El handoff es la parte del agente que nadie diseña: 4 de 15 escalan sin contexto

Cuando un agente de ventas por WhatsApp se rompe en producción, casi nunca se rompe donde el equipo estaba mirando. El prompt está afinado, las herramientas responden, los traces se ven limpios — y aun así la conversación se cae. Se cae en el momento en que el agente decide que ya no puede seguir solo y le pasa el cliente a una persona. Ese momento es, con diferencia, la parte menos diseñada de la mayoría de los sistemas agénticos que hemos revisado.

Los números del stress test

El equipo de investigación de Alhena publicó el 31 de agosto de 2026 una evaluación de 15 despliegues reales de agentes de IA. La metodología es relevante porque no es un benchmark sintético: cada agente se probó en una conversación continua, con memoria evaluada en tres niveles, ocho dimensiones puntuadas, y con un momento emocional y un disparador de escalamiento insertados deliberadamente en cada prueba. Los resultados:

• Handoff cliff — 4 de 15. El agente escaló a un humano sin transferir el contexto de la conversación, dejando al cliente en la posición de volver a explicarlo todo.
• Answer-only fallback — 10 de 15. El modo de falla más común del estudio: el agente responde pero no puede completar la tarea, con lo que el escalamiento se vuelve inevitable — y como no está diseñado, se ejecuta mal.
• Memory reset — 5 de 15. El agente soltó restricciones que el usuario había declarado al principio, dejando sin contexto coherente que transferir.
• Contexto entre sesiones — 1 de 15. Un solo agente recordaba al usuario cuando volvía después.
• En las dimensiones puntuadas, la experiencia agéntica promedió 2.0 sobre 3.0 y las capacidades agénticas 1.6 sobre 3.0, mientras que la dimensión de contexto obtuvo 3.0 sobre 3.0.

Ese último contraste es el hallazgo importante y conviene no pasarlo de largo: los agentes puntúan perfecto entendiendo el contexto que reciben, y reprueban usándolo para actuar y para entregarlo. El cuello de botella de 2026 no está en la comprensión. Está en la ejecución y en la transferencia de estado.

Por qué el answer-only fallback es la raíz, no el síntoma

Vale la pena leer el 10 de 15 junto con el 4 de 15, porque la relación entre ambos no es casual. Un agente que solo puede responder —que no tiene herramientas para agendar, cotizar, consultar inventario o registrar en el CRM— va a acabar escalando en cuanto la conversación pase de informativa a transaccional. El escalamiento deja de ser una ruta excepcional y se convierte en la ruta principal. Y una ruta principal que se diseñó como excepción es exactamente donde aparece el precipicio.

Del lado del cliente, el costo ya está medido. El Resolution Gap Report 2026 de Liveops, sobre 1,000 adultos, reporta que solo 10% describe el paso de la atención automatizada a una persona como "siempre fluido"; 59% dice que el traspaso es difícil porque tiene que volver a explicar su problema; 46% señala que el representante humano no tenía su información previa; 42% quiere pasar de inmediato a una persona cuando la automatización no entiende; y 35% pierde confianza en la empresa después de una interacción automatizada fallida, incluso si un humano la resuelve después.

Cómo diseñamos el handoff en SmartDevs

Nuestra posición es que el traspaso a un humano no es un caso de error: es una funcionalidad de primera clase, con su propio contrato de datos, sus propios criterios de disparo y sus propias pruebas. Lo que aplicamos en los agentes de SmartLeads:

• El estado de la conversación vive fuera del hilo. Presupuesto, producto de interés, fechas, ubicación, objeciones y etapa del embudo se extraen a un registro estructurado por contacto, persistido en el CRM, no confiados a la ventana de contexto. Ese registro es lo que evita el memory reset del 5 de 15 y lo que hace posible el contexto entre sesiones que solo 1 de 15 logró.
• El escalamiento es una herramienta, no un fallback. Se declara como cualquier otra herramienta del agente, con parámetros obligatorios: motivo, intención detectada, restricciones confirmadas, qué se intentó y urgencia. Si el agente no puede llenar el payload, no puede escalar — y esa restricción, sola, elimina el handoff a ciegas.
• El asesor recibe un resumen, no un hilo. Nadie lee 40 mensajes antes de contestar. El humano recibe cinco líneas estructuradas más el enlace al hilo completo por si lo necesita. Es la diferencia entre el 46% que reporta que su asesor no sabía nada y una continuación real de la conversación.
• Criterios de escalamiento explícitos y versionados. Frustración detectada, petición directa de hablar con una persona, tema fuera del alcance autorizado, dos intentos fallidos sobre la misma intención, o cualquier asunto con implicación de precio fuera de rango. Escritos, no inferidos por el modelo caso por caso.
• Herramientas suficientes para cerrar. Es la respuesta directa al 10 de 15: si el agente puede agendar y cotizar, el escalamiento vuelve a ser lo que debe ser — una excepción, no el final previsible de cada conversación con intención de compra.
• El handoff entra en la suite de evals. Cada escalamiento real se revisa contra una pregunta binaria: ¿el asesor tuvo que preguntar algo que el cliente ya había dicho? Cuando la respuesta es sí, es un caso de prueba nuevo.

La conclusión incómoda

Que 14 de 15 agentes en producción no recuerden a un usuario que regresa, y que 4 de 15 lo entreguen a un humano sin decirle nada, no es una limitación de los modelos actuales — cualquiera de esos equipos podría arreglarlo con trabajo de ingeniería convencional. Es una consecuencia de tratar el handoff como el lugar donde el agente deja de ser responsabilidad del sistema.

Si tienes un agente en producción, la prueba se hace en diez minutos: escríbele como cliente, dale dos restricciones concretas al principio, lleva la conversación a algo que no pueda resolver, pide hablar con una persona, y mira qué le llega a tu asesor. Si tu equipo tiene que preguntar de nuevo el presupuesto que el cliente ya dio, acabas de encontrar el punto exacto donde tu inversión en IA se está convirtiendo en fricción.