Una investigación del profesor de la Escuela de Administración UC, aceptada en la revista Technological Forecasting & Social Change, analiza la percepción de los clientes frente a agentes de IA en la compra de viviendas y automóviles, y cómo los valores personales influyen en su satisfacción.

El profesor de la Escuela de Administración UC, Edgar Kausel, es autor del artículo Customer behavior in the presence of algorithmic marketing agents: The role of hedonic values, aceptado para publicación en la revista Technological Forecasting & Social Change. El estudio analiza cómo reaccionan los clientes frente a agentes de inteligencia artificial (IA) en escenarios de compras de alto involucramiento, como viviendas y automóviles.

“Hoy muchas empresas reemplazan o complementan a sus vendedores con agentes de inteligencia artificial, como chatbots o sistemas de recomendación. Aunque cada vez más comunes, aún sabemos poco sobre cómo los clientes reaccionan en compras importantes, algo clave porque esas respuestas influyen en si recomiendan o no a la empresa asociada a estos agentes”, explica el académico.

El estudio muestra que el tipo de agente (humano o algoritmo), el tipo de mensaje (positivo o negativo) y los valores personales de los clientes influyen en su disposición a recomendar una empresa.

 “El hallazgo central es que clientes con altos niveles de valores hedónicos reaccionan mejor cuando las malas noticias vienen de un humano, porque les generan mayor empatía, y también cuando las buenas noticias provienen de un algoritmo. En este último caso, el efecto positivo surge porque recibir un resultado favorable de un agente normalmente percibido como ‘frío’ y poco emocional genera para estas personas una grata sorpresa”, comenta el académico.

Metodología

La investigación se basó en tres estudios experimentales con alrededor de 1.400 participantes en escenarios simulados de compra de bienes raíces y automóviles. Se midió la disposición de los clientes a recomendar a la empresa, considerando tanto la naturaleza del agente como la respuesta recibida. “El mayor desafío fue capturar la complejidad de estas decisiones en escenarios realistas. Para eso, complementamos muestras distintas y reforzamos el diseño con pre registros de las hipótesis”, señala Kausel.

Los resultados ofrecen recomendaciones claras para las organizaciones que utilizan agentes de IA en su estrategia comercial. “En la práctica, esto significa que no basta con decidir entre humano o algoritmo: lo clave es combinar adecuadamente el tipo de mensaje, el perfil del cliente y el canal para maximizar la satisfacción y la probabilidad de recomendación”, concluye Kausel.

Lee el paper aquí.