Klarna automatizó dos tercios de su soporte. Esto es lo que aprendimos
29 may 2026
Klarna automatizó dos tercios de su soporte: la realidad incómoda detrás del hype
En su primer mes, el asistente de IA de Klarna procesó 2.3 millones de conversaciones. Eso equivale a reemplazar 700 agentes full-time de un plumazo. Los números son jugosos, pero lo que pasó después es mucho más interesante—y útil—que cualquier caso de éxito tradicional.
La mayoría de las historias sobre automatización de soporte terminan con "y bajaron costos un 80%". La de Klarna termina en un lugar más honesto: "y descubrimos que la IA no lo sabe todo".
El experimento que funcionó (al principio)
Klarna es un gigante del fintech con 150 millones de usuarios. Su volumen de soporte es comparable al de un banco mediano. Cuando lanzaron su asistente de IA a finales de 2023, el impacto fue real: el tiempo de resolución cayó de 11 minutos a menos de 2 minutos. No es un detalle cosmético. Es la diferencia entre un cliente esperando en chat mientras termina el café y uno que se cansa y chatea con tu competidor.
Los números también hablaban de ahorros directos: estimaron $40 millones USD en mejora de profit anualizado, con $3 millones mensuales en costos evitados solo en el primer mes. Operan en 23 mercados, disponibles 24/7 en 35+ idiomas. En teoría, habían resuelto el problema del soporte global.
Pero aquí está lo que nunca ves en los press releases: la IA manejó bien los tickets simples. Los complejos no.
Dónde falló la perfección
A inicios de 2025, Klarna hizo algo raro. No expandieron su asistente. Reasignaron recursos. Reintrodujeron humanos—específicamente para casos complejos, problemas de compliance en disputas, y aquellas conversaciones donde el modelo alucinaba respuestas incorrectas que parecían plausibles.
Esto no es un fracaso de la IA. Es un fracaso del pensamiento binario sobre automatización.
Cuando construyes un sistema para 2.3 millones de conversaciones mensuales, la distribución no es uniforme. El 70-80% son refunds simples, preguntas sobre estado de orden, políticas de cancelación. Ese es el territorio donde la IA vuela. El problema son los tickets que ocupan el 20-30% restante: las disputas de chargeback, los "necesito hablar con alguien ahora", los casos donde una respuesta incorrecta te cuesta compliance legal.
La métrica que importaba—tiempo promedio de resolución—mejora dramáticamente cuando automatizas los fáciles. Pero la métrica que mantiene vivo un negocio de fintech—CSAT en tickets complejos y zero compliance risk—necesita humanos capacitados que entienden contexto, regulación, y cuándo decir "déjame escalar esto".
El modelo híbrido real
Lo que Klarna descubrió es que el futuro del soporte no es "IA sí, humanos no". Es routing inteligente.
La IA maneja los tickets que puede ganar. Identifica rápidamente qué necesita cada cliente y resuelve o escala en menos de 2 minutos—mucho más rápido que un humano gateando entre categorías. Eso libera agentes para los 20% de casos donde experiencia y criterio importan.
Este enfoque tiene una ventaja financiera diferente a la que suena en los press releases. No es "$40M en ahorros". Es "40 agentes manejando el volumen de 700, pero con mejor CSAT y cero riesgo legal". Los ahorros reales son menores. El producto es mejor.
¿Por qué? Porque los usuarios entienden cuándo hablan con un bot y cuándo con un humano. Si el bot dice "no puedo ayudarte con eso" y te conecta a alguien en 30 segundos, es magia. Si el bot alucina y te da información incorrecta sobre una disputa de chargeback, es un problema regulatorio.
Lecciones para el resto
Hay tres cosas que el caso de Klarna enseña mejor que cualquier white paper:
Primero: Los números iniciales son engañosos si no aislas qué estás midiendo. Resolver 2.3M chats suena perfecto hasta que notas que el 80% eran "dónde está mi orden". Mide qué pasó con los casos donde la IA falló.
Segundo: Automatización no es un evento. Es un proceso continuo de validación. Klarna fue honesto cuando descubrió que la IA no era suficiente sola. Muchas empresas seguirían empujando por vanidad.
Tercero: El ahorro real no es en headcount. Es en velocidad para los tickets que puede ganar y precisión para los que no. Un agente humano que gasta 7 minutos triageando un ticket simple antes de decidir que necesita escala es dinero quemado. Una IA que lo hace en 45 segundos y lo pasa al experto correcto es eficiencia.
Conclusión
Klarna no automatizó dos tercios de su soporte y vivió feliz para siempre. Automatizó dos tercios, aprendió qué no funciona, y reajustó. Eso es más valioso que cualquier métrica inicial de ahorro.
Si estás evaluando IA para tu soporte, no preguntes "¿cuánto costo puedo cortar?" Pregunta "¿dónde falla mi IA?" Porque fallará. La pregunta es si tienes un plan para cuando suceda.