Caso: una fintech en México bajó el costo por ticket de $6.40 a $0.85 en 12 semanas

Una fintech en México pasó su soporte Tier 1 a un agente empresarial en WhatsApp y chat web conectado a su core y a su sistema de tickets. En 12 semanas, el costo por ticket resuelto bajó de $6.40 a $0.85 USD y el NPS subió de 42 a 71. El cliente está anonimizado a petición suya; las cifras están verificadas en el Proof Ledger de DaCodes (sep 2026).

La situación

Decenas de personas contestando preguntas de saldo, pagos y tarjeta por WhatsApp, con el CRM y el core abiertos en otras dos ventanas. El tiempo de atención estaba bien. El costo no: cada conversación cargaba con una persona de principio a fin, y el volumen crecía con cada campaña de marketing. El equipo ya había probado un asistente conversacional. Respondía bien las preguntas de política y no podía ver una cuenta, así que la mayoría de las conversaciones terminaba en una transferencia.

Lo que firmamos

KPI principal: costo por ticket Tier 1 resuelto. Baseline: $6.40 USD, medido con los datos de tickets del propio cliente en las semanas previas al piloto. Guardrail: satisfacción del cliente igual o mayor al baseline. Consecuencia: si la meta fijada en el Blueprint no se cumplía en el commitment gate, no había fase de Scale ni retainer.

Lo que construimos, en cuatro fases

• Blueprint (primeras dos semanas): mapa de workflow de los intents más frecuentes, evaluación de datos de la API del core y del export de tickets, plan de evals construido sobre conversaciones reales anonimizadas como primer set de prueba.
• Build: integración con el core (leer saldos, movimientos y estatus de tarjeta; escribir promesas de pago y notas en tickets), una capa de contexto con reglas de producto y políticas, WhatsApp Business y chat web como canales.
• Despliegue controlado: el tráfico pasó al agente intent por intent, A/B contra la cola humana en los mismos intents, demos semanales con el KPI en pantalla.
• Commitment gate en la semana 12: el tráfico Tier 1 en el agente con aprobación humana en reembolsos y cambios de límite, evals semanales en la Agent Console, una página con el número.

El stack, en la nube del cliente

AWS Bedrock con AgentCore en la cuenta del cliente, LangGraph para orquestación, una configuración multi-modelo que manda los intents simples a un modelo pequeño y las acciones sobre la cuenta a uno más fuerte, MCP como interfaz de herramientas hacia el core y el sistema de tickets, RAG híbrido sobre políticas, limpieza de PII antes de cualquier llamada al modelo, y un log de auditoría de cada lectura y escritura. Repo en el GitHub del cliente.

Resultados al día 90

• Costo por ticket Tier 1 resuelto: de $6.40 a $0.85 USD.
• NPS: de 42 a 71.
• Cada escalación llega con la conversación, el contexto de la cuenta y la acción sugerida adjuntos.

Fuente: el sistema de tickets del cliente y la Agent Console, verificados en el Proof Ledger de DaCodes, sep 2026.

Qué ve el equipo de operaciones

En la Agent Console, la líder de soporte ve el KPI contra su baseline, la tasa de aprobación de la última corrida de evals, el gasto del mes contra el umbral de alerta, el log de auditoría de cada lectura y escritura, y la cola de aprobaciones pendientes. Los reembolsos y los cambios de límite esperan ahí a una persona. Todo lo demás corre. Cuando cambia una política, el equipo edita la capa de contexto, los evals vuelven a correr, y la diferencia se ve antes de que llegue a un cliente.

Qué hizo la diferencia

No fue el modelo. Tres decisiones hicieron el trabajo. El agente podía leer y escribir el core, así que podía actuar en lugar de explicar. El KPI era costo por ticket resuelto, no deflexión, así que nadie tenía incentivo para cerrar conversaciones antes de tiempo. Y los evals corrían cada semana sobre conversaciones reales, así que los cambios de política durante el piloto se detectaron la misma semana en que ocurrieron, no en la revisión trimestral.

Qué le diríamos a otra fintech

Empieza por los intents donde la respuesta vive en el core, no en un documento. Saldo, movimientos, estatus de tarjeta y promesas de pago son el volumen, y son justo los que un asistente no puede tocar. Escribe el paso de aprobación para reembolsos y cambios de límite en la política antes de la primera conversación, y muéstraselo temprano al equipo que atiende al regulador. Y mide el costo por ticket resuelto desde el día uno, con los datos del propio cliente, para que el número en el gate no sea opinión de nadie.

Qué sigue

El retainer cubre evals, actualizaciones de modelo y cambios de política. El siguiente proceso en el pipeline es cobranza, sobre la misma plataforma, con su propio KPI Contract.