Pensemos en el cliente cuya consulta a una IA se queda sin respuesta una y otra vez, justo después de una prueba de velocidad satisfactoria. El centro de operaciones de red informa de que la infraestructura está sana. La latencia está dentro del objetivo. No hay caídas en la red. En algún punto entre esas mediciones y la solicitud fallida, lo que el proveedor sabe del servicio ha dejado de explicar la experiencia del cliente.
El cliente sigue necesitando ayuda.
Para los operadores de banda ancha, los últimos veinte metros entre la puerta de enlace y el dispositivo del abonado son una buena forma de plantear ese problema. Un fallo en este tramo puede convertir una conexión que funciona en una llamada de atención técnica. Si se repite, el proveedor tiene un problema de retención que investigar, aunque sus métricas de red sean buenas.
En una encuesta de 2025 a clientes de telecomunicaciones de EE. UU., el 69 % citó la conectividad de red fiable como uno de los principales factores de decisión, por muy poco por delante del precio.¹
El sector lleva décadas construyendo la infraestructura y los sistemas de monitorización de los que depende la banda ancha. Esa inversión era necesaria. Los operadores necesitan saber cuándo se queda corta la capacidad o cuándo falla un nodo. Desde entonces, el wifi gestionado en la nube ha extendido su visibilidad hasta el hogar y les da acceso al comportamiento de los dispositivos, al estado del wifi y al rendimiento de las aplicaciones, algo que antes era difícil de observar.
Esa visibilidad ya ha transformado el día a día de las operaciones. Muchos de los problemas que antes generaban llamadas de atención técnica, desde la selección de canales wifi y el direccionamiento de dispositivos hasta las amenazas de seguridad habituales, ahora pueden detectarse y resolverse automáticamente. En buena parte de las interacciones con los abonados, la red puede optimizarse cada vez más por sí sola.
Los problemas que quedan son distintos. Son menos frecuentes, pero mucho más difíciles de diagnosticar porque no apuntan a una única causa. Una reunión de Zoom se congela aunque la prueba de velocidad sea correcta. Una consulta a Claude AI se queda sin respuesta a pesar de que el wifi funciona bien. Un hogar informa de «internet lento», pero el problema de fondo puede estar en la aplicación, en el dispositivo, en las condiciones de radiofrecuencia o en algo ajeno por completo a la red del proveedor.
El reto es cada vez más urgente a medida que evoluciona la IA. Nuestra investigación reciente reveló que el 86 % de los hogares del conjunto de datos de Plume interactúa ya con un modelo de lenguaje de gran tamaño (LLM) al menos una vez por trimestre, y dos tercios lo hacen con regularidad. Pero la próxima oleada no será simplemente más conversaciones con IA, sino agentes de IA que realizan tareas cada vez más complejas en nombre de los usuarios, con flujos de trabajo más largos, más interacciones entre aplicaciones y más ocasiones en las que algo puede salir mal.
En conjunto, estos problemas, más difíciles de diagnosticar, crean lo que llamamos la brecha de experiencia: la diferencia entre observar que algo ha ido mal y entender por qué ha ocurrido lo bastante bien como para actuar y mejorarlo. El reto ya no es recopilar señales. Consiste en determinar cuáles importan, conectarlas para darles un contexto útil y hacerlo mientras aún hay tiempo de mejorar la experiencia del abonado.
Dentro del hogar
El hogar medio del conjunto de datos de Plume tiene ya más de 22 dispositivos conectados. Cada vez más, esos dispositivos interactúan no solo con personas, sino también con servicios de IA que actúan en su nombre. Cualquier día, un portátil se une a una videollamada mientras otra persona ve un partido en 4K. Una consola PlayStation compite con una copia de seguridad en la nube. Una cámara Nest sube grabaciones en segundo plano. La combinación cambia a medida que las personas se mueven entre habitaciones y dispositivos, a menudo sin pensar en la conexión.
Aquí es donde la brecha de experiencia se hace visible.
Un abonado que intenta terminar en Teams la sesión anual de fijación de objetivos con su jefe tiene pocos motivos, y menos capacidad, para distinguir un problema de la red de acceso de uno del wifi o del dispositivo. La reunión se está interrumpiendo. Un diagnóstico que se detiene en una prueba de velocidad satisfactoria deja esa interrupción sin explicar.
Una prueba de velocidad, por sí sola, no puede reconstruir lo que ocurrió durante la llamada. Para eso hay que relacionar las mediciones relevantes con el dispositivo, la aplicación y el momento de la interrupción. Aun así, la causa puede estar fuera del control del proveedor. El resultado útil es un diagnóstico que acote el problema lo suficiente como para orientar el siguiente paso..
Un flujo de trabajo de IA bloqueado introduce otro tipo de síntoma que investigar. A diferencia de una interacción sencilla de petición y respuesta, un agente de IA puede completar decenas de acciones coordinadas en varios servicios en la nube antes de devolver un resultado. Si falla un paso, el operador sigue teniendo que determinar si la interrupción se originó en el hogar, en la red de acceso, en la aplicación o en cualquier otro lugar.
Hoy los operadores tienen acceso a datos de red, wifi, aplicaciones, dispositivos y clientes que hace una década habría sido difícil reunir. Una sola llamada interrumpida puede dejar pruebas en varios de esos sistemas. El trabajo consiste en conectar esas pruebas. ¿Qué señales explican la interrupción? ¿Ha ocurrido antes? ¿Persiste después de la solución aparente? Esas respuestas dan a un agente de atención técnica algo con lo que trabajar cuando llama el cliente.
