Estudio de caso: Atención al cliente de IA con agentes de OpenClaw

Novaris Technologies tenía un problema de atención al cliente que toda empresa SaaS en crecimiento reconoce: su volumen de tickets de soporte estaba creciendo más rápido que sus ingresos. En 2023, manejaron 2400 tickets de soporte por mes con un equipo de soporte de seis personas. A finales de 2024, el volumen había aumentado a 5800 tickets por mes (un aumento del 142 % impulsado por el crecimiento del producto y la expansión geográfica), mientras que el equipo había crecido a solo ocho personas.

Las matemáticas fueron brutales. Para manejar 5.800 tickets por mes con el nivel de calidad que esperaban sus clientes empresariales, Novaris necesitaba 14 agentes de soporte (duplicando la plantilla y los costos de soporte) o un enfoque fundamentalmente diferente sobre cómo funcionaba el soporte.

Eligieron un enfoque diferente. Este estudio de caso documenta la implementación del agente OpenClaw AI de seis semanas que ECOSIRE completó para Novaris, y cubre la arquitectura de implementación, los desafíos encontrados y los resultados a los tres y nueve meses posteriores a la implementación.

Conclusiones clave

• Los agentes de OpenClaw manejan el 84% de los tickets de soporte de Novaris de forma autónoma (frente al 0% antes de la implementación)
• La plantilla del equipo de soporte se mantuvo en 8 mientras se manejaban más de 5800 tickets/mes (frente a los 14 requeridos sin IA)
• El tiempo promedio de primera respuesta se redujo de 4,2 horas a 8 minutos
• La puntuación de satisfacción del cliente mejoró de 3,8 a 4,4 sobre 5,0
• El costo de soporte por ticket cayó de $28 a $11 (reducción del 61%)
• Los agentes humanos ahora se centran exclusivamente en cuestiones complejas y sensibles a las relaciones.
• Los agentes de IA manejan tickets en inglés, árabe y urdu simultáneamente

---

Antecedentes: Tecnologías Novaris

Novaris Technologies es una empresa SaaS con sede en Karachi que ofrece software ERP basado en la nube para empresas medianas del sur de Asia y Medio Oriente. Fundada en 2019, la empresa había crecido hasta alcanzar los 3200 clientes de pago a finales de 2024, la mayoría de los cuales eran pequeñas y medianas empresas que utilizaban la plataforma para contabilidad, inventario y gestión de recursos humanos.

La función de atención al cliente de Novaris atendió a una base de clientes diversa: 60% de habla inglesa, 25% de habla árabe y 15% de habla urdu, repartidos en ocho países. El equipo de soporte manejó todo, desde preguntas prácticas básicas (¿cómo genero un informe de IVA?) hasta problemas de datos complejos (¿por qué la valoración de mi inventario es incorrecta después de un ajuste negativo?) hasta problemas de integración (la conciliación bancaria no coincide con el estado de cuenta).

A mediados de 2024, el tiempo promedio de primera respuesta del equipo de soporte había aumentado a 4,2 horas. Los puntajes de satisfacción del cliente habían caído de 4,1 a 3,8. Dos clientes empresariales habían planteado la calidad del soporte en sus conversaciones para la renovación de contratos. Ampliar la plantilla fue costoso y difícil: era realmente difícil encontrar agentes de soporte de SaaS calificados en Karachi con conocimientos de idioma árabe.

---

¿Por qué OpenClaw?

Novaris evaluó tres opciones de soporte de IA antes de contratar a ECOSIRE: implementar un chatbot directamente en su portal de soporte, crear una solución personalizada utilizando la API de OpenAI internamente y contratar a ECOSIRE para implementar agentes de OpenClaw.

Limitaciones de los chatbots: los chatbots de atención al cliente estándar, incluso los que funcionan con inteligencia artificial, funcionan bien para consultas tipo preguntas frecuentes con respuestas deterministas. Fallan en consultas que requieren comprender el contexto del sistema, razonar sobre datos específicos del cliente o tomar acciones de varios pasos (como verificar una transacción, identificar la causa raíz y explicar la solución). La cola de soporte de Novaris fue predominantemente el segundo tipo de consulta, no la primera.

Construcción interna personalizada: Novaris tenía capacidad de desarrollo interno, pero construir un sistema de soporte de IA confiable desde cero requiere experiencia sustancial en ingeniería rápida, generación de recuperación aumentada, orquestación de llamadas de herramientas, manejo de errores y lógica de escalamiento humano. La estimación interna era de seis meses y un desarrollador dedicado: más tiempo y riesgo que implementar una solución diseñada específicamente.

