La IA tiene un límite operativo en atención al cliente: el caso Salesforce que mirar antes de automatizar soporte.

El 3 de agosto de 2026, iProfesional publicó un análisis con un título incómodo para el entusiasmo del momento: la inteligencia artificial tiene un límite operativo en la atención al cliente. Y para sostenerlo usó el caso que más se cita cuando se habla de reemplazar personas por agentes de IA: el de Salesforce, que redujo su equipo de soporte de 9.000 a unas 5.000 personas integrando agentes. El número impresiona. Lo que casi nadie mira es el otro número: esa misma empresa todavía deja la mitad de las consultas en manos de humanos.

Soy Diego Ceredi, consultor de IA certificado por Anthropic (Claude) y Google (Gemini), y acompaño a empresas argentinas a implementar IA sobre sus procesos reales —incluida la atención al cliente—. Escribo sobre este caso porque veo el mismo error a los dos lados del péndulo: empresas que agentifican todo sin criterio y terminan enojando clientes, y empresas que no automatizan nada por miedo y quedan pagando de más. El caso Salesforce sirve justamente para ubicar el punto medio. Vamos por partes.

¿Qué es la agentificación?

La agentificación es el paso de usar la IA como asistente (le preguntás algo, te responde) a usarla como agente (le asignás un objetivo y lo ejecuta solo, encadenando pasos, herramientas y sistemas). En atención al cliente eso significa dejar de tener un chatbot que responde preguntas frecuentes y pasar a tener un agente de IA que consulta el estado de un pedido, gestiona un cambio, emite una nota de crédito o escala el caso con contexto ya cargado.

La diferencia es de fondo: un asistente te ahorra el tiempo de pensar la respuesta; un agente te ahorra el tiempo de hacer la tarea. Por eso la agentificación es la promesa que más entusiasma a las áreas de operaciones y la que más rápido se topa con la realidad: cuando el agente actúa sobre sistemas reales, cada error tiene costo real. Ahí aparece el límite.

¿Qué hizo exactamente Salesforce con sus agentes de IA?

Salesforce es el caso testigo porque puso los números sobre la mesa. Según su propio CEO, Marc Benioff, el área de soporte tenía unas 9.000 personas y se redujo a alrededor de 5.000, apoyándose en su plataforma de agentes Agentforce. Los datos concretos que conviene tener a mano:

• 4.000 puestos menos en soporte. CIO.com confirmó que Salesforce eliminó unos 4.000 roles en su división de atención al cliente durante el año fiscal 2026.
• 50% de las conversaciones las manejan agentes. La otra mitad sigue en manos de personas. No es un “reemplazo total”: es un reparto.
• No fueron todos despidos. Benioff aclaró que cientos de esas personas fueron reubicadas en ventas, professional services y customer success, no simplemente echadas.
• El negocio acompañó. Salesforce reportó ingresos +10% interanual en el segundo trimestre de su año fiscal 2026 y más de 12.500 acuerdos de Agentforce cerrados (más de 6.000 pagos).

¿Dónde está el límite operativo de la IA en atención al cliente?

El límite no es tecnológico, es de naturaleza de la tarea. Los agentes de IA rinden donde la consulta es estructurada, frecuente y verificable, y fallan donde entra el criterio, la excepción o la emoción. Esa frontera se puede dibujar bastante bien, y es la parte que ninguna demo te muestra:

Mirá la columna derecha: no es “lo que la IA no puede hacer” en abstracto, es lo que no conviene que decida sola. Un agente puede redactar la respuesta a un reclamo furioso; lo que no debería es cerrarlo sin que una persona evalúe si vale la pena una excepción para no perder al cliente. El costo de equivocarse ahí no es un ticket mal resuelto: es un cliente menos y una reseña de una estrella.

El problema no es la herramienta, es el criterio sobre qué automatizar

Esta es, para mí, la conclusión que importa. Cuando una agentificación de soporte sale mal, casi nunca es porque el modelo sea malo. Es porque alguien decidió automatizar el proceso equivocado, o el proceso correcto sin diseñar el punto de escalado a un humano. Es el mismo patrón que describo en por qué muchas empresas usan IA y no ven resultados: la tecnología funciona, el criterio de aplicación no estaba.

Salesforce no acertó porque tenga los mejores agentes del mercado (los tiene, pero no es el punto). Acertó porque segmentó: mandó a los agentes el 50% de consultas donde el patrón se repite y dejó a las personas el 50% donde hace falta cabeza. Ese reparto no lo hace el software: lo hace quien conoce el proceso y tiene el criterio para trazar la línea. Por eso esto es, antes que un problema de herramientas, un problema de capacitación y diseño.

¿Cómo decide una empresa qué automatizar en su soporte?

