IA y atención al cliente hacia 2030

La atención al cliente es uno de los ejemplos más claros de cómo la IA cambia partes de un puesto, no solo sus herramientas. Un cliente puede recibir una respuesta inmediata a una pregunta sencilla sobre su pedido mientras un agente humano se ocupa del caso complicado que viene después. Entre bastidores, la IA puede recuperar artículos del centro de ayuda, resumir conversaciones, traducir respuestas y redactar tickets. Pero un lenguaje fluido no equivale a una solución correcta.

La pregunta central no es “¿Eliminará la IA a los agentes de atención al cliente?”, sino “¿Qué incidencias debería resolver la IA, cuáles requieren juicio humano y cómo deberían evolucionar las competencias del equipo de atención al cliente?” La respuesta adecuada varía mucho entre las devoluciones en el comercio minorista, la resolución de problemas técnicos, las reclamaciones financieras, los dispositivos médicos y las situaciones de emergencia.

La estrategia de servicio más sólida no es la “máxima deflexión” por el bot (es decir, la mayor proporción posible de consultas atendidas sin que intervenga un agente humano). Es una resolución fiable con una responsabilidad clara, una vía rápida para hablar con una persona, un servicio accesible y unos resultados que los clientes consideren realmente justos. Este informe presenta un análisis a nivel de tareas, las competencias emergentes y un plan práctico de 90 días para la plantilla.

Aplícalo a tu propia organización: Explora la preparación de tu empresa ante la IA con hilighter. Este recurso se puede leer gratuitamente, sin informe restringido ni captación de datos de contacto, y, por ahora, la evaluación solo está disponible en inglés. La experiencia de preparación ante la IA es una ayuda a la planificación, no una calificación individual de empleados ni una certificación regulatoria.

Respuesta rápida: qué cambia, qué importa y qué hacer

Importante: las clasificaciones de este artículo son valoraciones editoriales cualitativas propias. No son probabilidades medidas de sustitución, puntuaciones numéricas de riesgo ni predicciones de reducción de plantilla.

1. Lo que respalda realmente la evidencia

Un estudio de campo citado con frecuencia, de Brynjolfsson, Li y Raymond, publicado en The Quarterly Journal of Economics en 2025 tras la versión como documento de trabajo del NBER, analizó la asistencia de la IA en la atención al cliente y observó un aumento de la productividad de aproximadamente un 14% de media en ese contexto, con mejoras mayores entre los trabajadores con menos experiencia. Es una evidencia sobre un sistema de asistencia y un lugar de trabajo concretos, no una afirmación de que todos los equipos de atención al cliente ganen un 14% ni de que desaparezca el 14% de los empleos. [1]

La séptima edición del informe State of Service de Salesforce, basada en una encuesta realizada en 2025 a 6500 profesionales de atención al cliente de 40 países, indica un mayor uso de la IA predictiva, generativa y agéntica. Los encuestados esperaban que la IA gestionara una mayor proporción de casos de aquí a 2027, pero se trata de una previsión de los equipos de atención al cliente, no de un rendimiento futuro observado. [2]

El informe CX Trends 2026 de Zendesk identifica expectativas crecientes de respuestas rápidas, de continuidad entre canales y de explicabilidad. Indica, por ejemplo, que el 74% de los consumidores de su estudio esperaban un servicio 24/7 gracias a la IA. Conviene tratar estos datos como resultados de una encuesta de un proveedor de tecnología de atención al cliente, no como una ley universal del consumo. [3]

El trabajo de la OIT de 2025 sobre la exposición de las tareas advierte contra la equiparación de la exposición ocupacional con la pérdida de empleo; lo habitual es que solo cambien algunas tareas. Las proyecciones del WEF sobre el cambio de las competencias son expectativas generales de los empleadores y no deberían trasladarse a un puesto concreto de atención al cliente. [4][5] La investigación de Microsoft de 2026 subraya que el rediseño del trabajo, las prácticas de gestión y los sistemas de aprendizaje influyen en los resultados más allá del acceso a las herramientas de IA. [9]

La evidencia aconseja probar la atención asistida y una automatización controlada con casos reales. No justifica una promesa general de que los clientes prefieren los bots, de que se puede prescindir de los agentes sin pérdida de calidad o de que un ticket “resuelto” por la IA corresponda a un problema solucionado.

