{"id":105546,"date":"2025-12-27T17:21:23","date_gmt":"2025-12-27T17:21:23","guid":{"rendered":"https:\/\/sha-saas.com\/?p=105546"},"modified":"2025-12-27T17:21:23","modified_gmt":"2025-12-27T17:21:23","slug":"estan-suficientemente-desarrollados-los-modelos-de-ia-para-afrontar-los-desafios-del-servicio-al-cliente","status":"publish","type":"post","link":"https:\/\/sha-saas.com\/?p=105546&lang=es","title":{"rendered":"\u00bfEst\u00e1n suficientemente desarrollados los modelos de IA para afrontar los desaf\u00edos del servicio al cliente?"},"content":{"rendered":"\n

La brecha entre la teor\u00eda y la realidad<\/strong><\/h2>\n\n\n\n

Las empresas tecnol\u00f3gicas comunican regularmente rendimientos impresionantes como “95% de precisi\u00f3n”, “supera a los humanos en la prueba X”. Pero estas pruebas acad\u00e9micas a menudo no reflejan la complejidad del mundo real. Un LLM puede obtener excelentes resultados en conjuntos de datos espec\u00edficos y fracasar lamentablemente frente a casos de uso reales con ambig\u00fcedad, matices culturales o situaciones que requieren sentido com\u00fan.<\/p>\n\n\n\n

El fracaso de GPT-4.5: lanzado en febrero, retirado en julio<\/strong><\/h2>\n\n\n\n

Uno de los casos m\u00e1s reveladores de 2025 ha sido el de GPT-4.5, el modelo m\u00e1s grande jam\u00e1s creado hasta esa fecha por OpenAI. Lanzado en febrero de 2025 bajo el nombre en clave “Orion”, fue entrenado utilizando m\u00e1s potencia de c\u00e1lculo y datos que cualquier otro modelo anterior de la compa\u00f1\u00eda. Sin embargo, en abril de 2025, solo dos meses despu\u00e9s de su lanzamiento, OpenAI anunci\u00f3 que retirar\u00eda el acceso API a GPT-4.5 el 14 de julio, convirti\u00e9ndolo en el modelo m\u00e1s ef\u00edmero de la historia comercial de OpenAI.<\/p>\n\n\n\n

\u00bfLas razones? El modelo era extremadamente costoso de ejecutar (75 $ por mill\u00f3n de tokens de entrada y 150 $ por mill\u00f3n de tokens de salida, frente a 2,50 $ y 10 $ para GPT-4o), presentaba, adem\u00e1s, problemas de latencia y aparentemente no dispon\u00eda de las principales protecciones de seguridad necesarias para la escalabilidad. A pesar de su tama\u00f1o masivo, GPT-4.5 no alcanz\u00f3 el umbral de rendimiento esperado en varios benchmarks clave de la industria.<\/p>\n\n\n\n

La comunidad de desarrolladores reaccion\u00f3 con frustraci\u00f3n en Reddit, Hacker News y Discord de OpenAI. “Quedar obsoleto despu\u00e9s de 4 meses es una locura”, escribi\u00f3 un desarrollador. Otro fundador de startup coment\u00f3 an\u00f3nimamente: “Eliminar un modelo tan r\u00e1pidamente afecta la confianza. Nuestra aplicaci\u00f3n est\u00e1 desarrollada y optimizada para interactuar con GPT-4.5. Cambiar de modelo no consiste en reemplazarlo directamente por otro”.<\/p>\n\n\n\n

Este episodio plantea preguntas delicadas sobre la madurez real de la tecnolog\u00eda que las empresas adoptan apresuradamente.<\/p>\n\n\n\n

Un estudio revela que el 1,75% de las rese\u00f1as sobre aplicaciones m\u00f3viles de IA mencionan alucinaciones<\/strong><\/h2>\n\n\n\n

Un estudio cient\u00edfico publicado en agosto de 2025 en Scientific Reports analiz\u00f3 3 millones de rese\u00f1as de usuarios de 90 aplicaciones m\u00f3viles impulsadas por IA y revel\u00f3 que aproximadamente el 1,75% de las rese\u00f1as relevantes reportaban problemas que indicaban alucinaciones de LLM. Los usuarios describieron frustraciones con “Mi IA me miente” y otros problemas similares donde el sistema gener\u00f3 informaci\u00f3n plausible pero incorrecta.<\/p>\n\n\n\n

\u00bfQui\u00e9n asume la responsabilidad en caso de fallo?<\/strong><\/h2>\n\n\n\n

Aqu\u00ed se plantea una pregunta delicada y cr\u00edtica: cuando un LLM proporciona informaci\u00f3n incorrecta a un cliente, \u00bfqui\u00e9n es responsable? \u00bfLa empresa que lo despleg\u00f3? \u00bfEl proveedor de modelos? \u00bfNadie? Esta zona gris jur\u00eddica y \u00e9tica es un terreno peligroso que muchas empresas ignoran en su carrera hacia la automatizaci\u00f3n.<\/p>\n\n\n\n

El caso de Air Canada cre\u00f3 un precedente inquietante: el tribunal concluy\u00f3 que la empresa era responsable de la informaci\u00f3n falsa proporcionada por su chatbot, afirmando que no hab\u00eda “ninguna distinci\u00f3n significativa” entre la informaci\u00f3n del sitio web y la proporcionada por el chatbot. La compa\u00f1\u00eda intent\u00f3 argumentar que el chatbot era una “entidad jur\u00eddica separada”, un argumento que el tribunal rechaz\u00f3 categ\u00f3ricamente.<\/p>\n\n\n\n

El uso de LLM en un contexto de Servicio al Cliente sigue siendo muy pertinente y prometedor, pero las limitaciones y los riesgos de la tecnolog\u00eda actual imponen un enfoque prudente y estructurado que abordaremos en los pr\u00f3ximos art\u00edculos.<\/strong><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

La brecha entre la teor\u00eda y la realidad Las empresas tecnol\u00f3gicas comunican regularmente rendimientos impresionantes como “95% de precisi\u00f3n”, “supera a los humanos en la prueba X”. Pero estas pruebas acad\u00e9micas a menudo no reflejan la complejidad del mundo real. Un LLM puede obtener excelentes resultados en conjuntos de datos espec\u00edficos y fracasar lamentablemente frente … <\/p>\n

Continue reading “\u00bfEst\u00e1n suficientemente desarrollados los modelos de IA para afrontar los desaf\u00edos del servicio al cliente?”<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[264,61],"tags":[],"class_list":["post-105546","post","type-post","status-publish","format-standard","hentry","category-corp-news-es","category-uncategorized-es"],"_links":{"self":[{"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/posts\/105546","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/sha-saas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=105546"}],"version-history":[{"count":7,"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/posts\/105546\/revisions"}],"predecessor-version":[{"id":105553,"href":"https:\/\/sha-saas.com\/index.php?rest_route=\/wp\/v2\/posts\/105546\/revisions\/105553"}],"wp:attachment":[{"href":"https:\/\/sha-saas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=105546"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sha-saas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=105546"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sha-saas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=105546"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}