- entaina
- Posts
- La trampa de medir solo la eficiencia: el caso Klarna
La trampa de medir solo la eficiencia: el caso Klarna
Agus
14 de abril de 2026
En septiembre de 2023, Klarna apostó todo por la IA. Seis meses después, su agente hacía el trabajo equivalente a 700 agentes humanos. El tiempo de llamada bajó de 11 a 2 minutos.
Las acciones de Teleperformance, gigante de call centers, cayeron de €140 a €85. El futuro parecía claro.
En mayo de 2025, Klarna anunció que estaba recontratando agentes humanos. Su CEO Sebastian Siemiatkowski lo dijo sin rodeos: "El coste fue un factor demasiado dominante. Fuimos demasiado lejos por el camino equivocado con IA."
Las métricas
Las métricas iniciales eran impresionantes. En seis meses con ChatGPT Enterprise:
Tiempo de llamada: de 11 minutos a 2
Carga equivalente a 700 agentes
Hiring freeze implementado
Objetivo de 40 millones de dólares en ahorros
En papel, el caso de estudio perfecto del reemplazo masivo. El problema: esas métricas contaban solo la mitad de la historia.
La trampa del "equivalente"
Cuando Klarna hablaba de "700 agentes reemplazados", eran agentes teóricos calculados por carga de trabajo. No personas nombradas. La IA no reemplazó 700 roles completos. Tomó partes del trabajo de muchos agentes.
Cuando reemplazas trabajo parcialmente, pierdes algo que la IA no hace: juicio contextual, empatía, capacidad de detectar lo que el cliente necesita frente a lo que está preguntando.
Las métricas de velocidad capturaron la eficiencia. No capturaron la calidad.
Lo que las métricas no mostraron
Los usuarios empezaron a reportar fricciones. La IA respondía literalmente pero perdía el contexto: el cliente pregunta A, pero su problema real es B. En consultas complejas o disputas, generaba respuestas técnicamente plausibles pero inútiles. Los clientes se veían forzados a reformular preguntas una y otra vez. Y cuando la IA escalaba a humanos, había que repetir todo desde cero. El ahorro de tiempo se evaporaba.
Pero el problema más profundo era otro. Klarna opera en la industria de pagos. Cuando hay dinero de por medio, los errores de IA no se perciben como fallos técnicos. Se perciben como posible fraude o negligencia. La confianza en fintech es binaria. Y la IA la estaba erosionando.
El error del recorte
El objetivo de 40 millones en ahorros reveló el problema estructural: la reducción de costes era el motor primario.
Cuando el norte es "ahorrar dinero", las métricas que mides son las que justifican ese ahorro: tiempo de llamada, volumen procesado, equivalente en plantilla. Lo que no mides, porque es más difícil de cuantificar: calidad de la experiencia, satisfacción real, confianza, efectividad de resolución a largo plazo.
El cost-cutting atrae porque encaja en la gobernanza existente. Los CFOs lo entienden, los consejos lo premian. Pero en periodos de innovación rápida, recortar costes es la estrategia de confort de los rezagados. Las organizaciones que lideran transformaciones tecnológicas no optimizan lo que ya hacen. Redefinen lo que es posible.
Klarna optimizó costes cuando debería haber redefinido la experiencia del cliente.
La admisión
Siemiatkowski hizo algo raro en el mundo corporativo. Admitió públicamente que se equivocó. No spin, no excusas, no "estamos haciendo ajustes estratégicos". Dijo que fueron demasiado lejos.
Esa honestidad es fortaleza ejecutiva, no debilidad.
El modelo híbrido
Klarna no abandonó la IA. La recontextualizó.
La IA maneja 2/3 de todas las solicitudes: lo rutinario, lo predecible, lo que se resuelve con velocidad. Los agentes humanos cubren el tercio restante: casos complejos, disputas, situaciones que requieren empatía y juicio.
Los resultados del nuevo modelo: 82% de mejora en tiempos de respuesta donde la IA funciona bien, y 25% de reducción en problemas repetidos gracias a un mejor triaje entre IA y humanos.
Lo que no se perdió
Antes del pivot, Klarna había invertido en knowledge graphs con conocimiento acumulado de operadores, arquitectura de agentes con LangGraph y LangSmith, y un modelo organizativo de "tres motores": datos, IA y personas.
Ese trabajo no se tiró a la basura. Es la fundación que hace que el modelo híbrido funcione mejor que si hubieran empezado desde cero. Los datos limpios, los procesos de evaluación, la cultura preparada para IA: todo permanece como ventaja competitiva.
El error no fue invertir en IA. Fue ir demasiado lejos eliminando humanos antes de entender dónde eran irreemplazables.
La reacción del mercado
Cuando Klarna anunció el "reemplazo de 700 agentes", Teleperformance cayó de €140 a €85. El mercado interpretó que el fin de los call centers humanos era inminente.
Hoy Teleperformance cotiza entre €90 y €100. No rebotó a €140, pero tampoco siguió cayendo. El mercado recalibró expectativas. La IA transformará el servicio al cliente, pero no será un reemplazo total. Será un modelo híbrido donde la IA maneja volumen y los humanos manejan complejidad.
La métrica que faltaba
Klarna midió tiempo de llamada, volumen procesado, equivalente en plantilla. Lo que no midió: satisfacción real del cliente post-interacción. No "resolvimos tu ticket" (métrica binaria fácil de manipular), sino "confías más o menos en Klarna después de esta interacción".
Es la paradoja de productividad de Solow repitiéndose. En los años 90, había ordenadores en todas partes pero la productividad estaba estancada, porque las organizaciones digitalizaron procesos viejos sin rediseñarlos. Klarna cayó en la misma trampa: midió eficiencia sin medir calidad, automatizó el proceso existente sin rediseñar la experiencia.
La confianza es un activo de largo plazo. El coste de erosionarla no aparece en el P&L de este trimestre. Aparece cuando los clientes se van en silencio.
La historia de Klarna no es una advertencia contra la IA. Es una advertencia contra ir demasiado rápido sin medir las cosas correctas.
Un CEO que admite "fuimos demasiado lejos" y pivota públicamente merece respeto. Esa velocidad de ajuste es lo que se necesita en la era de IA. La pregunta no es si usar IA en servicio al cliente. Es cómo usarla sin sacrificar lo que los humanos hacen mejor: entender contexto, mostrar empatía y construir confianza.
Referencias: