La Ley de Servicios de Atención a la Clientela (Ley 10/2025) ha puesto sobre la mesa una realidad que muchas empresas ya conocían: gestionar bien la atención al cliente no consiste solo en disponer de los canales adecuados o de un procedimiento interno. También hay que ser capaz de saber qué está ocurriendo realmente en esos canales y, llegado el momento, demostrarlo.
La norma establece unos niveles mínimos de calidad para determinados servicios de atención a la clientela y afecta tanto a empresas que prestan servicios básicos de interés general como a grandes empresas incluidas en su ámbito de aplicación.
Entre otras cuestiones, regula tiempos de atención, acceso a atención personalizada, reclamaciones, accesibilidad o idiomas. Son obligaciones que tienen una consecuencia directa para las organizaciones: el cumplimiento necesita datos y evidencias.
Y ahí es donde la inteligencia artificial empieza a tener un papel interesante. No porque una herramienta de IA pueda garantizar por sí sola que una empresa cumple la ley, sino porque puede ayudar a controlar de una forma mucho más sistemática lo que sucede en miles de llamadas, reclamaciones e interacciones que hasta ahora resultaba difícil supervisar.
La Ley SAC convierte el cumplimiento en un problema de datos
Muchas de las obligaciones establecidas por la Ley SAC pueden expresarse mediante indicadores objetivos. Por ejemplo, la norma establece que el 95 % de las llamadas recibidas deben ser atendidas, de media, en menos de tres minutos. Además, cuando el cliente solicita atención personalizada, el 95 % de estas solicitudes también debe ser atendido, de media, en un plazo inferior a tres minutos desde que se solicita.
La ley también prohíbe utilizar contestadores automáticos, bots conversacionales u otros sistemas similares como único mecanismo de atención. El cliente debe poder solicitar la intervención de una persona física desde las opciones disponibles en el menú principal y durante la interacción.
A ello se suman otros requisitos, como los relacionados con reclamaciones e incidencias. Como regla general, consultas, quejas, reclamaciones e incidencias deben resolverse en un máximo de 15 días hábiles, mientras que las relacionadas con facturación o cobros indebidos tienen un plazo máximo de cinco días. Existen además obligaciones específicas para determinadas incidencias relacionadas con servicios esenciales.
Esto plantea una cuestión fundamental: ¿Cómo puede una empresa demostrar que está cumpliendo estos requisitos de forma sistemática? No basta con tener un procedimiento escrito, es necesario saber qué está ocurriendo realmente en las llamadas, reclamaciones, sistemas de atención y procesos internos, y eso implica trabajar con datos.
Del muestreo de llamadas a una supervisión mucho más amplia
Durante años, una parte importante del control de calidad de los contact centers se ha basado en escuchar muestras de llamadas. Es un sistema lógico cuando el análisis depende exclusivamente de personas. Si una organización gestiona cientos de miles de conversaciones al mes, resulta materialmente imposible escucharlas todas. Se selecciona una muestra, se evalúa y se utiliza como referencia de lo que está ocurriendo.
El problema aparece cuando esa muestra se utiliza también para controlar riesgos de cumplimiento. Puede ofrecer una buena fotografía de determinadas situaciones, pero siempre existe la posibilidad de que los casos problemáticos estén fuera de las llamadas seleccionadas.
Las tecnologías de Speech Analytics y procesamiento del lenguaje mediante IA permiten abordar ese trabajo de otra manera. Una conversación puede transcribirse y analizarse automáticamente para localizar determinados elementos: qué idioma se utilizó, cuál era el motivo del contacto, si el cliente pidió hablar con una persona, si se realizó una determinada comunicación obligatoria o si apareció una reclamación durante la llamada.
Esto no significa eliminar la revisión humana. Significa utilizarla donde aporta realmente valor. En lugar de dedicar recursos a buscar manualmente posibles desviaciones, la tecnología puede ayudar a localizar aquellas interacciones que requieren atención y facilitar después su revisión por parte de los equipos de calidad o compliance.
Es un cambio bastante importante: pasar de buscar problemas dentro de una muestra a utilizar los datos para identificar dónde merece la pena mirar.
Convertir la Ley SAC en indicadores medibles y evidencias
Uno de los usos más prácticos de la IA consiste precisamente en traducir determinados requisitos regulatorios a indicadores que puedan supervisarse de manera continua.
No todos los artículos de una ley pueden convertirse en una regla automática, ni sería razonable intentarlo. Hay cuestiones que necesitan interpretación jurídica y otras en las que seguirá siendo imprescindible la intervención humana.
