Meta presentó Muse, su primer agente de inteligencia artificial personal, y ya empezó a usarlo para funciones que hasta ahora ocupaban equipos de call center: hacer llamadas telefónicas a negocios, gestionar consultas y avanzar en operaciones comerciales. Es el primer caso de una plataforma masiva que aplica un agente autónomo a un tipo de trabajo que emplea a millones de personas en la región.

La noticia importa menos por Meta que por lo que confirma: la conversación por voz, que era la última trinchera del trabajo humano en atención al cliente, dejó de serlo. Vale la pena entender qué hace realmente el sistema, qué partes del trabajo toca y qué habilidades siguen siendo difíciles de automatizar.

Qué es Muse y qué hace

Muse es un agente de IA que ejecuta tareas en nombre del usuario en lugar de limitarse a responder preguntas. Según la cobertura de Forbes Argentina sobre el lanzamiento, puede redactar y enviar correos, gestionar invitaciones, crear recordatorios, reservar viajes y hacer compras, y sigue trabajando aunque el usuario cierre la aplicación.

La función que cambia el panorama laboral es otra: la capacidad de hacer llamadas telefónicas a negocios. Según reportó Infobae, el agente contacta establecimientos, hace consultas y avanza gestiones sin que la persona intervenga en la conversación. Por ahora la funcionalidad tiene alcance limitado —Meta la está probando con negocios de Estados Unidos y no anunció disponibilidad general— pero el precedente técnico ya está establecido.

Qué partes del trabajo de atención al cliente quedan expuestas

No todo el trabajo de un call center es igual de automatizable. Conviene separarlo en capas.

Alta exposición

• Consultas de estado: dónde está mi pedido, cuánto debo, cuándo vence.

• Gestiones transaccionales simples: agendar un turno, cambiar una dirección, confirmar una reserva.

• Llamadas salientes de rutina: recordatorios, confirmaciones, encuestas.

• Derivación y clasificación de casos.

Exposición media

• Resolución de problemas con procedimiento definido, donde el agente puede seguir un árbol de decisión.

• Ventas de productos simples y estandarizados.

• Soporte técnico de primer nivel.

Baja exposición

• Casos con carga emocional: reclamos graves, situaciones sensibles, clientes en conflicto.

• Negociación con margen de decisión: retención de clientes, acuerdos de pago, excepciones.

• Problemas que requieren coordinar varias áreas internas.

• Diseño y supervisión de los propios sistemas automatizados.

El patrón es consistente con lo que ya se observaba en implementaciones previas: la automatización avanza sobre el volumen repetitivo y deja del lado humano los casos que requieren criterio, contexto o contención. El panorama de atención al cliente con IA: chatbots, voice bots y agentes para empresas muestra cómo se estaba dando esa transición antes de que la voz entrara en juego.

Qué significa esto para los equipos de atención en la región

América Latina tiene una exposición particular: la industria de contact centers y BPO emplea a cientos de miles de personas en la región, buena parte atendiendo mercados de habla hispana e inglesa desde fuera. Ese modelo se construyó sobre una ventaja de costo que un agente de IA neutraliza.

Ahora bien, la transición no suele ser un reemplazo directo. Lo que se observa en las empresas que ya automatizaron parte de su atención es una reconfiguración:

• Baja el volumen de posiciones de primer nivel, que es donde estaba el grueso del empleo.

• Sube la exigencia del perfil que queda. Los casos que llegan a una persona son los más complejos, no los más simples.

• Aparecen roles nuevos: diseño de flujos conversacionales, supervisión de calidad de agentes automáticos, entrenamiento y ajuste de los sistemas.

• Se revaloriza el rol de relación con el cliente, especialmente en modelos de negocio recurrentes donde la retención tiene un peso económico directo. El recorrido del Customer Success Manager es una de las salidas naturales para perfiles que hoy están en atención.

El Future of Jobs Report del World Economic Forum ubica a los roles de atención al cliente y de ingreso de datos entre los de mayor contracción proyectada de la década, y en el extremo opuesto a los especialistas en IA y a los perfiles de relación con clientes de alto valor. Es exactamente la brecha que Muse hace más visible.

