Análisis de Fallback Voicebot – Categoría "Información" (Muestra n=300)

Squad Hyperion  |  Contact Center Intelligence  |  Mayo 2026

⚠️ Aclaración metodológica sobre la clasificación
El dataset tiene clasificaciones distintas según el tramo de la llamada:

PCA – Post-Contacto Un robot de IA de Post Contact Analysis (PCA) analizó de forma posterior la llamada terminada y la categorizó como "Información" (columna voicebot_category_process, grupo BOT_RETENTION - subcategorías como BAGGAGE_INFORMATION, RECORD_LOCATOR, etc.). Al ser consultas informativas, debieron ser resueltas por el bot, pero terminaron derivando.

Voicebot – Tiempo Real La columna interaction_type proviene de la conversación con el bot **durante la llamada**. El bot la clasificó originalmente como **80% Transaccional operativo** (columna interaction_type, grupo BOT_TRANSCRIPTION).

👉 **Conclusión:** El Voicebot clasificó el contacto en tiempo real como transaccional (lo que pudo desviar el flujo), mientras que el robot PCA determinó de forma posterior que en realidad era una consulta puramente informativa que debió ser contenida.
1. Resumen Ejecutivo
300
Total registros
Muestra aleatoria
8.1 min
AHT promedio
vs <2 min voicebot
71.5%
FCR resuelto
203 / 284 con dato
28.5%
FCR no resuelto
81 / 284 con dato
25.7%
Transaccional estricto (Conservador)
Sin Compras: 77 de 300 casos
37.3%
Transaccional estricto (Ampliado)
Con Compras: 112 de 300 casos
10.3%
Transferidas
a agente especialista
8.0%
Reservas terceros
Despegar, Decolar, etc.
2. Clasificación Transaccional Estricta (Post Contact Analysis)
Foco en Transacciones de Escritura:
Para evaluar el potencial real de automatización y contención, se utiliza la definición de Transaccional Estricto (casos que ejecutan escrituras/modificaciones en los sistemas core). Se contrastan las dos variantes: la versión Conservadora (excluyendo compras por su posible ambigüedad en transcripción) y la versión Ampliada (incluyendo compras). Las consultas informativas o de lectura de itinerario/equipaje no se catalogan en esta métrica.
Definición TransaccionalDescripciónN% MuestraDistribución
Transaccional Estricto (Conservador) Modificación de reservas y cuentas (excluye compras) 77 25.7%
25.7%
Transaccional Estricto (Ampliado) Modificación de reservas y cuentas + casos de compra estándar/incidencia 112 37.3%
37.3%
Consulta / Informativa Consultas puramente informativas de lectura (para el caso ampliado) 188 62.7%
62.7%
3. Categorías PCA – Robot de IA (Post-Contacto)

Todas clasificadas como "Información" por el robot PCA a nivel macro. Las subcategorías muestran la distribución de la intención del cliente (columna voicebot_category_process, grupo BOT_RETENTION).