Cómo interpretar la evidencia

Las grandes encuestas del sector describen la adopción, las expectativas y las percepciones de los encuestados. Los experimentos controlados ofrecen una evidencia causal más sólida, pero a menudo prueban una sola herramienta en un solo flujo de trabajo. Los estudios de exposición por tareas identifican un posible solapamiento técnico, no la adopción, la seguridad, el valor de negocio ni el desplazamiento real de empleos. hilighter no convierte ninguno de ellos en un porcentaje único de una profesión “en riesgo”.

2. Define la profesión antes de evaluarla

Un título de puesto es un indicador imperfecto de lo que hacen los empleados. La importancia relativa de cada tarea cambia con el tamaño de la empresa, el modelo de negocio, la ubicación geográfica, el segmento de clientes, las herramientas tecnológicas y la antigüedad. Analiza tus propias tareas antes de elegir formación o software.

• Agente de primer nivel / de primera línea: gestiona consultas generales frecuentes, en las que una recuperación exacta de las preguntas frecuentes, la validación de la cuenta y unas buenas reglas de escalado tienen el mayor potencial.
• Especialista de soporte técnico: resuelve problemas de configuración, integraciones e incidentes; la IA puede recuperar los pasos, pero unas instrucciones erróneas pueden causar daños operativos o de seguridad.
• Agente de atención al cliente / gestor de reclamaciones: se ocupa de situaciones de angustia, reclamaciones, litigios y recuperaciones complejas del servicio. La equidad y la inteligencia emocional siguen siendo centrales.
• Agente multilingüe de centro de contacto: atiende en varios idiomas y canales; la traducción ayuda, pero el tono, el contexto cultural y los mensajes regulados necesitan controles de calidad.
• Soporte B2B o soporte de customer success: trabaja con SLA contractuales, la continuidad del negocio y las partes interesadas de las cuentas. El contexto, los compromisos y unos traspasos precisos son importantes.
• Responsable de equipo de soporte / analista de calidad: acompaña al personal, diseña las políticas de escalado, vigila las causas de fondo y evalúa si las mejoras aportadas por la IA son reales.

3. Mapa del impacto de la IA, tarea por tarea, en la atención al cliente

Cómo leer el mapa: cada tarea tiene dos valoraciones independientes. Potencial de cambio: Alto cambio en el trabajo significa actividades relativamente repetibles que pueden asistirse o automatizarse parcialmente con buenos datos y revisión; Medio / condicional significa que una ayuda útil de la IA depende mucho del contexto y de los sistemas; Liderado por personas / de alto impacto significa que las herramientas pueden preparar la información, pero el control humano responsable sigue siendo central. Riesgo y confianza es una dimensión aparte (Bajo, Medio, Alto, Crítico): se refiere a la privacidad, la exactitud, los derechos, la equidad y el coste de un error. Ninguna de las dos valoraciones es una probabilidad.

Cinco flujos de trabajo que conviene examinar primero

La automatización de las preguntas frecuentes depende de la calidad del conocimiento. Si la política de reembolsos está desactualizada, un bot muy seguro de sí mismo puede extender la respuesta equivocada a miles de clientes. Basa las respuestas en material aprobado, identifica a los responsables de los contenidos y prueba las excepciones en lugar de juzgar el éxito solo por un tiempo de respuesta bajo.

