5 errores que destrozan la experiencia de tu chatbot de atención al cliente
Los fallos más frecuentes en chatbots de WhatsApp y soporte, y cómo detectarlos antes de que afecten a tus clientes.
Después de analizar cientos de conversaciones de chatbots en sectores como salud, e-commerce y hostelería, los problemas que más aparecen no son de tecnología. Son de diseño conversacional: flujos mal pensados, respuestas que no conectan con la intención del usuario y escalaciones que llegan tarde o no llegan nunca.
El primero y más frecuente es el bucle de repetición. El chatbot da la misma respuesta dos o tres veces porque no reconoce que el cliente ya ha intentado esa vía. Esto sucede cuando el modelo no tiene memoria del turno anterior o cuando los intents están demasiado solapados. El cliente se frustra, cierra el chat y llama por teléfono — si es que tiene esa opción.
El segundo error es la escalación tardía o inexistente. Muchos chatbots intentan resolver todo sin derivar al agente humano, incluso cuando el usuario ya ha expresado frustración explícita o ha pedido hablar con una persona. En las conversaciones que analizamos, el tiempo medio entre la primera señal de frustración y la escalación real supera los cuatro turnos. Eso es demasiado.
El tercero es la falta de confirmación. Cuando el cliente da información — un número de pedido, una fecha, una queja — y el chatbot no la repite ni confirma, el usuario no sabe si ha sido registrada. Esto genera un segundo mensaje de comprobación que podría evitarse con una simple frase de acuse de recibo.
El cuarto problema es el primer mensaje. Es el momento donde el chatbot tiene que dejar claro que es una IA, según el Artículo 50 del Reglamento Europeo de IA. En prácticamente un tercio de las conversaciones que revisamos, el chatbot no se identifica como tal en el primer turno — lo que además de ser un problema de experiencia, es un riesgo legal desde agosto de 2026.
El quinto es más sutil: respuestas genéricas a preguntas específicas. El cliente pregunta si hay stock de una talla concreta y el bot responde con información de política de devoluciones. No es que el bot no entienda — es que el flujo no está diseñado para ese caso, y en lugar de decir que no puede ayudar, desvía hacia lo que sí sabe responder.
La buena noticia es que estos cinco fallos son detectables y medibles. No necesitas revisar conversación por conversación: una auditoría estructurada sobre un lote representativo de 200-500 conversaciones es suficiente para tener un cuadro claro de qué está pasando y qué arreglar primero.