Qué habilidades protegen a estos perfiles

Para alguien que trabaja hoy en atención al cliente, hay cuatro movimientos concretos que cambian su posición:

1. Aprender a operar y supervisar agentes de IA. Alguien tiene que diseñar los flujos, revisar las conversaciones, detectar cuándo el agente se equivoca y corregir. Es el puente más corto desde el rol actual, porque requiere justamente el conocimiento del negocio que ya se tiene.

2. Especializarse en casos complejos. Retención, negociación, manejo de conflictos. Es el trabajo que queda y el que mejor se paga.

3. Sumar capacidad analítica. Interpretar métricas de satisfacción, detectar patrones en los motivos de contacto, proponer mejoras de proceso.

4. Moverse hacia customer success o experiencia de cliente. Roles con foco en el valor del cliente a lo largo del tiempo, no en resolver un ticket.

El denominador común es el mismo en los cuatro casos: pasar de ejecutar la conversación a diseñar y supervisar el sistema que la ejecuta. Los casos reales de agentes de IA funcionando en empresas por industria muestran cómo se ve ese cambio de rol en la práctica.

Qué deberían hacer las empresas

Para una empresa que evalúa automatizar su atención, el error más caro es empezar por la tecnología. El orden que funciona:

• Clasificar los motivos de contacto por volumen y complejidad. Habitualmente el 20% de los motivos concentra el 70% de las llamadas.

• Automatizar primero ese 20% repetitivo, con una vía de escape clara hacia una persona.

• Medir calidad, no solo volumen: tasa de resolución en el primer contacto, satisfacción, cuántas veces el agente deriva mal.

• Reentrenar al equipo existente para los casos complejos y para la supervisión del sistema, en lugar de reducirlo de entrada.

Cursos recomendados de Coderhouse

• Curso de Introducción a la Inteligencia Artificial (nivel inicial). El punto de partida si venís de un rol de atención y querés entender qué hacen realmente estos sistemas antes de decidir hacia dónde moverte.

• Curso de AI Agents (nivel intermedio). Es el curso directamente relacionado con lo que hace Muse: cómo se construyen agentes que ejecutan tareas, y por lo tanto cómo se los supervisa y se los corrige.

• Curso de AI Automation (nivel inicial). Para quien quiere empezar automatizando procesos de su propia área y demostrar valor sin cambiar de rol.

Si trabajás en atención al cliente, el movimiento más defensivo y más rentable al mismo tiempo es aprender a construir y supervisar agentes: sos quien mejor conoce las conversaciones reales que esos sistemas tienen que sostener, y ese conocimiento no se consigue desde afuera.

Preguntas frecuentes

¿Muse ya está disponible para empresas en América Latina?

No. La función de llamadas está en pruebas con negocios de Estados Unidos y Meta no anunció disponibilidad general en otros mercados. Lo relevante para la región no es el acceso inmediato al producto sino la validación de que la tecnología para hacerlo ya funciona a escala.

¿Los agentes de IA pueden manejar una conversación difícil?

Manejan bien las conversaciones con estructura previsible. Donde siguen fallando es en situaciones con carga emocional alta, cuando el cliente cambia de tema a mitad de la conversación o cuando hace falta tomar una decisión que se aparta del procedimiento. Por eso el modelo dominante hoy sigue siendo híbrido, con derivación a una persona.

¿Cuántos empleos de atención al cliente están en riesgo?

No hay una cifra confiable y las proyecciones varían mucho. Lo que sí es consistente en los análisis del sector es la dirección: fuerte reducción de las posiciones de primer nivel y crecimiento de los roles de supervisión, diseño de experiencia y gestión de cuentas de alto valor.

¿Qué pasa con la privacidad en este tipo de agentes?

Es uno de los puntos más discutidos del lanzamiento. Un agente que llama en tu nombre, accede a tu calendario y ejecuta operaciones maneja información sensible y toma decisiones con consecuencias reales. Es el tipo de sistema que las políticas internas de gobernanza de IA tienen que clasificar como de riesgo alto.

¿Conviene formarse en atención al cliente todavía?

Conviene formarse en la relación con el cliente, no en la ejecución de tickets. La comprensión del cliente, la capacidad de resolver problemas complejos y el criterio para manejar excepciones siguen siendo escasos. Lo que pierde valor rápido es la parte del trabajo que consiste en repetir un guion.