Pero sí existen muchos aspectos operativos que pueden medirse. Por ejemplo, tiempos medios de atención, solicitudes de atención personalizada, transferencias realizadas, reclamaciones pendientes, tiempos de resolución, idioma solicitado o disponibilidad de evidencias asociadas a una gestión.
A partir de ahí puede construirse un cuadro de control que permita detectar qué requisitos se están cumpliendo y, sobre todo, cuáles empiezan a desviarse. La diferencia respecto a un dashboard tradicional está en la trazabilidad. Un indicador que muestre un 93 % de cumplimiento es útil. Pero inmediatamente genera otra pregunta: ¿qué ha pasado en el 7 % restante? Si el sistema permite llegar desde ese porcentaje hasta las interacciones que lo explican (la llamada, la transcripción, el registro del CRM o la marca temporal correspondiente) el indicador deja de ser únicamente una métrica y se convierte en una herramienta de investigación y auditoría.
Ese nivel de detalle puede ser especialmente valioso cuando hay que analizar una desviación, responder a una reclamación o acreditar cómo se gestionó una interacción concreta.
Utilizar la IA para prevenir, no solo para auditar
Hasta aquí estamos hablando principalmente de supervisión: analizar lo ocurrido para comprobar si el servicio está funcionando como debería. Pero la IA también puede intervenir antes y un buen ejemplo son los picos de demanda. Si una empresa descubre al día siguiente que durante dos horas los tiempos de espera se dispararon, el análisis habrá servido para detectar el problema, pero no para evitarlo.
Aquí los agentes conversacionales pueden desempeñar otra función. Un agente de IA puede atender inicialmente al cliente, identificar el motivo de su llamada, recoger la información necesaria y determinar a qué equipo debe dirigirse. Si necesita intervención humana, la conversación puede transferirse proporcionando al agente el contexto recopilado previamente.
También puede ser útil para gestionar desbordamientos, identificar situaciones prioritarias o localizar un agente que pueda atender en un determinado idioma. Eso sí: automatizar no debería plantearse como una elección entre IA o agentes humanos.
La Ley SAC contempla la utilización de contestadores automáticos, bots conversacionales y sistemas similares, pero exige que permitan solicitar atención personalizada desde el menú principal y en cualquier momento de la interacción.
Por eso, posiblemente el enfoque más útil no sea pensar en la IA como sustituto del agente, sino como una tecnología capaz de organizar mejor la demanda y facilitar la transición entre automatización y atención humana. El objetivo es que la tecnología facilite el acceso al servicio, no que cree nuevas barreras.
Del cumplimiento reactivo al cumplimiento proactivo
La llegada de la Ley SAC está obligando a muchas compañías a revisar sus procesos de atención. Pero limitarse a comprobar una lista de requisitos probablemente sea quedarse en la superficie del problema.
Hay una oportunidad más interesante. Si una organización es capaz de conectar sus conversaciones, sus sistemas operativos y sus indicadores de cumplimiento, puede empezar a detectar problemas antes de que sean estructurales.
Puede saber que determinados horarios están provocando tiempos de espera excesivos. Que un tipo concreto de reclamación está tardando demasiado en resolverse. Que algunas transferencias están generando una mala experiencia. O que determinados procedimientos no se están siguiendo como estaba previsto.
Ahí es donde la IA aporta más valor: no simplemente generando un informe al final del mes, sino ayudando a identificar, explicar y corregir desviaciones.
Por supuesto, la tecnología no sustituye a la gobernanza, al criterio jurídico ni a la supervisión de los equipos responsables y tampoco todo lo que puede automatizarse debería automatizarse. Pero sí cambia la escala a la que puede realizarse el control.
Durante mucho tiempo, las empresas han tenido que confiar en muestras, auditorías periódicas y datos repartidos entre diferentes sistemas. La combinación de analítica conversacional, IA e integración de datos permite avanzar hacia otro modelo: un cumplimiento más continuo, trazable y conectado con la operación diaria.
Y quizá esa sea una de las consecuencias más relevantes de la Ley SAC. Ya no se trata únicamente de tener definidos los procesos adecuados. Se trata de poder comprobar que funcionan, detectar cuándo dejan de hacerlo y disponer de evidencias para demostrarlo.
Descubre más sobre cómo utilizar agentes inteligentes puede ayudarte a optimizar el servicio y cumplir con las normativas, haciendo click aquí.