El modo de falla que el umbral de confianza existe para prevenir

Un agente de IA que siempre responde, sin importar qué tan segura esté en realidad, tarde o temprano va a responder una disputa de facturación, una pregunta de seguridad, o un caso específico de una cuenta con un texto confiado y verosímil que resulta ser incorrecto. Esa sola respuesta mala cuesta más confianza de la que construyen una docena de respuestas buenas — los clientes no promedian su experiencia, recuerdan la vez que el "chat" les dijo algo falso.

Un umbral de confianza es el mecanismo que previene eso: el agente de IA estima qué tan bien la pregunta del visitante coincide con lo que realmente tiene como conocimiento fundamentado — tus documentos, tus datos de producto, tus políticas — y solo responde directamente cuando esa coincidencia supera la barra que el workspace definió.

Qué pasa en vez de una adivinanza mala

Por debajo del umbral, la IA no se traba ni se repite — traspasa a un agente humano, y el traspaso lleva consigo el resumen completo de la conversación: qué preguntó el visitante, qué intentó ya la IA, y por qué se detuvo. El humano no arranca en frío; retoma una conversación que ya fue clasificada.

Esto es exactamente para lo que existe el evento de webhook `handoff.requested` — un negocio que quiere su propia lógica de escalamiento (avisarle a una persona específica, abrir un ticket en otro sistema) puede engancharse justo en el momento en que la IA decidió que necesitaba un humano, no un timeout fijo ni una coincidencia de palabra clave.

Dónde debería estar el umbral, en la práctica

No hay un número universal correcto — un workspace que responde preguntas generales de producto puede permitirse una barra más baja que uno que maneja casos de facturación específicos de una cuenta, donde una respuesta equivocada tiene consecuencias financieras reales. El instinto correcto es empezar conservador (más traspasos de los estrictamente necesarios) y solo aflojar el umbral a medida que se construye confianza en qué tan bien cubre realmente la base de conocimiento de la IA, y no al revés.

Alimentar a la IA con fuentes de conocimiento mejores y más actuales vía RAG suele ser una palanca más efectiva que ajustar el umbral mismo — un agente de IA con material fuente genuinamente bueno supera de forma natural la barra de confianza en más preguntas reales, sin que tengas que aflojar el margen de seguridad para lograrlo.

La métrica que de verdad importa

La tasa de resolución no es un número vanidoso — en iNTELIGENCIA VIVA es literalmente lo que se te cobra, ya que una resolución es una conversación que la IA cerró sin que un humano interviniera. Esa alineación es deliberada: significa que el incentivo es que la IA sea honestamente buena en las preguntas que maneja, no maximizar cuántas veces responde sin importar la exactitud.