El escalado es una funcionalidad del producto, no un fracaso. Una buena automatización sabe cuándo detenerse. Los clientes deben poder hablar con una persona competente si una respuesta es incierta, si un problema se repite o si surgen necesidades emocionales, de seguridad o de accesibilidad. El traspaso debe llevar el contexto pertinente sin exponer innecesariamente datos personales.

La asistencia de la IA cambia lo que practican los agentes. Los agentes nuevos pueden aprender atajos de procedimiento a partir de las sugerencias, pero corren el riesgo de perder capacidad para resolver problemas por sí mismos. Forma a los agentes para que cuestionen una respuesta propuesta y expliquen su razonamiento. Unos ejercicios periódicos sin asistencia pueden preservar las competencias básicas.

Las acciones de los agentes de IA requieren controles más estrictos que la redacción. Un bot que redacta una recomendación de reembolso no equivale a uno que emite realmente reembolsos o desactiva una cuenta. Distingue el acceso de lectura de las acciones externas, define umbrales de aprobación y crea una vía de marcha atrás.

Los indicadores de calidad deben seguir los resultados para el cliente. Una respuesta automatizada que provoca un segundo contacto no es necesariamente una resolución lograda. Mide los contactos repetidos, la resolución en el primer contacto verificada, el escalado de reclamaciones y el esfuerzo del cliente, además de la rapidez y el coste operativo.

4. Competencias y hábitos de trabajo que podrían perder valor relativo

Una distinción importante: que disminuya la necesidad de una actividad rutinaria no hace obsoletos ni al empleado ni a la profesión subyacente. Muchas competencias básicas siguen siendo necesarias para detectar los errores de la IA. Se trata de actividades cuyo valor de mercado como actividad independiente podría disminuir, no de competencias que las personas deban dejar de aprender por completo.

• Memorizar la redacción estándar de las preguntas frecuentes: la recuperación automática puede aportar textos aprobados y coherentes; la interpretación en contexto y la detección de excepciones siguen siendo valiosas.
• Copiar y pegar plantillas de tickets: las respuestas estandarizadas son más fáciles de redactar; la comprensión del cliente y la comprobación de la exactitud siguen diferenciando el servicio.
• Etiquetado manual de tickets: la clasificación puede asistirse, aunque los enrutamientos equivocados críticos requieren supervisión y corrección.
• Reconstruir a mano conversaciones anteriores: los resúmenes pueden ayudar si los registros tienen los permisos adecuados y se verifican los compromisos clave.
• Consultas de estado sencillas: unas integraciones seguras pueden recuperar datos básicos de la cuenta; la autenticación y los controles contra el fraude siguen siendo esenciales.
• Objetivos de servicio basados solo en la rapidez: cuando la IA aumenta el volumen atendido, la calidad de la resolución, la equidad y la confianza importan más que un tiempo de gestión corto.

5. Ocho competencias prioritarias que desarrollar

El criterio útil no es si alguien ha asistido a un webinar sobre IA, sino si puede demostrar un resultado seguro y repetible en un trabajo pertinente. Las evidencias sugeridas a continuación son ilustrativas y los empleados y los mandos deberían adaptarlas.

1. Verificación de respuestas basadas en fuentes

Distinguir una política o un artículo de conocimiento aprobado de una respuesta verosímil pero sin respaldo. Evidencia de la competencia: un conjunto de respuestas corregidas con comprobaciones de las referencias y de su actualidad. Primera práctica: auditar 20 respuestas de soporte generadas por IA frente al centro de ayuda oficial.

2. Juicio sobre el escalado y las excepciones

Identificar cuándo debe detenerse la automatización por riesgo de daño, por derechos legales, por vulnerabilidad o por incertidumbre. Evidencia de la competencia: un árbol de decisión de escalado probado con casos ambiguos y urgentes. Primera práctica: clasificar diez escenarios de tickets difíciles y anonimizados y explicar cada traspaso.

