Cómo el Asistente de IA de Klarna Resuelve el 80% de las Consultas en Menos de 2 Minutos

Klarna se encuentra en la intersección del comercio y las finanzas al consumidor, operando una de las plataformas de compra aplazada más utilizadas del mundo. Con más de 85 millones de usuarios activos y 2,5 millones de transacciones diarias, la empresa se enfrenta a un desafío de soporte al cliente que escala con su negocio: los pagos, reembolsos y escalados requieren respuestas rápidas y precisas en múltiples idiomas y zonas horarias. El escalado del soporte tradicional implicaba aumentar la plantilla, lo que introducía costes e inconsistencias de calidad.

El punto de presión era la gestión de escalados. A medida que crecía la base de usuarios de Klarna, los escalados multidepartamentales se volvían más difíciles de enrutar y resolver. Los clientes con disputas de pago complejas o problemas de reembolso a menudo esperaban mientras las consultas circulaban por cadenas internas antes de llegar al equipo adecuado. La fricción era medible, y los costes de los escalados no resueltos se acumulaban en millones de interacciones.

Klarna construyó su asistente de IA sobre LangGraph, utilizando una arquitectura de agentes controlable para enrutar solicitudes y gestionar diferentes tipos de tareas en un sistema multiagente estructurado. LangSmith proporcionó la capa de observabilidad: el equipo podía ver exactamente cómo se comportaba la IA paso a paso, ejecutar experimentos con múltiples prompts y configuraciones de modelos, y medir los resultados con métricas de evaluación personalizadas. Una colaboración clave surgió a través de la optimización de prompts —los insights de Klarna influyeron directamente en la función de meta-prompting de LangSmith, que permite a los usuarios sugerir mejoras específicas y medir su impacto en la calidad de las respuestas—.

En nueve meses, los resultados transformaron la operación de soporte a escala. El tiempo medio de resolución de consultas de clientes se redujo un 80%. Aproximadamente el 70% de las tareas de soporte repetitivas se automatizaron, liberando a los agentes humanos para centrarse en interacciones complejas y de alto valor que requieren criterio y empatía. Con 2,5 millones de conversaciones registradas, el asistente de IA ofrece el rendimiento equivalente a 700 empleados a tiempo completo, cambiando fundamentalmente la economía de la función de soporte de Klarna.

La implicación más amplia para el fintech y las plataformas de consumo es que la IA puede satisfacer la doble demanda de escala y calidad en el soporte al cliente. El modelo de Klarna —combinando la arquitectura de agentes estructurada de LangGraph con el riguroso ciclo de evaluación e iteración de LangSmith— demuestra que automatizar el soporte a esta escala requiere no solo un modelo capaz, sino un enfoque disciplinado y verificable para el despliegue y el refinamiento.