El abandono silencioso: la métrica que ningún tablero de atención muestra

El dato incómodo con el que conviene empezar

En julio de este año Genesys publicó su 2026 State of Customer Experience, con 5.811 consumidores y 1.560 líderes de experiencia y negocio en más de veinte países, levantado entre marzo y abril de 2026. Tiene muchas cifras interesantes, pero hay una que se queda pegada: más de la mitad de las personas declara que preferiría hacer casi cualquier otra cosa antes que contactar a servicio al cliente.

No dice que el servicio sea malo. Dice algo peor: que la gente ya calculó el costo de intentarlo y prefiere no hacerlo. Es la diferencia entre un cliente que reclama y un cliente que decidió que reclamar no vale la pena.

En el mismo estudio, el 84% le concede tres intentos o menos a un agente virtual antes de abandonar la interacción, y el 85% dice haber reducido su gasto o haber dejado de hacer negocios con una empresa a raíz de malas experiencias. Dos tercios cambiarían a un competidor después de tres o menos experiencias negativas, y una quinta parte necesita apenas una: un aumento de 24% respecto de la medición anterior.

Junte esas tres cifras y va a ver el contorno de un problema que casi ningún tablero de atención muestra. La gente no está peleando. Se está yendo en silencio.

El silencio tiene al menos tres formas y medimos una sola

Desde la experiencia, cuando un equipo de producto mira la instrumentación de un canal de atención automatizada, encuentra tres métricas que suenan parecidas y significan cosas muy distintas:

• Tasa de contención: sesiones que terminaron dentro del canal automatizado sin escalar a un humano, dividido por el total de sesiones que entraron.

• Tasa de deflexión: contactos atendidos sin intervención humana sobre el total de contactos de soporte.

• Tasa de resolución: casos efectivamente resueltos de punta a punta, donde el problema de la persona quedó completamente atendido.

Las dos primeras miden ausencia de humano. La tercera mide presencia de solución. Y no son lo mismo, aunque en la mayoría de los tableros aparezcan una al lado de la otra con el mismo tamaño de letra.

El punto crítico es aritmético y no requiere ninguna interpretación generosa: si la contención se define como sesión que terminó sin escalar, entonces la persona que cerró la ventana porque el bot no entendió nada queda contada como caso contenido. Un análisis de junio de 2026 sobre estas mismas definiciones lo dice sin rodeos: un conteo laxo de contención "anota el abandono como una victoria". El abandono no debería contarse como resolución, pero infla igual la contención y la deflexión.

De ahí se desprende algo que a mí me parece la conclusión más incómoda de todo este asunto: la manera más barata y rápida de subir la tasa de contención es esconder el camino que lleva a una persona. Nadie escribe eso en un documento de requisitos. No hace falta. El indicador se encarga solo.

Un jueves cualquiera, en una reunión cualquiera

Recordando algunos proyectos, podría considerar que la escena se repite con una fidelidad casi sospechosa. Hay un tablero proyectado. Contención en 71% y subiendo desde el lanzamiento del asistente. Volumen del centro de contacto abajo un 30%. CSAT del canal automatizado en 4,4 sobre 5. Alguien de finanzas dice "excelente" y lo dice en serio, porque desde donde él mira, es excelente.

Y en la fila de atrás está el analista de retención con la cara de quien trajo una noticia que nadie pidió, mirando una curva de bajas que subió justo en el mismo trimestre.

Las dos cosas son ciertas al mismo tiempo. Ahí está el chiste, y es un chiste caro.

El CSAT de 4,4 es real, pero es el promedio de las personas a las que se les ofreció la encuesta. Y la encuesta se ofrece, casi siempre, al final de una conversación que llegó al final. Quien cerró la ventana en el segundo turno nunca fue encuestado. Es como medir la calidad de un concierto encuestando a los que se quedaron hasta el bis. El público que se fue a mitad del show no abuchea, no llena una boleta, no deja reseña: simplemente ya no está en la segunda parte. Y la banda vuelve al camarín convencida de que fue una gran noche.

