El crecimiento explosivo de los agentes de IA requiere una base de contexto compartida
Una plataforma para unificar el contexto del cliente
Birdie, una startup fundada por brasileños en Silicon Valley, propone transformar las diversas señales generadas por los clientes en un contexto compartido, permitiendo que tanto personas como agentes de IA tomen decisiones basadas en un mismo entendimiento. La empresa consolida en una única plataforma información proveniente de conversaciones, investigaciones, quejas, datos de uso, segmentación de clientes y otras interacciones con consumidores.
“Si diez agentes necesitan entender al mismo cliente antes de ejecutar diez tareas diferentes, ¿cuánto de ese entendimiento realmente necesita ser reconstruido diez veces?”, cuestiona Alexandre Hadade, CEO y cofundador de la compañía. “El problema no es solo el costo de repetir el trabajo. Es el riesgo de que haya diez respuestas diferentes para el mismo cliente.”
La utilidad de la herramienta se vuelve aún más estratégica cuando los agentes de IA comienzan a participar en la toma de decisiones. Si un cliente cancela una compra o un servicio, los equipos de producto, experiencia del cliente y atención pueden llegar a explicaciones distintas para el mismo caso, cada uno a partir de un sistema que no se comunica con los demás.
Birdie llama a esto falta de gobernanza del contexto. La solución propuesta por la startup es la creación de una base de información que pueda ser utilizada por diferentes sistemas, con registro del origen de los datos y de la forma en que fueron empleados.
‘Cuanto más autonomía damos a la IA, más importante se vuelve la calidad del contexto que hay detrás de ella’ – Alexandre Hadade, CEO y cofundador de Birdie
Del análisis a la decisión
El uso de esta información ya está presente en empresas que manejan grandes volúmenes de interacciones con clientes.
En KOHO, una empresa canadiense de servicios financieros, la plataforma de Birdie comenzó a analizar una mayor parte de las interacciones con los consumidores. Según la startup, esto ayudó a reducir en un 80 % la estructura dedicada a evaluar la atención y capacitar a los empleados. El ahorro estimado es de alrededor de 350 000 dólares al año.
En la fintech brasileña Neon, el análisis de las interacciones identificó problemas que estaban evolucionando hacia quejas regulatorias. Basándose en estas señales, la empresa modificó los procedimientos aún en la fase de atención al cliente. En dos trimestres, según Birdie, el índice de quejas regulatorias cayó un 44 %.
Estos ejemplos muestran cómo la información generada en la atención al cliente puede ser utilizada fuera de ella. Una queja puede indicar un problema de producto. Una conversación puede señalar una falla en el proceso. Un cambio en la satisfacción puede indicar un problema que aún no aparece en los indicadores tradicionales.
Con el aumento del número de agentes en las empresas, esta información comienza a alimentar un mayor número de sistemas. Por lo tanto, la discusión no es solo sobre cuán inteligente es cada agente, sino sobre la calidad del contexto que tendrá para tomar decisiones.
“No creemos que las empresas deban dejar de construir sus agentes. Por el contrario: construirán cada vez más”, afirma Hadade. “Pero nuestra visión es que, cuando creen el próximo agente, no tenga que empezar desde cero para entender al cliente.”








