De equipo en el límite a operación con IA: cómo Metricool escala su CX con Zentesimal

El equipo que contestaba todo a mano

Antes de Zentesimal, el equipo de soporte de Metricool operaba 24/5 de forma completamente manual. Quince mil tickets al mes, respondidos uno a uno, con el nivel de estrés que eso implica cuando los tiempos de respuesta son un KPI no negociable.

El problema no era solo el soporte. El equipo de conocimiento etiquetaba conversaciones manualmente para sacar insights, pero solo podían cubrir una fracción del volumen. Y en churn, se mandaban pocos mensajes, sin personalización, sin seguimiento. No porque no quisieran — sino porque no había capacidad humana para hacerlo bien.

“Teníamos un equipo muy alineado y comprometido, pero el volumen y la presión para mantener tiempos de respuesta cortos generaban un estrés constante. No era sostenible a largo plazo.”

El nivel de profundidad que no encontraban

Implementar IA en el CX de Metricool no era un problema simple. Su caso de uso exige consultar y actuar sobre el backoffice para resolver tickets, un nivel de integración que las soluciones más genéricas no alcanzan.

Pero el mayor reto era el conocimiento. Metricool tiene años de conversaciones, documentación interna y un equipo que acumula contexto sobre el producto de forma constante. Ninguna solución había llegado a gestionar ese conocimiento con la profundidad que necesitaban — hasta Zentesimal.

“Nuestro producto es muy especializado. Los tickets no siempre se resuelven con información y en muchos casos se necesita contexto del usuario y hay que hacer algo en el sistema. Buscábamos una solución con ese nivel de profundidad, capaz de especializarse como alguien del equipo, y no era fácil de encontrar.”

Cómo Zentesimal construyó los workers

El punto de partida fue el conocimiento de Metricool — y Metricool lo tenía bien trabajado. El problema era que estaba construido para humanos. Zentesimal creó los sistemas necesarios para transformarlo: detectar inconsistencias, identificar conocimiento faltante y eliminar el obsoleto. El resultado no fue simplemente una base de datos — fue un cerebro.

Ese cerebro combina dos capas de contexto. La primera es el conocimiento de la empresa: el producto, sus flujos, sus reglas, sus casos de uso. La segunda es el contexto de cada usuario: cómo ha usado el producto, a qué tiene acceso, cuál es su historial. Con esas dos capas, los workers pueden resolver problemas complejos y especializados — no dar respuestas genéricas, sino actuar como un CSM experto que conoce a cada cliente en profundidad. A escala de millones de usuarios y miles de tickets al mes.

Para capturar el conocimiento tácito — el que vive en las cabezas de las personas — se implementó un bot en Slack que interactuaba con el equipo y extraía respuestas de las propias conversaciones del día a día.

Después vino la integración. Zentesimal no obligó a Metricool a cambiar sus herramientas: los workers operan dentro de Crisp, el sistema que el equipo ya usaba, para que la transición fuera invisible.

“No queríamos cambiar los hábitos del equipo. Si Bruno aparece en Crisp como un agente más, la adopción es natural. El equipo siente que tiene un compañero nuevo, no que tiene que aprender un sistema nuevo.”