Madurez de la IA en la atención al cliente

Comprueba si la IA está ayudando o perjudicando a tus conversaciones de soporte.

Pruebe esta evaluación de salud en directo

¿Qué es el modelo de Madurez de la IA en la atención al cliente?

Los equipos de soporte usan la IA para desviar tickets, clasificarlos, redactar respuestas, resumir conversaciones y detectar riesgo de abandono. Usada sin cuidado, también genera respuestas erróneas dichas con total seguridad, respuestas que no encajan con la marca y datos de clientes en herramientas que no deberían verlos. El modelo de Madurez de la IA en la atención al cliente pide a tu equipo que valore 25 prácticas en siete áreas: adopción en los flujos de atención, uso diario de las herramientas, calidad de las respuestas y voz de marca, escalado y supervisión, precisión y fundamentación, límites de los datos de clientes y medición. Cada práctica avanza por cinco etapas, de Ad hoc a Optimizado, y cada etapa se describe en términos de atención al cliente, por ejemplo, si los agentes revisan bien los borradores de la IA antes de enviarlos o los aprueban sin mirar. Hay una opción de «No aplica» para las prácticas que no corresponden a tu configuración. El resultado es una visión, propiedad del equipo, de dónde la IA se ha ganado su lugar en vuestro trabajo de soporte y dónde aún necesita salvaguardas.

Dimensiones

Adopción de la IA en los flujos de atención

Con qué intención y amplitud se integra la IA en los flujos de atención donde realmente puede ayudar, con el enfoque de automatización adecuado y claridad sobre los puntos de contacto con el cliente.

  • Cobertura de flujos de trabajo

    La IA está desplegada en los flujos de atención donde puede ayudar de forma razonable (desvío de tickets, clasificación, asistencia al agente, resúmenes, señales de abandono, búsqueda de conocimiento).

    1. Ad hocLa IA aparece en uno o dos flujos por casualidad; la mayor parte del servicio sigue sin tocar.
    2. EmergenteAlgunos flujos cuentan con asistencia de IA; la cobertura es desigual y depende de la experimentación individual.
    3. DefinidoLa mayoría de los flujos de atención de alto valor ofrecen a los agentes alguna capacidad de IA.
    4. GestionadoLa cobertura de IA es deliberada, completa en los flujos prioritarios y ajustada a donde realmente ayuda.
    5. OptimizadoLas decisiones de cobertura se toman de forma consciente y se revisan; la IA se añade donde se gana su lugar y se retira donde no.

  • Adecuación de las herramientas al flujo de trabajo

    Las herramientas de IA que usamos se adaptan bien a las tareas de atención que realmente hacemos.

    1. Ad hocUsamos la primera herramienta de IA que apareció; que encaje con nuestro flujo es pura casualidad.
    2. EmergenteAlgunas herramientas encajan bien con nuestro trabajo; otras están metidas con calzador y ralentizan a los agentes.
    3. DefinidoLa elección de herramientas se revisa frente a los flujos de atención reales; se identifican los desajustes.
    4. GestionadoLas herramientas se seleccionan y configuran para nuestros patrones de atención concretos; los agentes las perciben como una ayuda, no como un obstáculo.
    5. OptimizadoLa adecuación entre herramienta y flujo se supervisa de forma continua; las herramientas se sustituyen, ajustan o retiran a medida que cambian los flujos.

  • Nivel de automatización

    Tenemos una postura clara y deliberada sobre en qué flujos la IA asesora, en cuáles redacta borradores y en cuáles gestiona todo el proceso.

    1. Ad hocQuién o qué gestiona un flujo depende del agente y del día; la frontera entre IA y personas no está definida.
    2. EmergenteAlgunos flujos tienen un modo por defecto (la IA redacta, el agente envía), pero las excepciones son habituales.
    3. DefinidoCada flujo tiene un modo documentado (asesor, asistencia en borradores o autónomo) y el equipo sabe cuál es cuál.
    4. GestionadoLa elección de modos es deliberada, se revisa con regularidad y se ajusta a los resultados de riesgo y calidad.
    5. OptimizadoEl equipo sabe explicar por qué cada flujo opera en su nivel actual y qué haría que subiera o bajara.