3. Empatía y recuperación de servicios complejos

Escuchar el contexto emocional y comercial cuando un caso no puede resolverse con una respuesta estándar. Evidencia de la competencia: un juego de rol observado con una explicación justa, una desescalada y la asunción de la responsabilidad. Primera práctica: practicar un conflicto con un cliente molesto con un coach independiente.

4. Supervisión de los flujos de servicio y de los agentes de IA

Entender la clasificación de la intención, la recuperación de información, los límites de los permisos, las acciones externas y la marcha atrás. Evidencia de la competencia: un diagrama de flujo aprobado con los momentos de intervención humana y los eventos de auditoría. Primera práctica: diseñar un bot controlado de estado de pedidos que no pueda emitir reembolsos.

5. Privacidad y tratamiento seguro de los datos de los clientes

Reconocer los identificadores sensibles y evitar revelar información entre clientes o canales. Evidencia de la competencia: una revisión de permisos según el principio de mínimo privilegio y ejemplos de casos con datos ocultados. Primera práctica: hacer un ejercicio de privacidad con información de la cuenta de un cliente enviada por error a otra persona.

6. Análisis de la calidad del servicio y diseño de experimentos

Interpretar los indicadores de deflexión, de nuevos contactos y de resolución sin confundir la reducción de costes con el beneficio para el cliente. Evidencia de la competencia: un cuadro de mando del piloto con línea de base, reglas de muestreo y salvaguardas de calidad. Primera práctica: recalcular la resolución en el primer contacto incluyendo los contactos repetidos.

7. Curación de la base de conocimiento y gobernanza de los contenidos

Mejorar la cobertura de los artículos, el control de versiones, la atribución de las fuentes y la asignación de responsables como una capacidad central del servicio. Evidencia de la competencia: un conjunto auditado de artículos revisados con responsables de la aprobación y de la caducidad. Primera práctica: corregir cinco artículos de resolución de problemas obsoletos y volver a probar las respuestas de la IA.

8. Comunicación entre canales y accesibilidad

Traducir con claridad y conservar el contexto del cliente entre texto, voz e imagen, respetando las necesidades de accesibilidad. Evidencia de la competencia: un caso accesible resuelto a través de dos canales con un traspaso completo. Primera práctica: probar un ticket multilingüe con una revisión de la accesibilidad y de la calidad lingüística.

6. Responsabilidades emergentes que ya resultan plausibles

Son responsabilidades de trabajo, no necesariamente puestos establecidos de forma universal. En una pequeña empresa, un mismo empleado puede combinar varias de ellas.

1. Auditor de la calidad de las respuestas de servicio de la IA. Pone a prueba la base documental de las respuestas, los fallos críticos, las excepciones a las políticas, el rendimiento multilingüe y los contactos repetidos de los clientes. Madurez: responsabilidad emergente, no una ocupación estandarizada.
2. Diseñador del escalado entre personas e IA. Construye reglas de transición fiables para los casos que pasan del bot a una persona, con contexto y una responsabilidad clara. Madurez: responsabilidad emergente, no una ocupación estandarizada.
3. Responsable de la procedencia del conocimiento para clientes. Vincula los contenidos de soporte con los responsables de las fuentes, las fechas de revisión, las afirmaciones autorizadas y la calidad de la recuperación. Madurez: responsabilidad emergente, no una ocupación estandarizada.
4. Garante de la automatización de acciones de servicio. Fija los permisos y los umbrales económicos antes de que los bots puedan tramitar devoluciones, cancelar cuentas o desencadenar flujos de trabajo. Madurez: responsabilidad emergente, no una ocupación estandarizada.
5. Analista de recuperación de la experiencia de cliente en la era de la IA. Estudia las automatizaciones fallidas y la frustración de los clientes para mejorar el diseño del servicio en lugar de ocultar los escalados. Madurez: responsabilidad emergente, no una ocupación estandarizada.

