caso de éxito
Resumen
CRM Bônus implementó la IA de Cloud Humans (apodada Val) en la atención de Vale Bônus y pasó de 30% de retención en el bot tradicional a 85% de retención con IA, con respuestas en 16 segundos y una mejora de 10 puntos porcentuales en el CSAT de la IA (llegando a 74%). La evolución vino en fases: base de conocimiento, auditoría continua, personalización del tono de voz e integraciones vía API con sistemas internos.
“No se trata de poner IA y resolver todo de la noche a la mañana. Se trata de evolucionar en fases con el socio adecuado.”
Elizabete Camargo
Directora de CX
Contexto: qué atiende CRM Bônus (y por qué esto se vuelve complejo rápidamente)
A CRM Bônus opera tres avenidas de atención: Giftback, Vale Bônus e CRM&Ads. En el Vale Bônus, el usuario recibe créditos (por ejemplo: por fidelidad/pago a tiempo) y puede canjearlos por ofertas y descuentos, a menudo lidiando con reglas, plazos y valores.
Esto tiene dos implicaciones prácticas:
Es “casi financiero”: se ocupa de expectativas y dinero percibido.
Los cambios son frecuentes: ofertas, reglas y campañas cambian todo el tiempo.
Si ya has manejado experiencia del cliente en este tipo de producto, sabes: la vara del cliente es implacable.
Antes de la IA: cuando “externalizar” y el “bot tradicional” fallan al mismo tiempo
CRM Bônus llegó a un punto en que las opciones clásicas no cerraban:
Alternativa | Por qué parece buena | Por qué se rompe rápido |
Subcontratar atención | aumenta la capacidad rápido | capacitar toma tiempo, la rotación duele, la calidad fluctúa |
Bot de FAQ tradicional | barato, simple | baja retención, no entiende la frustración, no transfiere bien |
En su caso, el bot anterior retenía alrededor de 30% (se mencionó 15% como referencia de mercado para bots simples, lo cual coincide con lo que vemos en varias operaciones). La consecuencia era doble: cliente frustrado y equipo sobrecargado.
“El equipo comenzó a sufrir emocionalmente. Es importante mirar al cliente, pero también al equipo.”
Elizabete Camargo
Líder de CX
Este punto es más serio de lo que parece. El burnout en CX es rotación operativa. Pierdes buenas personas y tardas meses en volver al nivel anterior.
Qué cambió con Cloud Humans: IA como una operación viva (no como un proyecto)
Aquí va la parte que defiendo con fuerza: IA buena en CX no nace lista. Se entrena en producción.
CRM Bônus hizo esto bien porque lo trató como rutina:
1) Empezar pequeño y mapear fricciones (Pareto real)
Ya habían mapeado dónde fallaba el bot. Entonces, la IA entró primero en los temas que más dolían (el 80/20 de verdad).
2) Contenido mínimo viable, con curaduría
Revisaron preguntas frecuentes, crearon nuevos materiales y organizaron la base. No necesitaba ser una “central perfecta”. Tenía que ser útil.
3) Auditoría continua con dueño claro
Un detalle que casi todo el mundo ignora: tener a alguien de CX responsable de la auditoría acelera absurdamente. No es un proyecto de TI. Es experiencia del cliente.
4) Personalidad y tono de voz
Le dieron nombre, persona y lenguaje. La IA se convirtió en Val. Y sí, hay clientes que piensan que es humano — y eso se reflejó incluso en comentarios públicos.
5) Integración vía API para salir del “FAQ”
La fase 2 fue decisiva: crear APIs de consulta para estado, datos en CRM interno e información que un humano consultaría.
Esta es la diferencia entre “chatbot” y “agente”.
Ejemplo de una conversación real
Métricas del caso
Retención (automatización de N1)
Bot tradicional: 30%
IA (evolución): 71% → 85%
Velocidad
Antes: hasta 24 h para primera respuesta
Ahora: 16 segundos
Calidad
CSAT de la IA: 74%
Ganancia reciente: +10 p.p. (enfocado en frustración y derivación)
Engagement en CSAT
Tasa de respuesta de la encuesta de evaluación: 17%
(los bots rondan el ~5 %, lo cual es una buena referencia de mercado para poner en el texto)
Cómo fue implementarlo (paso a paso práctico)
Diagnóstico → Contenido → Personalidad → Auditoría → Integraciones → Optimización
1️⃣ Diagnóstico del potencial (gratis y sin compromiso)
Cloud Humans ofrece un análisis inicial gratuito basado en tickets reales.
Análisis de una muestra histórica de atenciones
Identificación de los principales motivos de contacto
Estimación del potencial de retención
Mapeo de fricciones y cuellos de botella
Priorización basada en 80/20
📌 Objetivo: empezar en pequeño, con impacto real.
2️⃣ Curaduría de contenido (multifuente)
La IA se alimentó con distintas fuentes de conocimiento:
FAQ pública
Artículos internos
Reglas de negocio
Materiales operativos
Conversaciones reales de atención
📌 No hace falta tener una base perfecta.
📌 Necesita tener el contenido que resuelve lo que más ocurre.
3️⃣ Definición de la persona y el tono de voz de Val
La IA ganó una identidad propia alineada con la marca.
Nombre y posicionamiento claros como asistente virtual
Tono humanizado
Lenguaje alineado con la cultura de la empresa
Pruebas de variaciones de formalidad y empatía
📌 Es posible probar distintas configuraciones y medir el impacto en CSAT y retención.
4️⃣ Auditoría semanal (luego continua)
CRM Bônus puso un responsable de la IA dentro de CX.
Revisión estructurada de respuestas
Feedback directo en la plataforma
Ajustes rápidos sin depender de TI
Evolución progresiva de la retención
📌 Cloud Humans tiene una UX simple para que cualquier persona del equipo aprenda a auditar y entrenar la IA.
5️⃣ Integración vía API con CRM y sistemas internos
Aquí la IA se convirtió en un agente de verdad.
Consulta de estado
Acceso a datos del cliente
Integración con CRM interno
Respuestas basadas en información real
📌 La única exigencia del cliente fue garantizar acceso a los sistemas.
📌 Toda la construcción del recorrido se hizo junto con Cloud Humans.
6️⃣ Ajustes finos mediante auditorías seleccionadas
Entrenar una IA es como entrenar a una persona nueva en el equipo.
Corrección de respuestas específicas
Ajuste del tono en casos sensibles
Configuración del detector de frustración
Refinamiento de reglas de derivación
📌 Así fue como CRM Bônus ganó +10 puntos en el CSAT de la IA.
📌 Evolución continua, no un salto mágico.
Conclusión
Lo que CRM Bônus hizo bien no fue “poner IA”. Fue crear un sistema de mejora continua: contenido vivo, auditoría, integración y derivación inteligente.
Si quieres copiar el playbook, copia esto:
empieza pequeño
mide la retención y la calidad
da contexto vía API
y trata la frustración como prioridad
Entonces sí, la IA deja de ser promesa y empieza a escalar.
