Contratación · July 21, 2026 · 7 min de lectura

Ingeniería de prompts para atención al cliente: el borrador es fácil, la edición es el trabajo

En atención al cliente, la IA escribe el borrador; la habilidad está en la edición: fundamentarlo en la política, corregir el tono, eliminar la promesa excesiva antes de que llegue al cliente. Una guía práctica con un ejemplo trabajado y cómo se evalúa.

← Parte de The five pillars of a hire: what great assessments actually measure

Atención al cliente fue una de las primeras funciones donde la IA empezó a redactar el producto de trabajo real: la respuesta al cliente. Eso hace que la habilidad sea fácil de malinterpretar. No se trata de '¿puedes lograr que la IA escriba una respuesta?'; se trata de '¿puedes detectar lo que la IA hizo mal antes de que un cliente frustrado lo lea?'. Esta es la entrada de atención al cliente de nuestra serie de ingeniería de prompts por rol, y es una de las cosas más claras que revela el AI Sandbox.

El prompt es la mitad del trabajo; la edición es la otra mitad

Un buen prompt de atención al cliente hace dos cosas: entrega al modelo la política relevante para que la respuesta esté fundamentada en hechos, y nombra el tono —cálido, directo, que asume el error— para que la respuesta no parezca escrita por un robot. Pero incluso un borrador bien planteado necesita un editor. Los modelos están ansiosos por complacer, que es exactamente cómo una promesa excesiva ('le devolveremos ese importe de inmediato') se cuela en una respuesta que la política no respalda. Detectarlo es fluidez con IA en un puesto de atención al cliente.

Un ejemplo trabajado

Un cliente está enfadado por un cargo. El enfoque débil le pide a la IA que 'escriba una disculpa' y envía lo que sea que devuelva. El enfoque fuerte le da al modelo el plan, la política de reembolsos y el tono, y le prohíbe explícitamente prometer cualquier cosa que la política no permita. Luego el agente lee el borrador, suaviza una línea que suena desdeñosa y elimina una promesa de reembolso que el modelo añadió por su cuenta.

## TASK
Draft a reply to the customer message below.

## CONTEXT
- Plan: Pro (monthly). Refund policy: pro-rated, within 14 days only.
- Tone: warm, direct, no corporate filler. Own the mistake.

## RULES
- Promise nothing the policy above doesn't allow
- If their case isn't covered, say so plainly and offer the next step

• Bien: aporta política + tono, verifica la precisión, ajusta hacia una empatía genuina, elimina una promesa excesiva que el modelo coló.
• Débil: envía una disculpa genérica de IA que está equivocada en la política, desajustada en el tono, o ambas cosas.

Buenas prácticas que realmente marcan la diferencia

• Fundaméntalo en la política. Pega la política relevante en el prompt para que el borrador parta de los hechos, no de la suposición del modelo sobre tus reglas.
• Especifica el tono explícitamente. 'Cálido, directo, que asume el error' produce una respuesta muy distinta que una sin guía.
• Prohíbe las promesas excesivas desde el principio, y aun así búscalas al leer. Los modelos ansiosos inventan buena voluntad que tu política no puede honrar.
• Edita siempre antes de enviar. El borrador es un punto de partida; el juicio humano sobre precisión y empatía es el entregable.

Modos de fallo comunes

• Enviar-el-borrador: confiar en una respuesta fluida que está equivocada en la política.
• Sin guía de tono: respuestas técnicamente correctas que resultan frías o desdeñosas.
• No detectar la promesa excesiva que añadió el modelo: el error de atención al cliente más caro de todos.

Cómo lo evaluamos

Un cuestionario de opción múltiple no puede decirte si alguien detecta una promesa excesiva, y prohibir la IA evalúa un flujo de trabajo que ya no existe. Le das al candidato un escenario de atención al cliente realista con las herramientas que realmente usaría y observas la edición, que es lo que hace una evaluación con AI Sandbox, y cómo se puntúa la fluidez con IA como pilar. Mira qué cubre una evaluación completa de atención al cliente, por qué esta es la prueba honesta en la contratación nativa de IA, o observa cómo se compone una evaluación ajustada al rol.

En atención al cliente, la IA puede escribir cien respuestas al día. La persona que quieres contratar es la que lee cada una y se pregunta: '¿esto caería bien si yo fuera el cliente?', y lo corrige cuando la respuesta es no.