7. Competencias futuras que podrían aparecer hacia 2028–2030 (hipótesis, no hechos)

Las siguientes son hipótesis de escenario. Sus denominaciones, su calendario y su grado de confianza cualitativo son valoraciones editoriales de hilighter. No se han observado de forma independiente a gran escala y no deben usarse para prometer una trayectoria profesional.

1. Aseguramiento de la fiabilidad del servicio multimodal. Confianza media (condicional, 2028–2030). Comprobar si la IA trata de forma coherente imágenes, voces y textos, sobre todo en el caso de usuarios vulnerables. Qué la validaría: que las pruebas formales de calidad en distintos idiomas y modalidades se vuelvan habituales.
2. Negociación con agentes de IA del lado del cliente. Confianza baja a media (condicional, 2028–2030). Gestionar solicitudes procedentes de agentes de compra o de servicio propiedad de los clientes y verificar su autoridad. Qué la validaría: que aparezcan en las interacciones con los clientes mecanismos reconocidos de identidad y de delegación.
3. Diseño de los límites de la autonomía del servicio. Confianza media (condicional, 2028–2030). Definir qué transacciones pueden ejecutarse de forma autónoma y cuáles necesitan una autorización manual. Qué la validaría: políticas de transacciones ampliamente adoptadas y controles auditables de las acciones automatizadas.
4. Diseño de la procedencia de las respuestas y de las vías de recurso para los clientes. Confianza media (condicional, 2028–2030). Producir trazas de evidencia comprensibles para las explicaciones de servicio y las reclamaciones emitidas por la IA. Qué la validaría: que las herramientas de atención al cliente ofrezcan por defecto evidencias utilizables y vías de recurso.
5. Enrutamiento dinámico según la complejidad y la vulnerabilidad. Confianza baja a media (condicional, 2028–2030). Adaptar los traspasos a la vulnerabilidad del cliente y a la incertidumbre sin una elaboración de perfiles perjudicial. Qué la validaría: investigación sobre el escalado que preserve la privacidad y esté validada de forma independiente.

8. Un flujo de trabajo real: antes y después de una adopción meditada de la IA

Este ejemplo es una ilustración de diseño de procesos, no un resultado real de un cliente de hilighter ni una promesa de ahorro de costes. Los equipos deberían compararlo con su línea de base y proteger la calidad, no limitarse a reducir el tiempo de gestión.

Un problema con un pedido que se convierte en una reclamación compleja

En este escenario, el objetivo es una resolución correcta que conserve el contexto. La deflexión de tickets es un indicador secundario. Un cliente transferido a una persona por el motivo adecuado no es un fracaso; un problema sin resolver que queda oculto sí lo es.

9. Cómo podría evolucionar la profesión en 2026, 2028 y 2030

Un escenario para 2030 no es una previsión. Algunos sectores adoptarán la IA lentamente por sus sistemas heredados, las expectativas de los clientes, la regulación, el acceso a los datos o la economía; otros rediseñarán rápidamente sus flujos de trabajo. Un empleador prudente debería prepararse para varias trayectorias en lugar de un único futuro previsto.

10. Gobernanza, confianza y salvaguardas para los empleados

1. Informar a los clientes de las interacciones directas con la IA que lo requieran: aplicar las normas de información del artículo 50 del Reglamento de IA que correspondan, incluidas las excepciones según el contexto, en lugar de hacer pasar un bot por una persona. [6]
2. Proteger los datos de los clientes: aplicar el acceso de mínimo privilegio, la limitación de la finalidad, controles de seguridad y una conservación adecuada a las transcripciones, las cuentas y los archivos adjuntos. [7]
3. Hacer que el escalado esté realmente disponible: prever el traspaso a una persona en caso de incertidumbre, contacto repetido, necesidades de accesibilidad o problemas de consecuencias graves; conservar el contexto.
4. Separar las respuestas de las acciones: consultar el estado de un pedido, modificar una cuenta y emitir un reembolso requieren niveles de autorización distintos.
5. Probar los patrones de fallo: incluir alucinaciones, políticas contradictorias, confusiones entre clientes, entradas abusivas e idiomas no admitidos.
6. Respetar a los clientes vulnerables: evitar reducir los casos sensibles a puntuaciones de sentimiento o a una elaboración de perfiles opaca; recurrir a personas formadas para responder.
7. Mantener la competencia profesional: formar a los empleados para resolver casos sin sugerencias de la IA y verificar de forma independiente lo que producen las herramientas.
8. Medir las resoluciones reales: hacer seguimiento de los contactos repetidos, las reaperturas, la equidad entre grupos y las reclamaciones de los clientes; publicar con claridad quién es responsable de los errores.