Categoría PCAN% MuestraDistribuciónFCR=1FCR%Señal
BAGGAGE_INFORMATION 30 10.0%
10.0%
 23 76.7% FCR bueno
RECORD_LOCATOR 24 8.0%
8.0%
 16 66.7% Sin PNR
FLIGHT_ITINERARY 24 8.0%
8.0%
 17 70.8% Envío email
PURCHASE_ISSUE 24 8.0%
8.0%
 17 70.8% Compra agencia
CHANGE 16 5.3%
5.3%
 12 75.0% FCR bueno
(SIN CATEGORÍA) 15 5.0%
5.0%
 11 73.3% NLU fallido
FLIGHT_DOCUMENTATION 14 4.7%
4.7%
 10 71.4% Políticas complejas
PROCESS_NOT_FOUND 13 4.3%
4.3%
 6 46.2% FCR bajo ⚠
PURCHASE_STANDARD 11 3.7%
3.7%
 7 63.6%
CLAIM_CREATION 10 3.3%
3.3%
 8 80.0% FCR bueno
CHECK_IN_ERROR 9 3.0%
3.0%
 4 44.4% FCR bajo ⚠
RESERVATION_GENERAL_INQUIRY 9 3.0%
3.0%
 6 66.7%
BAGGAGE_PURCHASE 9 3.0%
3.0%
 5 55.6%
RECEIPT_REQUEST 7 2.3%
2.3%
 5 71.4%
ALLOWED_ITEMS 7 2.3%
2.3%
 5 71.4%
DATE_TIME_CHANGE 7 2.3%
2.3%
 5 71.4%
BAGGAGE_ISSUES 6 2.0%
2.0%
 4 66.7%
BAGGAGE_PURCHASE_ISSUE 6 2.0%
2.0%
 3 50.0%
+ 32 categorías adicionales agrupadas (total n=59) 39 66.1%
4. FCR y AHT
FCR – First Contact Resolution
EstadoN%Distribución
FCR = 1 (Resuelto)20367.7%
67.7%
FCR = 0 (No resuelto)8127.0%
27.0%
Sin dato165.3%
5.3%
FCR=1 sobre filas con dato71.5%
AHT – Tiempo de Atención (n=300)
RangoN%
< 2 min3411.3%
2 – 5 min8428.0%
5 – 10 min10334.3% ← mayoría
10 – 20 min6020.0%
> 20 min196.3%
Promedio486.8 s = 8.1 min
Mediana387.6 s = 6.5 min
Máximo3466.6 s = 57.8 min
5. NPS (Muestra limitada)
⚠️ Solo el 4.3% de las llamadas (13/300) tiene dato de NPS. Los resultados no son estadísticamente representativos. Se recomienda activar captura NPS post-interacción en el 100% de contactos.
Segmento NPSN (sobre 13)%
Promotores (9–10)1184.6%
Pasivos (7–8)00.0%
Detractores (0–6)215.4%
NPS Score neto+69.2 pts
Promedio NPS8.23 / 10
Sin dato NPS28795.7%
6. Matriz de Causas Raíz (Root Cause Analysis - Dinámica)
Dimensión de FallaSubcausas y ElementosN (Casos)% MuestraImpacto Operativo
A. Acústico / ASR SILENCE, cortes, problemas de audio y llamadas mudas 72.3% Bajo
B. Comprensión NLU PROCESS_NOT_FOUND (13), SIN CATEGORÍA (15) o no detectado 289.3% Medio
C. Reglas de Negocio / Proceso PURCHASE_*, CHANGE, REFUND, MINORS, CLAIM, ACCOUNT, FFP, ALLOWED_ITEMS 13946.3% Alto
D. Falla Integración / Backend RECORD_LOCATOR, CHECK_IN_*, FLIGHT_ITINERARY, BAGGAGE_* 10234.0% Alto
E. Fuera de dominio (OOD) Compras por Despegar, Decolar, 123 Milhas, Expedia, Falabella… 248.0% Medio
7. Otros Indicadores Operativos
IndicadorN%
Llamadas transferidas a especialista3110.3%
Llamadas interrumpidas / cortadas144.7%
Reservas por terceros / agencias (OOD)248.0%
Sin audio / transcripción31.0%
Llamadas en español (ES) (Estimación)18461.3%
Llamadas en portugués (PT/BR) (Estimación)14648.7%
Llamadas en inglés (EN) (Estimación)20.7%
Distribución TemporalN%Tendencia
Semanas 1–4 (Enero)6722.3%Post-navideño
Semanas 5–8 (Febrero)8327.7%Pico máximo (S5=9.7%)
Semanas 9–12 (Marzo)5317.7%Estable
Semanas 13–16 (Abril)4414.7%Reducción
Semanas 17–21 (Mayo)5317.7%Reactivación
8. Insights Críticos por Segmento

🔴 RECORD_LOCATOR (8.0%) – Cliente sin PNR

El 100% de estas 24 llamadas llega a agente porque el cliente no tiene su código de reserva de 6 letras. El voicebot exige el PNR como entidad obligatoria y no tiene lógica alternativa de búsqueda (por nombre + fecha + ruta). Causa raíz: diseño rígido de extracción de entidades.

🟠 CHECK_IN_ERROR (3.0%, FCR=44.4%) – Peor FCR relativo

Inconsistencias entre app móvil, web y sistema core (Sabre). Reservas de agencias externas visibles en "Check-in" pero no en "Mis Viajes". El voicebot no puede diagnosticar ni resolver errores de display. Causa raíz: falla de integración con sistemas de distribución.