  • Puntos de contacto de la IA con el cliente

    El equipo sabe dónde aparece la IA directamente en la experiencia del cliente y dónde solo en las herramientas del agente.

    1. Ad hocNo está claro qué IA ve el cliente y cuál es interna; nadie lo controla.
    2. EmergenteHay una idea aproximada de qué IA ve el cliente, pero no está documentada.
    3. DefinidoLos puntos de contacto de la IA con el cliente están inventariados y el equipo los revisa.
    4. GestionadoLa IA de cara al cliente se gobierna de forma distinta a la interna, con las salvaguardas y revisiones adecuadas.
    5. OptimizadoEl inventario y su nivel de riesgo se revisan de forma rutinaria; nada de cara al cliente pasa desapercibido.

Uso de herramientas y práctica diaria

Si las herramientas de IA forman parte del trabajo diario de los agentes: se usan de forma constante, dentro de las herramientas donde se trabaja, y las licencias las aprovechan quienes las necesitan.

  • Tasa de adopción diaria

    Las herramientas de IA forman parte del trabajo diario de los agentes, no son un experimento paralelo.

    1. Ad hocUnos pocos entusiastas usan la IA; la mayoría del equipo no.
    2. EmergenteLa adopción crece, pero de forma desigual; algunos turnos usan mucho la IA y otros nada.
    3. DefinidoLa mayoría de los agentes usa herramientas de IA como parte de su jornada normal.
    4. GestionadoEl uso diario de la IA es lo habitual en todo el equipo; no usarla es la excepción y se analiza cuando ocurre.
    5. OptimizadoLa IA está tan integrada en el trabajo diario que la pregunta «¿la estás usando?» ya no tiene sentido.

  • Coherencia de hábitos en el equipo

    Los patrones de uso de la IA son similares entre agentes y turnos, y no dependen de preferencias individuales.

    1. Ad hocEl uso de la IA varía muchísimo entre agentes; la experiencia del cliente depende de quién atienda el ticket.
    2. EmergenteSurgen algunas prácticas compartidas; la coherencia es irregular.
    3. DefinidoLos agentes tienen una guía compartida sobre cuándo y cómo usar la IA en las tareas habituales.
    4. GestionadoSe supervisa la coherencia; los casos atípicos (quienes la usan de más o de menos) reciben acompañamiento.
    5. OptimizadoEl equipo trabaja con un dominio compartido de la IA; la calidad y el tono son constantes, esté quien esté de turno.

  • Uso de licencias

    Las licencias de IA que pagamos las usan las personas a las que iban destinadas.

    1. Ad hocLas licencias se compran y se olvidan; no sabemos quién las usa realmente.
    2. EmergenteTenemos una idea aproximada del uso; las carencias se conocen por anécdotas.
    3. DefinidoEl uso de las licencias se controla y se revisa periódicamente.
    4. GestionadoLas licencias sin uso se reasignan o se cancelan; las nuevas se compran según la demanda real.
    5. OptimizadoLa asignación de licencias es dinámica y se ajusta a quién trabaja realmente con IA.

  • Integrada en el flujo o en paralelo

    La IA se usa dentro del helpdesk, el CRM o la herramienta de chat donde se hace el trabajo, en lugar de copiar y pegar desde una ventana aparte.

    1. Ad hocLos agentes cambian a ChatGPT, pegan la consulta del cliente y copian la respuesta de vuelta; la IA es un proceso paralelo.
    2. EmergenteAlgunas herramientas están integradas en el helpdesk; muchos agentes siguen trabajando en paralelo.
    3. DefinidoLa IA está dentro de la herramienta principal del agente para la mayoría de las tareas habituales.
    4. GestionadoEl uso en paralelo es poco frecuente y se trata como un problema del flujo de trabajo que hay que resolver, no como un hábito que tolerar.
    5. OptimizadoLos agentes solo usan la IA integrada en el flujo; la frontera entre la IA y la herramienta es imperceptible.