Nota jurídica (contexto de la UE): el artículo 50 del Reglamento de IA incluye normas de transparencia para determinadas interacciones directas con la IA y para ciertos supuestos de contenido sintético, con excepciones y obligaciones que dependen del contexto [6]. El RGPD y las normas nacionales siguen aplicándose al tratamiento de datos personales; en ventas y marketing, la normativa ePrivacy y las leyes locales de marketing directo pueden restringir la prospección de forma independiente [7]. Un artículo de un sitio web no es asesoramiento jurídico. Verifica las normas aplicables a tu flujo de trabajo concreto y a tu jurisdicción.

11. Un plan de acción práctico de 90 días para los equipos

Cuadro de mando organizativo sencillo

Revisa los resultados por tipo de caso, idioma, grupo de clientes y nivel de antigüedad en lugar de tratar un único promedio como prueba de mejora. Incluye una línea de base, comprobaciones independientes por muestreo, la calidad del escalado y un plan explícito de marcha atrás.

12. Preguntas frecuentes

¿Desaparecerán los agentes de atención al cliente por culpa de la IA?

Ninguna estimación universal fiable respalda esa conclusión. Las respuestas rutinarias y el trabajo administrativo están expuestos, mientras que los casos complejos, la confianza y la recuperación del servicio pueden ganar importancia. [4]

¿Se aplica a mi equipo el famoso dato del 14% de productividad?

No automáticamente. El estudio evaluó un despliegue concreto de asistencia por IA; los beneficios variaron según los trabajadores y los contextos. Haz un piloto con tu propia combinación de incidencias y con controles de calidad. [1]

¿Puede la IA responder a las preguntas de los clientes sin una persona?

Las preguntas de bajo riesgo y bien respaldadas por fuentes pueden prestarse a una automatización probada con cuidado. Las incidencias ambiguas o de consecuencias graves necesitan escalado y otras salvaguardas.

¿Cuál es la nueva competencia más importante para la atención de primera línea?

La verificación de respuestas basadas en fuentes, combinada con saber cuándo pasar a un cliente a una persona formada.

¿Debemos optimizar la deflexión de tickets?

No. La deflexión solo tiene sentido cuando el problema de fondo queda resuelto. Haz seguimiento de las resoluciones verificadas, los contactos repetidos, las reclamaciones y el esfuerzo del cliente.

¿Puede un bot emitir reembolsos?

Solo dentro de unos límites claramente autorizados, verificados y auditables, incluidos los requisitos locales de protección de los consumidores y de seguridad de los datos. La revisión humana debería cubrir las excepciones y los casos de importe elevado.

¿Cómo pueden los responsables de soporte reciclar a sus empleados?

Mapeando los tipos de casos, practicando las excepciones y la empatía, formando en la verificación del conocimiento y realizando pilotos controlados con revisiones de calidad humanas periódicas.

¿Cómo puede ayudar hilighter con las competencias de atención al cliente?

Usa la experiencia AI Workforce Readiness a nivel de organización para examinar tus tareas reales de atención al cliente, identificar las carencias de capacidades probables y planificar la formación con la validación de los empleados y los mandos.