Agentes de OpenClaw: OpenClaw está diseñado específicamente para la automatización de procesos comerciales con agentes de IA. Proporciona un marco para conectar las capacidades de razonamiento de la IA con las API del sistema empresarial (la propia API de Novaris, su módulo de soporte Odoo, su sistema de documentación), definir condiciones de escalamiento, gestionar el contexto de la conversación en interacciones de múltiples turnos y monitorear el desempeño del agente. El cronograma de implementación fue de seis semanas en lugar de seis meses, y el equipo de ECOSIRE había creado integraciones similares antes.

---

La arquitectura OpenClaw para Novaris

La implementación de OpenClaw para Novaris involucró tres tipos distintos de agentes, cada uno de ellos especializado en diferentes categorías de solicitudes de soporte.

Agente 1: Agente de resolución Maneja preguntas sencillas sobre procedimientos y configuración que se pueden resolver completamente a partir de la documentación y los datos del sistema. El Agente de Resolución tiene acceso a:

• Documentación completa del producto de Novaris (indexada en una base de datos vectorial para búsqueda semántica)
• Los datos de la cuenta del cliente a través de la API de Novaris (nivel de suscripción, módulos configurados, actividad reciente)
• Una base de conocimientos curada de resoluciones de soporte comunes creada a partir de datos históricos de tickets

Cuando llega un ticket, el Agente de resolución determina si se puede resolver con la información disponible. En caso afirmativo, redacta una respuesta, la compara con una rúbrica de calidad y la envía. Si el control de calidad falla (la respuesta está incompleta, contradice la documentación o contiene incertidumbre), el ticket pasa a un agente humano con el borrador de la respuesta y el resumen del contexto adjunto.

Agente 2: Agente de diagnóstico Maneja problemas técnicos que requieren investigar la configuración o los datos específicos del cliente. El agente de diagnóstico tiene acceso API adicional:

• Datos de la cuenta del cliente a nivel de registro (no solo métricas agregadas)
• Registros de auditoría de acciones recientes del usuario en la cuenta del cliente
• Registros de errores de la plataforma Novaris asociados con el inquilino del cliente

El agente de diagnóstico sigue un flujo de trabajo de diagnóstico estructurado: reproduce el problema en un entorno de prueba, identifica la causa raíz en los datos o la configuración del cliente y proporciona una resolución con instrucciones paso a paso. Aproximadamente el 60% de los casos de agentes de diagnóstico se resuelven de forma autónoma. El 40% restante pasa a agentes humanos con un resumen de diagnóstico completo que reduce significativamente el tiempo de resolución humana.

Agente 3: Coordinador de escalada No resuelve los tickets; en cambio, gestiona la transferencia de la IA a los agentes humanos para los tickets que requieren criterio humano. Cuando un ticket aumenta, el Coordinador de Escalamiento:

• Escribe un resumen estructurado del caso (tipo de problema, impacto en el cliente, hallazgos del diagnóstico, intentos de resolución, próximos pasos recomendados)
• Asigna el ticket al agente humano apropiado según su especialidad y la profundidad de la cola actual
• Establece las expectativas del cliente a través de un reconocimiento automático con un tiempo de respuesta estimado.
• Supervisa el ticket escalado y avisa al agente humano si el tiempo de respuesta excede el SLA

---

Proceso de implementación

La implementación de seis semanas se estructuró para avanzar rápidamente y al mismo tiempo mantener los estándares de calidad que requiere el soporte empresarial.

Semana 1: Construcción de la base de conocimientos

Antes de que se pudiera implementar cualquier agente, era necesario que existiera la base de conocimientos. El equipo de ECOSIRE trabajó con el gerente de producto y el agente de soporte principal de Novaris para indexar la documentación completa del producto, extraer patrones de resolución de tres meses de tickets históricos y construir una base de conocimiento estructurada que los agentes pudieran consultar de manera confiable.

El análisis histórico de las entradas fue esclarecedor: el 71% de todas las entradas cayeron en una de las doce categorías de emisión. El Agente de Resolución fue configurado para manejar ocho de esas categorías (por un total del 52% del volumen de tickets) directamente. El agente de diagnóstico se configuró para manejar tres categorías adicionales (por un total del 28 % del volumen de tickets) con soporte de diagnóstico. La categoría restante (problemas complejos de integración) siempre se remitía a agentes humanos.