No hace falta ser Salesforce ni tener miles de tickets. El método es el mismo a cualquier escala y arranca por mirar tu propia operación, no el catálogo del proveedor:

• Mapeá tus consultas por volumen y criterio. El 20% de tipos de consulta suele explicar el 80% del volumen. Ahí mirás cuáles son repetitivas y de bajo riesgo: esas son las candidatas.
• Empezá por un solo proceso. Un agente que resuelve bien “¿dónde está mi pedido?” vale más que diez que responden cualquier cosa a medias. Es el mismo criterio de los errores más comunes al implementar IA: foco antes que amplitud.
• Diseñá el escalado a humano desde el día uno. El agente tiene que saber cuándo no sabe y pasar el caso con todo el contexto, no dejar al cliente en un loop. Ese “handoff” es la mitad del trabajo.
• Medí experiencia, no solo tickets cerrados. Un soporte que cierra rápido pero deja clientes enojados es un ahorro que se paga caro. La métrica es resolución y satisfacción.

Este trabajo —decidir qué se agentifica y qué no— es exactamente lo que abordo en una implementación de IA y en la capacitación in-company: el equipo aprende a leer sus propios procesos con ese criterio, que es lo único que no viene con la licencia del software. Si querés ver cómo se ve un agente de atención al cliente bien acotado, lo analicé en el caso del agente de soporte de OpenAI.

Preguntas frecuentes

¿Qué es la agentificación?

Es el proceso de delegar tareas y procesos completos a agentes de IA que no solo responden, sino que ejecutan: consultan datos, deciden y actúan de punta a punta sobre sistemas reales. Es el paso de usar la IA como asistente (le preguntás, te responde) a usarla como agente (le asignás un objetivo y lo cumple solo). En atención al cliente, agentificar significa pasar de un chatbot de preguntas frecuentes a un agente que gestiona pedidos, cambios o devoluciones.

¿Cuántos empleados de soporte redujo Salesforce con IA?

Según su CEO Marc Benioff, el área de soporte de Salesforce pasó de unas 9.000 personas a alrededor de 5.000, apoyándose en su plataforma de agentes Agentforce. CIO.com confirmó la eliminación de unos 4.000 puestos en la división de atención al cliente durante el año fiscal 2026. La empresa aclaró que cientos de esas personas fueron reubicadas en ventas, professional services y customer success, no solo despedidas, y que cerca del 50% de las conversaciones siguen siendo atendidas por humanos.

¿Cuál es el límite de la IA en atención al cliente?

El límite no es tecnológico, es de naturaleza de la tarea. Los agentes de IA resuelven bien consultas estructuradas, frecuentes y verificables (estado de un pedido, cambios dentro de política, preguntas frecuentes), pero no conviene que decidan solos donde hay criterio, excepción o emoción: reclamos con riesgo de fuga, negociación, retención o decisiones con impacto legal, financiero o reputacional. Que Salesforce, que vende agentes, mantenga humanos en la mitad de las interacciones muestra que ese límite es real.

¿Qué conviene automatizar en atención al cliente y qué no?

Conviene agentificar las consultas repetitivas y de bajo riesgo: estado de pedidos y facturas, cambios y devoluciones dentro de política, preguntas frecuentes y triage con derivación. Conviene mantener humano lo que exige criterio o contención: reclamos furiosos, excepciones a la política, retención y venta consultiva, y cualquier decisión con impacto legal, financiero o reputacional. La pregunta correcta no es “¿esto lo puede hacer un agente?” sino “¿qué pasa si el agente se equivoca acá?”.

¿Agentificar el soporte significa despedir gente?

No necesariamente. El caso Salesforce combinó reducción de puestos con reubicación de cientos de personas en ventas, professional services y customer success. La agentificación bien hecha libera a los equipos de las consultas repetitivas para que se concentren en las que aportan valor —las que exigen criterio y trato humano—. Cuando se plantea solo como recorte de headcount, se suele automatizar de más y terminar deteriorando la experiencia del cliente.

Conclusión: la ventaja no está en automatizar más, sino en automatizar bien

El caso Salesforce se cuenta como “la IA reemplazó a 4.000 personas”, pero la lectura útil es la contraria: incluso la empresa que fabrica los agentes decidió que la mitad de la atención siga siendo humana. No porque la IA no dé, sino porque hay tareas donde el criterio, el contexto y la contención no se delegan sin costo. La agentificación no es un interruptor de encendido y apagado: es un mapa de qué prende y qué no.

Si estás evaluando automatizar tu atención al cliente y querés trazar bien esa línea —qué agentes conviene, qué procesos priorizar y dónde mantener a tu equipo—, hablemos. Trabajo la implementación de IA y la capacitación de equipos con el criterio que el caso Salesforce deja tan claro: la ventaja no es de quien automatiza más, es de quien automatiza con cabeza.

Última actualización: 4 de agosto de 2026 · Versión 1.0 · Fuentes: iProfesional (3/08/2026) y CIO.com sobre las cifras de Salesforce y Agentforce. Análisis y opinión: Diego Ceredi, consultor de IA certificado por Anthropic (Claude) y Google (Gemini).