Que la gente no reclame no significa que esté bien

Esto no es una intuición nueva ni una ocurrencia de la era de los chatbots. Hay literatura académica bastante anterior sobre el asunto. En 2005, Chebat, Davidow y Codjovi publicaron en el Journal of Service Research un trabajo con un título que se explica solo: Silent Voices: Why Some Dissatisfied Consumers Fail to Complain. Estudiaron clientes de banca que habían sufrido fallas de servicio, muestreando deliberadamente en partes iguales a quienes reclamaron y a quienes no, e introdujeron una variable que ordena bastante el panorama: la propensión a buscar reparación (Seeking Redress Propensity).

La conclusión, traducida al lenguaje de producto, es demoledora: la decisión de reclamar depende en buena medida de un rasgo de la persona, no de la gravedad de la falla. Dos clientes con exactamente el mismo problema pueden producir un reclamo y un silencio. Si su sistema de escucha depende de que el cliente hable, usted no está midiendo su servicio: está midiendo la distribución de personalidades de su base.

Y en 2026 hay un agravante. Reclamarle a un formulario cuesta menos que reclamarle a una persona, pero rendirse frente a un bot cuesta todavía menos que rendirse frente a una persona. No hay que interrumpir a nadie, no hay que sostener un silencio incómodo, no hay que decir "gracias igual". Se cierra la pestaña. El costo social de abandonar se fue a cero, y con él se fue la última fricción que hacía visible la frustración.

La brecha entre lo que creemos y lo que pasa

Vale la pena mirar la edición anterior del mismo estudio de Genesys, difundida en marzo de 2025 con campo entre septiembre y octubre de 2024, porque contiene una comparación que debería estar enmarcada en la pared de cualquier equipo de CX: los líderes de experiencia creían que las esperas largas —más de diez minutos— ocurrían apenas el 10% de las veces, mientras que más del 60% de los consumidores reportaba haber esperado entre quince y más de sesenta minutos durante el último año.

No es mala fe. Es que cada quien mira su instrumento, y los instrumentos están construidos para mostrar el flujo que sí ocurrió. Lo que no ocurrió —la llamada que no se hizo, el chat que se cerró, el formulario que quedó a medias— no tiene dashboard.

En esa misma serie, la disposición hacia la IA subió: de un 64% que creía que mejoraría la calidad y velocidad del servicio en 2024, a un 76% en 2026. Y hoy al 76% de los consumidores no le importa si lo atiende una IA o una persona, siempre que la solución sea rápida y completa. Ese matiz es importante y conviene no romantizarlo: la gente no odia a los bots por principio, odia no quedar resuelta.

Aunque, para ser justos con la complejidad del dato, hay evidencia que apunta en dirección contraria. Una encuesta de OnePoll para AnswerConnect publicada en mayo de 2026, con 6.000 consumidores en Estados Unidos, Reino Unido y Canadá, muestra que la preferencia por hablar con una persona subió de 83% a 85%, que la frustración con agentes de IA pasó de 54% a 59%, y que quienes colgarían al ser derivados a un bot subieron de 29% a 31%. Un 73% declara que sería más leal a empresas que mantienen representantes humanos.

¿Se contradicen con Genesys? No necesariamente. Están preguntando cosas distintas: una mide preferencia de canal, la otra mide indiferencia condicionada al resultado. Pero la lectura conjunta es clara: el margen de tolerancia existe y es estrecho, y se agota rápido.

Cómo se ve esto en un flujo real

Tomemos un caso concreto y deliberadamente aburrido, del tipo que representa el grueso del volumen de cualquier operación: alguien quiere cambiar la fecha de facturación de su plan.

• Turno 1. Escribe "quiero cambiar la fecha de cobro". El asistente responde con la política general de facturación, porque el documento existía y coincidía por palabras clave.