Semana 2: integración API

El desarrollador de ECOSIRE creó la capa de integración API entre OpenClaw y el sistema de soporte de Novaris (Odoo Helpdesk), la API del cliente de Novaris y la infraestructura de registro de la plataforma de Novaris. La integración requirió especial atención a la autorización: los agentes de OpenClaw necesitaban acceso de lectura a los datos del cliente, pero ningún acceso de escritura, excepto al registro del ticket de soporte (para publicar respuestas y actualizar el estado).

Semanas 3 y 4: desarrollo y ajuste del agente

El equipo de inteligencia artificial de ECOSIRE desarrolló las indicaciones del agente, los flujos de trabajo de diagnóstico y la lógica de decisión de escalamiento. Cada agente fue probado con 200 tickets históricos reales (anonimizados) para medir la precisión. La precisión inicial del agente de resolución fue del 76 %, demasiado baja para la implementación en producción. Dos semanas de ingeniería rápida, expansión de la base de conocimientos y refinamiento de las rúbricas elevaron la precisión al 91%, lo que cumplió con el umbral de producción.

Semana 5: Prueba del modo Sombra

Antes de que los agentes respondieran a clientes reales, funcionaban en modo sombra: procesaban tickets reales en paralelo con agentes humanos, generando respuestas que eran revisadas por humanos pero no enviadas a los clientes. Las pruebas en modo sombra validaron el rendimiento del agente en el tráfico en vivo e identificaron casos extremos que las pruebas históricas de tickets no habían cubierto.

The shadow mode revealed a systematic gap: the Resolution Agent was occasionally providing outdated guidance based on an old documentation version that had not been fully replaced in the knowledge base. El equipo de ECOSIRE identificó y corrigió la documentación desactualizada y el problema no apareció en producción.

Semana 6: Lanzamiento gradual

La implementación se graduó por categoría de ticket: el Agente de Resolución se puso en marcha primero para las dos categorías de problemas de mayor confianza, fue monitoreado durante cinco días y luego se expandió a las ocho categorías. El agente de diagnóstico entró en funcionamiento en la semana 7 siguiendo el mismo patrón. A las cuatro semanas del despliegue de producción inicial, ambos agentes estaban manejando todo su alcance.

---

Experiencia del agente humano

Una preocupación que tenía el equipo de soporte de Novaris antes de la implementación era que OpenClaw devaluaría sus funciones, automatizando más los tickets complejos y eliminando la oportunidad de desarrollar experiencia. La experiencia real fue todo lo contrario.

Antes de OpenClaw, el equipo de soporte dedicaba aproximadamente el 60% de su tiempo a responder preguntas rutinarias. No eran entradas interesantes. Eran tareas repetitivas y de baja cualificación que el equipo tuvo que realizar porque no existía otra alternativa. Los agentes eliminaron ese 60% de la cola.

Después de OpenClaw, el equipo humano maneja solo los tickets que requieren experiencia genuina: problemas complejos de integración de múltiples sistemas, situaciones de recuperación de datos, orientación arquitectónica para clientes empresariales y conversaciones sensibles a las relaciones con clientes que están experimentando una frustración significativa. La evaluación que hizo el equipo de la calidad de su propio trabajo mejoró notablemente: estaban haciendo un trabajo más interesante y con mayor impacto.

ECOSIRE capacitó al equipo de soporte sobre cómo utilizar los resúmenes de casos del Coordinador de escalamiento de manera efectiva: cómo leer los hallazgos del diagnóstico, cómo aprovechar las resoluciones intentadas en lugar de comenzar desde cero y cómo brindar retroalimentación a ECOSIRE cuando los resúmenes de los agentes eran inexactos o incompletos. El circuito de retroalimentación resultó esencial para la mejora continua de la calidad de los agentes.

---

Resultados a los 3 meses y a los 9 meses

Varios resultados merecen un comentario específico.

Mejora de CSAT: La mejora de 3,8 a 4,4 sorprendió al equipo directivo de Novaris. La expectativa era que los boletos manejados por IA obtendrían una puntuación más baja en satisfacción que los boletos manejados por humanos. Ocurrió lo contrario: los clientes valoraron más el tiempo de respuesta de 8 minutos que si la respuesta procedía de un humano o de una IA, siempre y cuando la respuesta fuera precisa y resolviera su problema. Las encuestas posteriores a la interacción mostraron que la satisfacción se correlacionaba con el tiempo de resolución y la precisión de la resolución, no con el tipo de agente.

