Deutsche Telekom está sustituyendo algunos menús telefónicos convencionales por agentes de IA en su servicio al cliente, según su director de IA, Kartik Sheth. En una sesión de HumanX descrita por The Next Web, afirmó que la proporción de interacciones que nunca llegan a un empleado aumenta uno o dos puntos porcentuales al mes. Es una señal operativa, pero no resuelve la pregunta esencial para un inversor: ¿se solucionan los problemas de los clientes con un coste total menor?
La distinción importa porque una llamada que permanece con un bot puede significar un reinicio rápido del router, un intento abandonado o una nueva llamada más tarde. El reportaje no publica el número de llamadas de partida, una tasa global actual de resolución automatizada ni una conciliación con los gastos de atención. Las declaraciones de Sheth respaldan que la empresa está cambiando la entrada de las llamadas a su sistema de servicio; por sí solas, no demuestran un beneficio cuantificado en los resultados.
El aumento comunicado mide la derivación, no todo el resultado
El programa del congreso identifica a Sheth como director de IA de Deutsche Telekom e incluye un debate del 24 de septiembre sobre el despliegue de agentes a escala empresarial. Según el relato original, al introducir IA en un nuevo caso de uso, esta atiende inicialmente como mucho una quinta parte de esas llamadas, y su rendimiento mejora a medida que se ajusta el sistema. También explicó que alcanzar proporciones mayores resulta progresivamente más difícil porque los casos restantes son más complejos. Son descripciones de la dirección sobre los despliegues, no una serie publicada y verificada de forma independiente para todo el grupo.
La expresión «nunca llegan a una persona» describe el límite de una derivación. No indica si se resolvió la necesidad del cliente, si la respuesta fue correcta, cuánto duró la interacción ni si hubo otra llamada después. Una proporción creciente de llamadas contenidas por la IA puede reflejar una automatización útil, pero también puede ocultar trabajo repetido si retiene llamadas inadecuadas. La comparación útil seguiría un mismo tipo de problema hasta su resolución, escalado y posible nuevo contacto, junto a la tasa de interacciones sin humanos.
Tampoco un incremento mensual en puntos porcentuales implica una línea recta indefinida. El artículo no aporta el nivel de partida ni la composición de las consultas, y las llamadas más difíciles pueden ser las menos aptas para automatizarse. Prolongar el ritmo citado hasta convertirlo en una previsión de plantilla o márgenes añadiría supuestos no respaldados por las pruebas.
Los sistemas antiguos condicionan el ahorro
Sheth dio ejemplos prácticos: los agentes pueden ayudar a comprobar o reiniciar un router y a explicar una factura, mientras los problemas más complejos pasan a personal experimentado. También describió adaptadores y cachés para conectar los agentes nuevos con sistemas antiguos. Un bot eficaz necesita acceso fiable a la acción de servicio real; hablar con fluidez no arreglaría la conexión del cliente si falla el sistema de fondo. Por el contrario, enviar directamente un caso sencillo a un agente podría reducir la espera y liberar personal para los casos difíciles.
El informe anual de 2025 de la empresa sobre datos e IA ya describía el uso de modelos de lenguaje para algunos avisos de incidencias de red y la mejora de su chatbot Frag Magenta para atender preguntas menos pautadas. Presentaba la reducción de llamadas entrantes a los asesores como un objetivo futuro. El relato del congreso aporta más detalle sobre la distribución inicial de las llamadas de voz, pero debe leerse como continuación de esa estrategia, no como prueba de que todos los centros de atención hayan sido sustituidos.
Este cambio interno tampoco es igual que otros dos productos con los que podría confundirse. La compañía comercializa por separado CoMind, una oferta de voz y chat para clientes empresariales, y ha presentado un asistente de IA para llamadas telefónicas ordinarias. Los ingresos por vender un producto, el ahorro en sus propias líneas de soporte y las funciones para abonados son tres vías económicas distintas. Los nuevos comentarios tratan principalmente de la distribución de llamadas en su propia atención al cliente.
Una métrica anterior de servicio ofrece otra prueba
En su información sobre eficiencia de 2025, Deutsche Telekom comunicó una tasa de resolución en el primer contacto del 76,0%, frente al 74,1% de 2024. Esa medida pregunta si el problema quedó resuelto en el primer contacto. No es intercambiable con el indicador de 2026 de Sheth sobre interacciones sin personal: difieren los periodos, las poblaciones y las definiciones. Sí muestra, en cambio, el tipo de medida del resultado para el cliente que permitiría juzgar si la automatización mejora el servicio en lugar de limitarse a cambiar la cola.
El mismo documento señala que el grupo ha invertido en canales digitales y en una plataforma de atención apoyada por IA para simplificar los procesos. Esas inversiones conllevan costes de integración y explotación. El ahorro por reducir contactos humanos rutinarios tendría que superar los costes de modelos, plataformas, supervisión y derivación, así como cualquier gasto adicional por llamadas repetidas. Ningún cálculo público de las fuentes citadas aísla ese efecto neto para los nuevos agentes de voz descritos.
Existe una hipótesis favorable creíble: quienes tienen tareas sencillas podrían evitar menús y esperas, mientras el personal se concentra en casos que requieren criterio. La hipótesis contraria es que automatizar los contactos fáciles deja a los equipos humanos una carga más difícil y quizá más larga, y que las respuestas erróneas generan más trabajo. Ambos mecanismos pueden darse a la vez. Un inversor necesita pruebas comparables de operación y calidad antes de atribuir un efecto financiero dominante a cualquiera de ellos.
La tesis de inversión necesita medidas comparables
Una comunicación futura más sólida ofrecería el número y tipo de llamadas dirigidas a IA, la proporción realmente resuelta sin nuevos contactos, las tasas de transferencia, las reclamaciones de clientes y el coste por caso resuelto. También debería distinguir un piloto o lanzamiento nacional de un despliegue en todo el grupo. Una serie homogénea de resolución al primer contacto y la evolución de los costes de atención ayudarían a ver si la mayor proporción de llamadas retenidas coincide con mejores resultados y menos gasto.
Por ahora, el hecho confirmado es la descripción comunicada por Sheth de un despliegue y de su proporción de interacciones sin intervención humana según la dirección. El informe anual anterior de Deutsche Telekom confirma una estrategia de automatización más amplia y ofrece una referencia de calidad más antigua. Las fuentes no cuantifican las consecuencias para el beneficio neto, la fidelidad de los clientes ni el empleo; presentarlas como logros ya obtenidos iría más allá de las pruebas.