguridad, regulatorio). Objetivo de deflection: 10-30 %.

La mayoría de los equipos prometen demasiado en el Medio y shipean antes de que el tooling esté listo. No lo hagáis.

Paso 3: pilotad en un segmento

Elegid el bucket de alta deflectability con mayor volumen. Un segmento, un canal. Dos semanas. Medid contra vuestra baseline, no contra el marketing del vendor.

Si vuestro piloto no mueve la baseline en 20+ puntos en ese segmento, la IA aún no es lo bastante buena. No hagáis rollout.

Paso 4: medid más allá del deflection

La trampa: deflection de vanidad.

Si la deflection sube pero el CSAT baja, habéis deflectado hacia la frustración. Si la deflection sube pero la tasa de reapertura sube, habéis deflectado hacia un callback. Vigilad las cinco métricas de baseline cada semana.

El patrón sano: deflection arriba, CSAT plano o ligeramente arriba, FCR arriba, tasa de reapertura plana o abajo.

Paso 5: expandid al siguiente segmento

Una vez que un segmento alcanza su objetivo de deflection sin regresiones de CSAT/FCR, expandid al siguiente. Expandid un segmento a la vez — nunca dos en paralelo — para poder atribuir cualquier regresión limpiamente.

Paso 6: capitalizad con eval

El momento del ship no es "hecho". Es el comienzo. Cada semana:

• Muestread 50 conversaciones de baja confianza o sin respuesta al azar.
• Pedid a vuestro reviewer que etiquete: "debería haber respondido", "correcto escalar", "respuesta equivocada".
• Verted los casos "debería haber respondido" en un eval de regresión.
• Shipeáis cambios de retrieval / prompt / modelo solo si el eval pasa.

El eval que capitaliza es lo que separa un despliegue al 35 % de deflection de uno al 65 % tras seis meses. La mayoría de los equipos lo saltan. No lo hagáis.