Calidad multilingüe: Los agentes manejan inglés, árabe y urdu de forma nativa. La calidad de la respuesta en árabe fue inicialmente la más variable: la base de conocimientos se había creado principalmente en inglés y dependía de la traducción de IA para las respuestas en árabe. ECOSIRE trabajó con Novaris para agregar documentación en árabe y patrones de resolución a la base de conocimientos durante los primeros tres meses, lo que llevó las puntuaciones de satisfacción de los tickets en árabe a la par con las del inglés en el cuarto mes.

Escalados de gestión: La reducción del 87 % en los escalamientos de gestión refleja una mejora estructural en la forma en que se manejan los tickets difíciles. Antes de OpenClaw, los clientes frustrados que no podían obtener una solución a través del soporte estándar recurrían a la gerencia como táctica de presión. La espectacular mejora en el tiempo de primera respuesta y la tasa de resolución eliminó la frustración que impulsó esas escaladas.

---

Preguntas frecuentes

¿Cómo maneja OpenClaw un cliente que está claramente molesto y necesita un toque humano?

Los agentes de OpenClaw están configurados con detección de sentimientos. Cuando un ticket o un turno de conversación muestra un sentimiento muy negativo (expresiones directas de frustración, amenazas de cancelación o solicitudes explícitas de asistencia humana), el agente inmediatamente escala a un agente humano con un indicador de prioridad. El agente no intenta resolver el componente emocional; se entrega limpia y rápidamente. En la implementación de Novaris, aproximadamente el 3% de los tickets aumentan inmediatamente por motivos de sentimiento sin ningún intento de resolución autónoma.

¿Qué sucede cuando la IA da una respuesta incorrecta?

Los agentes están diseñados para ser calibrados, no demasiado confiados. Cuando el agente de resolución no puede alcanzar el umbral de confianza necesario para enviar una respuesta de forma autónoma, escala en lugar de adivinar. Cuando un agente proporciona una respuesta incorrecta (lo que sucede, aunque con poca frecuencia), el sistema de monitoreo de Novaris marca el ticket cuando el cliente responde indicando que el problema no se resolvió. El ticket vuelve a ingresar a la cola con una marca de calidad, es revisado por un agente humano y el patrón de respuesta incorrecto se documenta para volver a capacitar al agente. El circuito de retroalimentación continuo es esencial para mantener la calidad de los agentes a lo largo del tiempo.

¿Cuánto tiempo lleva implementar OpenClaw para una nueva empresa?

El cronograma depende de la complejidad del producto y de la calidad de la documentación existente. Para un producto SaaS con buena documentación (como el de Novaris), lo normal es de seis a ocho semanas. Para empresas con documentación deficiente o productos muy complejos, la fase de construcción de la base de conocimientos puede extender el cronograma de doce a dieciséis semanas. El equipo de preventa de ECOSIRE evalúa la calidad de la documentación y la complejidad del producto durante la fase de descubrimiento y proporciona una estimación realista del cronograma antes de la participación.

¿OpenClaw requiere administración continua después de la implementación?

Sí, pero los gastos generales de gestión son bajos en comparación con el valor entregado. ECOSIRE recomienda un proceso de revisión mensual: muestreo de tickets resueltos para validación de calidad, revisión de patrones de escalamiento para detectar señales de que la configuración del agente necesita actualización y procesamiento de comentarios de agentes humanos que ven patrones en los tickets que se les envían. El plan de soporte de ECOSIRE para implementaciones de OpenClaw incluye sesiones trimestrales de optimización de agentes como parte de la oferta estándar.

¿Se puede integrar OpenClaw con nuestra plataforma de soporte técnico existente?

OpenClaw se integra con Zendesk, Freshdesk, Intercom, HubSpot Service Hub, Odoo Helpdesk y otras plataformas importantes de soporte técnico a través de API. Para plataformas sin integraciones prediseñadas, el equipo de desarrollo de ECOSIRE puede crear integraciones personalizadas. El punto de integración suele ser el webhook de creación de tickets (activa el procesamiento del agente cuando llega un ticket nuevo) y la API de respuesta del ticket (permite al agente publicar respuestas y actualizar el estado del ticket).

---

Próximos pasos

Si su equipo de soporte siente la misma presión de volumen que experimentó Novaris, la práctica OpenClaw de ECOSIRE ofrece una evaluación gratuita de las operaciones de soporte: analiza su volumen de tickets actual, categoriza los tipos de tickets por potencial de automatización y estima el impacto específico que una implementación de OpenClaw podría generar para su operación.

Visite /services/openclaw para obtener más información sobre la plataforma del agente OpenClaw AI y solicitar una evaluación.