• Turno 2. Reformula: "no, quiero cambiar el día en que me cobran". Recibe una variante del mismo texto, ahora con un enlace a preguntas frecuentes.

• Turno 3. Escribe algo más corto y más seco. El asistente pregunta si desea consultar su saldo.

• Turno 4. No hay turno 4.

En el registro esa sesión aparece como contenida. No escaló. No generó ticket. No consumió minutos de agente. Bajó el costo por contacto. Subió la contención. Todos los indicadores del canal mejoraron gracias a una interacción que fracasó por completo.

Y hay una señal que estaba a la vista y nadie instrumentó: la reformulación repetida. Cuando una persona dice lo mismo tres veces con distintas palabras, no está explorando: está insistiendo. Ese patrón es medible, es barato de detectar y prácticamente nadie lo tiene como evento de primera clase en su analítica.

El contexto latinoamericano: el reclamo formal como último recurso

En Chile, el SERNAC informó en julio de este año el balance de su gestión 2025: alrededor de 655.000 reclamos y más de 250.000 consultas recibidas, con más de 30 mil millones de pesos en compensaciones obtenidas por vía extrajudicial voluntaria en beneficio de unos 4,42 millones de consumidores. La concentración por mercado es previsible y por eso mismo elocuente: retail 22%, servicios financieros 18%, telecomunicaciones 15%, servicios básicos 10% y transporte 9%, sumando el 74% de los casos.

Ahora hagamos el ejercicio mental que importa. Un reclamo ante el regulador es lo que ocurre después de que el canal de la empresa ya falló. Nadie parte por ahí. Primero está la app, después el chat, después el teléfono, después la insistencia, después el enojo, y recién ahí el formulario del organismo público. Cada uno de esos 655.000 reclamos es la punta visible de una pila de intentos previos que la empresa registró —si es que los registró— como sesiones contenidas.

Sobre las preferencias regionales hay que ser honesto con la vigencia del dato: el estudio más citado en el mercado chileno sobre atención al cliente sigue siendo el de HubSpot para Latinoamérica de 2024, con unas 2.000 respuestas en la región y más de 250 consumidores y 250 ejecutivos en Chile. Allí, el 81% declaraba que dejaría de usar una marca tras una mala experiencia, solo un 14% se declaraba plenamente satisfecho con la atención, y los canales preferidos eran teléfono (37%), local físico (29%) y WhatsApp (23%), con el software de atención en un discreto 11%. Es un dato de hace dos años, en un mercado que cambió rápido, y conviene citarlo como línea base y no como fotografía actual.

Lo que sí es actual es la presión. Una encuesta de Gartner a 321 líderes de servicio y soporte, levantada en octubre de 2025 y difundida en febrero de 2026, encontró que el 91% siente presión ejecutiva para implementar IA durante 2026. Y la casa había anticipado en marzo de 2025 que hacia 2029 la IA agéntica resolvería de forma autónoma el 80% de los problemas comunes de servicio, con una reducción de 30% en costos operativos. Cuando la presión viene por el lado del costo y el indicador disponible mide ausencia de humano, adivinen qué indicador se va a mover primero.

Siete movimientos concretos

Nada de esto se arregla con una campaña de cultura. Se arregla con instrumentación y con decisiones de diseño que se puedan auditar.

1. Separar contención de resolución en el tablero, con definición escrita. No basta con tener las dos métricas: hay que declarar por escrito qué cuenta como resuelto. Una definición honesta exige señal positiva —confirmación explícita del usuario, o el cambio de estado efectivo en el sistema de origen— y no la mera ausencia de escalamiento. Si no puede escribir esa definición en dos líneas, el número no significa nada.

2. Instrumentar el abandono como evento de primera clase. Cierre sin resolución, reformulación repetida de la misma intención, salto de canal dentro de las 24 horas siguientes, retorno con la misma consulta en la semana. Cuatro eventos, todos baratos de capturar, todos hoy invisibles en la mayoría de las implementaciones.

