Caso Air India: cómo leer sus 40.000 consultas diarias con IA
Microsoft publica un caso de atención a gran escala; distinguimos resolución declarada, canales y lecciones para empresas pequeñas.
Microsoft publicó en febrero de 2026 un caso de Air India sobre su asistente AI.g. La página indica que responde unas 40.000 consultas diarias y cubre más de 1.300 tipos de pregunta, desde cambios de reserva hasta reembolsos. También declara más de 13 millones de conversaciones resueltas desde el lanzamiento y un 97% de éxito según la definición del caso. Estas cifras proceden de una historia del proveedor y corresponden a una aerolínea de gran tamaño; su interés para una pyme está en las decisiones de producto y control.
Los casos cubren información y tareas
Consultar un servicio y solicitar un reembolso no requieren la misma autorización. El caso menciona ambas categorías, pero una implementación pequeña debe separar respuestas, consultas autenticadas y operaciones que modifican dinero o reservas. Define qué puede cerrar el agente y qué solo prepara.
La opción de hablar con una persona sigue visible
Microsoft indica que aproximadamente la mitad de clientes elige AI.g como primer canal y la otra mitad prefiere atención humana. Permitir esa elección puede reducir frustración y dar un canal de salida. Mide transferencias y abandono, no solo la proporción de personas que entra al bot.
La calidad se mejora analizando interacciones
El proveedor describe análisis de conversaciones y evolución del asistente. Una pyme puede adoptar una rutina semanal: revisar errores, preguntas nuevas, transferencias y fuentes que fallan. No modifiques reglas basándote en una sola conversación; conserva ejemplos representativos y valida el cambio en un conjunto de pruebas.
Un “97% de éxito” necesita definición
La página interpreta éxito del agente y escalado, pero el resumen público no detalla todos los criterios de resolución independiente. En tu operación define resuelto sin recontacto, transferencia correcta, respuesta correcta y operación completada. Reporta también excepciones y resultados incorrectos para no premiar cierres rápidos.
Operar a escala requiere dominio de datos
Cambios de vuelo y reembolsos requieren identidad, estado actual, políticas y conexión con sistemas autorizados. Un agente que usa datos desactualizados puede comunicar una opción que ya no existe. Indica fuente y frescura en cada respuesta, y bloquea ejecución si hay conflicto.
El personal gana espacio para casos complejos
El caso describe cómo asistentes humanos pueden dedicarse a interacciones de mayor matiz. Esa ganancia solo aparece si se diseña trabajo para el equipo: cola de escalado, contexto de conversación, prioridad y herramientas. Si el agente transfiere sin información, aumenta la carga en lugar de reducirla.
Qué probar en una pyme
Elige una familia de preguntas de volumen repetido y límites simples. Publica siempre la opción de atención humana, prueba preguntas ambiguas y registra consentimiento cuando aplique. Compara tasa de resolución confirmada, recontactos, tiempo y errores frente al canal actual, sin extrapolar cifras de una aerolínea.
Fuentes y documentación
- Microsoft Customer Stories — Air India answers 40,000 daily queries — Caso publicado por el proveedor de tecnología y basado en declaraciones del cliente; las métricas son específicas de ese despliegue y no constituyen resultados auditados ni previsiones para una pyme.
Prueba un caso de cambio de reserva que exige autenticación y otro sin política clara.
El primero debe validar identidad y el segundo derivarse con el motivo y contexto recopilados.
Cuéntanos qué necesitas →