🔴 PROCESS_NOT_FOUND (4.3%, FCR=46.2%) – Brechas de dominio

13 casos donde el PCA clasifica la intención pero no existe flujo conversacional definido (FREMEC, armas de fuego, C4 como documento, animales exóticos). El bot llega a un callejón sin salida y hace fallback. Causa raíz: cobertura insuficiente del catálogo de procesos.

🔵 FFP_BENEFITS (1.3%, FCR=0.0%) – Sin resolución

Las 4 llamadas sobre beneficios de LATAM Pass o tarjetas Infinity no se resolvieron en ningún caso (FCR=0%). El bot no tiene integración con el sistema de beneficios/CRM. Causa raíz: falta de conectividad API con LATAM Pass y partners bancarios.

🟢 FLIGHT_ITINERARY (8.0%) – Alta contenciabilidad

24 llamadas para reenvío de itinerario por correo. Estas son las más fácilmente automatizables: el voicebot ya tiene el PNR y solo necesita permisos para enviar email vía API. Oportunidad de contención inmediata: reducción ~8 pp en fallback.

9. Roadmap de Mitigación
Iniciativa 1 — Optimización Transaccional Inmediata
0 – 90 días
  • Búsqueda sin PNR: Búsqueda multiparámetro (nombre + fecha + ruta) en RECORD_LOCATOR
  • Reenvío de itinerario: Habilitar envío email/SMS desde el bot en FLIGHT_ITINERARY
  • Equipaje dinámico: Conectar voicebot a API de tarifas por PNR para BAGGAGE_INFORMATION
  • Calibrar umbrales NLU: Reducir los 15 casos SIN CATEGORÍA y diferenciar "Información" vs "Acción"
~72Llamadas a contener
~24%Reducción fallback
Iniciativa 2 — Rediseño Conversacional
90 – 180 días
  • Flujo sin PNR: Alternativa de búsqueda sin bloquear al cliente que no recuerda su código
  • OOD terceros: Flujo específico para Despegar/Decolar que oriente en ≤2 turnos
  • NPS obligatorio: Captura en el 100% de contactos (actual: 4.3%)
  • PT/BR robustez: Mejorar detección y comprensión en portugués (38% del tráfico)
~45Llamadas a contener
<4 minAHT informativas
Iniciativa 3 — Agente Autónomo GenAI
180 – 365 días
  • LLM + tool-calling sobre Sabre/GDS: Resuelve RECORD_LOCATOR, FLIGHT_ITINERARY, BAGGAGE_*, CHECK_IN_ERROR sin flujos rígidos
  • RAG sobre políticas: Base vectorial de políticas operativas actualizada en tiempo real (elimina errores como DNI caducado de menores)
  • Multi-agente: Orquestador + subagentes de reembolsos, LATAM Pass, baggage claim
  • CRM contextual: Historial del pasajero para evitar que repita datos en cada contacto
<10%Fallback objetivo
>97%Cobertura dominio
10. Conclusiones

Hallazgo #1 – Foco en la Categoría Transaccional Estricta

Aunque el Voicebot clasificó inicialmente una gran parte de las llamadas como "transaccionales" en caliente, bajo la definición de negocio Transaccional Estricto (operaciones de escritura y cambios reales en Sabre/CRM), solo el 25.7% (conservador) o 37.3% (ampliado) son transacciones reales. El resto son consultas de lectura/información que debieron automatizarse.

Hallazgo #2 – Las 3 tops suman el 26.0%

BAGGAGE_INFORMATION + RECORD_LOCATOR + FLIGHT_ITINERARY = 78 llamadas (26.0%). Las tres tienen solución técnica inmediata mediante integración API. Son la prioridad #1.

Hallazgo #3 – FCR alto indica capacidad del agente

FCR=71.5% cuando llega al agente muestra que el cuello de botella NO es el agente sino la ausencia de automatización en el voicebot. La brecha está upstream.

Hallazgo #4 – Oportunidad GenAI

Un agente LLM con tool-calling sobre Sabre podría eliminar el 60%+ del volumen actual de fallback. El caso de negocio es sólido: ~487s AHT × costo/min agente × volumen total mensual.