13. Qué deberían hacer ahora las organizaciones

La atención al cliente está pasando de la producción de respuestas a la responsabilidad sobre la resolución. Las organizaciones que salgan bien paradas serán las que mejoren la base de conocimiento, creen traspasos seguros y formen a un personal capaz de gestionar casos ambiguos y sensibles. Resistirán la tentación de considerar un éxito una conversación automatizada simplemente porque haya terminado.

Para los mandos, la prioridad inmediata es un mapa de tareas y un piloto pequeño con control de calidad. Para los empleados, es aprender a verificar las fuentes, detectar los límites, escalar cuando corresponde y desarrollar la empatía y el juicio necesarios allí donde los guiones no bastan.

¿Quieres examinar tus puestos reales en lugar de un perfil genérico? Explora la preparación de tu organización ante la IA con hilighter. Identifica tareas, documenta las competencias actuales, valida las carencias de capacidades con los mandos y los empleados y convierte los resultados en un plan de desarrollo práctico. Por ahora, la evaluación solo está disponible en inglés. No preselecciona automáticamente un rol ni ofrece una calificación oficial de riesgo jurídico.

Metodología, limitaciones y transparencia editorial

Este es un recurso editorial basado en investigación y en escenarios, elaborado para el Observatorio del trabajo y las competencias de hilighter (SkillsBoard SAS). Las categorías de tareas y los grados de confianza de las competencias futuras son clasificaciones editoriales. El informe no es una encuesta representativa de empleadores, una evaluación de ningún empleado concreto, una previsión del mercado laboral, una prueba técnica comparativa de productos de IA, asesoramiento jurídico ni una garantía de que un puesto vaya a desaparecer o no. Las fuentes incluyen investigación independiente, encuestas patrocinadas por proveedores y orientaciones regulatorias. Esos tipos de evidencia no son intercambiables. Todo porcentaje comunicado por un proveedor se atribuye a la encuesta correspondiente, con su base de encuestados cuando está disponible. Fecha de publicación: 6 de noviembre de 2026; verifica los nuevos avances significativos antes de futuras actualizaciones.

Mantenimiento editorial: actualizar los enlaces a las fuentes, las interpretaciones jurídicas y los ejemplos al menos una vez al año y siempre que se produzca un cambio regulatorio o tecnológico significativo. Identificar las modificaciones sustanciales y sus fechas en lugar de cambiar en silencio la evidencia citada.

Fuentes y lecturas complementarias

1. Brynjolfsson, Li y Raymond / NBER y The Quarterly Journal of Economics, Generative AI at Work: evidence from customer-support assistants (documento de trabajo de 2023 / estudio publicado en 2025). https://www.nber.org/papers/w31161
2. Salesforce, State of Service, Seventh Edition (13 de noviembre de 2025), encuesta a 6500 profesionales de atención al cliente. https://www.salesforce.com/service/resources/state-of-service-report/
3. Zendesk, Customer Experience Trends 2026 (2026). https://cxtrends.zendesk.com/gb
4. Organización Internacional del Trabajo (International Labour Organization), Generative AI and Jobs: A Refined Global Index of Occupational Exposure (20 de mayo de 2025). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
5. Foro Económico Mundial (World Economic Forum), The Future of Jobs Report 2025 (2025). https://www.weforum.org/publications/the-future-of-jobs-report-2025
6. Comisión Europea, Guidelines on transparency obligations for providers and deployers of AI systems (Article 50) (2026). https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-transparency-obligations
7. Comisión Europea, Information for individuals: automated decisions and profiling (consultado en noviembre de 2026). https://commission.europa.eu/law/law-topic/data-protection/information-individuals_en
8. NIST, AI Risk Management Framework: Generative AI Profile (26 de julio de 2024). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
9. Microsoft, 2026 Work Trend Index: Agents, human agency, and opportunity (5 de mayo de 2026). https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
10. NBER, Shifting Work Patterns with Generative AI (revisado en noviembre de 2025). https://www.nber.org/papers/w33795