3. Medir el esfuerzo hasta el humano. Cuántos turnos, cuántos segundos y cuántos clics separan a una persona de un agente real. Es un número, se puede poner en un tablero, y su tendencia dice más sobre la salud del canal que la contención. Si sube mes a mes, alguien está optimizando en la dirección equivocada.

4. Encuestar a quienes se fueron, no solo a quienes llegaron al final. Un muestreo de sesiones abandonadas, con contacto posterior por otro canal, corrige el sesgo de sobrevivencia del CSAT. Cuesta trabajo. Es exactamente por eso que casi nadie lo hace, y exactamente por eso funciona.

5. Diseñar la salida con el mismo cuidado que la entrada. La ruta hacia una persona tiene que ser visible desde el primer turno, no aparecer como premio de consuelo después del tercer fracaso. Y aquí hay un criterio auditable prestado del mundo de los patrones oscuros: si el camino de salida tiene más pasos que el de entrada, el problema no es de copywriting.

6. Entregar el contexto en el traspaso. El estudio de Genesys de este año encontró que el 95% de los consumidores espera que la información se conserve entre canales, pero solo el 48% de las organizaciones comparte automáticamente esa información entre agentes virtuales y humanos. Es decir: la mitad de las veces que alguien logra llegar a una persona, tiene que empezar de cero. Ese es el momento exacto en que se pierde el cliente que ya había hecho todo bien.

7. Tratar el reclamo formal como evento de producto, no como asunto de legal. Cada reclamo ante el regulador debería poder rastrearse hasta la sesión donde el canal propio falló. Si el equipo de producto nunca ve esa trazabilidad, el aprendizaje se queda en el departamento equivocado.

Un contrapeso honesto

Sería deshonesto terminar sin decir esto: no todo silencio es fracaso. El autoservicio que funciona bien también es silencioso. La persona que encontró su respuesta en el segundo turno y siguió con su día tampoco llena encuestas. Confundir todo silencio con abandono lleva a sobredimensionar soporte y a desmantelar automatizaciones que sí estaban funcionando.

Por eso la respuesta no es desconfiar del silencio, sino dejar de tratarlo como un dato único. Hay silencio de resolución y silencio de rendición, y son distinguibles: dejan huellas distintas en la duración de sesión, en la reformulación, en el retorno posterior y en el comportamiento comercial de las semanas siguientes. Distinguirlos cuesta trabajo de analítica y algunas semanas de definiciones peleadas entre producto, datos y operaciones. No cuesta un cambio de plataforma.

Y hay una razón de negocio para hacerlo ahora, más allá de la corrección conceptual. El mismo estudio de Genesys aporta el dato que ordena todo: el 92% de los consumidores espera que cualquier organización iguale la mejor experiencia que haya tenido en cualquier parte. Como resumió Janelle Binder, ejecutiva de la compañía, los consumidores ya no comparan una marca con sus competidores directos, sino cada interacción con la mejor experiencia que han vivido. La vara no la pone la competencia. La pone el mejor recuerdo del cliente.

La reflexión

El indicador que su equipo mira todos los días no es neutral: define qué comportamiento se premia. Una métrica que cuenta la ausencia de humano como éxito va a producir, tarde o temprano y sin que nadie lo decida explícitamente, un sistema que dificulta llegar a un humano. No hace falta mala intención. Basta con no haber revisado la definición.

El cliente que cerró la ventana sin decir nada también votó. Votó con el gesto más barato que tenía a mano, y su voto quedó registrado en la columna equivocada.

Los productos digitales también necesitan humanidad, y en atención esa humanidad empieza por algo bastante poco poético: por medir bien la frustración de la gente en lugar de contar el silencio como aplauso. Mientras el abandono siga siendo invisible, todo tablero verde es una hipótesis sin verificar. Y las hipótesis sin verificar, en experiencia de cliente, suelen cobrarse solas al trimestre siguiente.