Dónde deja de ser útil la información en toda la empresa
Atención al cliente hace visible el coste de un contexto incompleto. Un agente puede empezar con poco más que «cliente descontento en la línea 2». El abonado describe los síntomas, reinicia los equipos y repite una prueba de velocidad. Estos pasos pueden ser útiles. Su valor es más difícil de defender cuando el proveedor ya ha recopilado información que habría podido acotar la investigación.
La prueba para un operador es si esa información llega a la persona que atiende la llamada de una forma que pueda aprovechar. Recopilar datos de dispositivos y de wifi en algún lugar de la empresa no significa que un agente pueda relacionarlos con la interrupción que describe el cliente.
Los equipos de operaciones se enfrentan a la misma dificultad cuando una red de acceso sana no les deja ningún siguiente paso claro. Necesitan seguir el problema más allá del módem e identificar qué parte de la conexión requiere atención. Un panel puede mostrar dónde una medición superó un umbral; alguien tiene que decidir aún qué significa eso para este abonado.
Las decisiones comerciales también dependen de esa distinción. Un hogar con problemas de cobertura y otro que necesita más capacidad pueden informar ambos de que internet va lento. Tratar esas quejas como la misma oportunidad de venta adicional conlleva el riesgo de que los ISP recomienden un servicio que deje sin resolver el problema original.
Para los equipos de producto, la cuestión pasa a ser si un servicio cambia la experiencia que debía mejorar. La dirección necesita saber si la inversión en ese servicio reduce el trabajo de atención evitable o ayuda a retener abonados. Responder a cualquiera de las dos preguntas exige conectar lo que ocurrió en el hogar, lo que hizo el proveedor y lo que ocurrió después.
Más telemetría, por sí sola, no puede dar esa respuesta. Tampoco un análisis que llega cuando el cliente ya ha vuelto a llamar o se ha dado de baja.
Qué ocurre después de una alerta
Una alerta puede ayudar a un operador a intervenir antes. También puede convertirse en un elemento más de una cola. Su valor depende de la respuesta que hace posible.
Si cada alerta obliga a alguien a reunir las mismas pruebas antes de decidir qué hacer, el proveedor ha hecho más visible el problema, pero deja intacta buena parte del trabajo de investigación. A medida que crece la base de abonados, ese trabajo crece con ella, salvo que cambie el proceso operativo.
Un modelo operativo útil reuniría las pruebas relevantes y ayudaría a los equipos a decidir qué problemas requieren atención. Cuando se pueda aplicar una solución con seguridad, el proveedor debería poder actuar y comprobar el resultado. Cuando la causa siga sin estar clara, el agente debería heredar la investigación ya realizada en lugar de pedir al abonado que empiece de nuevo.
Evitar una llamada de atención técnica es un listón exigente. El operador debe detectar un problema que se está gestando, elegir una respuesta adecuada y confirmar que ha servido. Una predicción sin una intervención viable añade otra alerta. Una intervención sin comprobación deja al proveedor a ciegas sobre su efecto.
Un nuevo modelo operativo para la banda ancha
Un responsable de operaciones debería poder preguntar por qué ha bajado la satisfacción de los clientes en una región y recibir ayuda para investigarlo. Hoy, esa pregunta puede mandar a las personas a buscar entre paneles, informes y registros antes de poder siquiera decidir por dónde empezar.
Pensemos en cómo podría funcionar esa investigación. El sistema identifica los hogares afectados y descubre que la mayoría comparten un modelo de puerta de entrada. Los reinicios aumentaron durante una ola de calor, con fallos concentrados en una versión concreta de firmware. El equipo de operaciones puede examinar las pruebas y comprobar una explicación específica. Ingeniería recibe una investigación sobre la que puede actuar, con una propuesta de solución que evaluar. Lo que empieza como una pregunta sobre el NPS termina en una acción de ingeniería concreta.
Los equipos comerciales necesitan ese nivel de comprensión para decidir qué hogares deben recibir una oferta de mejora. Las videollamadas que empeoran en horario laboral podrían indicar demanda de un servicio para teletrabajar. Pero si lo que causa las interrupciones es una cobertura wifi débil, la oferta tiene que resolver la cobertura. Más ancho de banda, por sí solo, haría que el cliente pagara más por el mismo problema.
Una investigación podría establecer qué hogares tienen un problema de cobertura y si el servicio propuesto lo resolvería. Los equipos comerciales podrían entonces hacer una oferta con una justificación clara. Los hogares que necesitan una solución sencilla podrían derivarse a atención al cliente, con las pruebas ya adjuntas. Lo que empieza como un síntoma en atención técnica termina en una oportunidad de ingresos bien dirigida.
Estas decisiones exigen que la información viaje con el problema del cliente. Un hallazgo sobre un fallo de la puerta de entrada debería informar la siguiente conversación de atención técnica. Un problema de cobertura sin resolver debería ser visible para el equipo que prepara una oferta. Después de una intervención, el proveedor necesita saber si han cesado las interrupciones.
Un modelo operativo así cambia cuándo y cómo se toman las decisiones. A medida que la IA pasa de responder preguntas a realizar trabajo, ese cambio cobra aún más importancia. Los operadores no se limitarán a dar soporte a más dispositivos conectados. Darán soporte a más actividad autónoma en esos dispositivos.
Los operadores deberían poder poner esa comprensión al servicio de todo su negocio. Pronto tendrán una nueva forma de hacerlo.
¹Circles Consumer Survey ((EE. UU.), realizada en octubre de 2025 a 1000 clientes de telecomunicaciones de EE. UU.