Calidad de las respuestas y voz de marca

Si las respuestas en las que interviene la IA suenan a tu marca, se ajustan al tono emocional de cada conversación y se leen con claridad y en lenguaje sencillo.

  • Coherencia de la voz en respuestas con IA

    Las respuestas redactadas o retocadas por la IA suenan a nuestra marca, no a una IA genérica.

    1. Ad hocLas respuestas de la IA no suenan a la marca; los clientes notan la diferencia entre los mensajes humanos y los de la IA.
    2. EmergenteAlgunos prompts incluyen pautas de voz de marca; la coherencia es irregular.
    3. DefinidoLa voz de marca está recogida en prompts, guías de estilo o ajuste fino; lo que genera la IA suele sonar a nosotros.
    4. GestionadoLa coherencia de la voz se revisa en muestras de control de calidad; las desviaciones se detectan pronto.
    5. OptimizadoLos clientes no pueden distinguir con fiabilidad las respuestas con IA de las escritas por personas; la voz es uniforme en todos los canales.

  • Empatía y ajuste del tono

    Las respuestas de la IA se ajustan al tono emocional de la conversación en lugar de sonar planas o excesivamente alegres.

    1. Ad hocLas respuestas de la IA son alegres o neutras sea cual sea la situación; son habituales las respuestas sin tacto a clientes molestos.
    2. EmergenteAlgunos prompts orientan el tono en los casos evidentes; las situaciones sutiles aún confunden a la IA.
    3. DefinidoEl ajuste del tono forma parte del prompt o del flujo; la IA suele captar el contexto emocional.
    4. GestionadoLos fallos de tono se registran y el sistema se ajusta; los agentes intervienen cuando el tono no es el adecuado.
    5. OptimizadoLa IA se ajusta con fiabilidad al peso emocional de la conversación; los clientes se sienten escuchados, no despachados.

  • Legibilidad para el cliente

    Las respuestas con IA son claras, en lenguaje sencillo y sin muletillas típicas de los modelos (frases de relleno, rodeos, «Soy un asistente de IA…», etc.).

    1. Ad hocLas respuestas están llenas de relleno de IA («¡Por supuesto!», «Estaré encantado de ayudarte»); los clientes tienen que abrirse paso entre él.
    2. EmergenteLos prompts eliminan parte del relleno; los resultados son irregulares.
    3. DefinidoLos resultados están libres de forma fiable de las muletillas más evidentes; la legibilidad es aceptable.
    4. GestionadoLa legibilidad se comprueba en el control de calidad; los índices de complejidad o la revisión de muestras detectan desviaciones.
    5. OptimizadoLas respuestas con IA se leen tan bien como nuestras mejores respuestas humanas; la claridad no es negociable.

Escalado y supervisión

Con qué fiabilidad la IA conoce sus límites: deriva los casos cuando duda, se mantiene al margen de los casos delicados, pasa por una revisión humana real y aprende de las correcciones.

  • Derivación según el nivel de confianza

    La IA solo responde cuando su confianza en la respuesta lo justifica y deriva el caso limpiamente cuando no.

    1. Ad hocLas respuestas de la IA se envían sea cual sea su confianza; descubrimos su incertidumbre cuando un cliente protesta.
    2. EmergenteAlgunos prompts incluyen «dilo si no lo sabes»; se cumple de forma irregular.
    3. DefinidoLa IA está configurada para marcar las respuestas de baja confianza y derivarlas a una persona.
    4. GestionadoLos umbrales de confianza se calibran, supervisan y ajustan a medida que aprendemos qué hace bien la IA.
    5. OptimizadoEl paso de la IA a la persona es imperceptible en la experiencia del cliente; el cliente ve una única conversación coherente.

  • Gestión de crisis y casos límite

    Los casos delicados, escalados o de alto riesgo quedan fuera del alcance de la IA por diseño.

    1. Ad hocLa IA puede responder a cualquier cosa; un duelo, una disputa por un reembolso o un problema de seguridad se tratan igual.
    2. EmergenteExiste una breve lista de temas «vetados para la IA», pero no se aplica de forma fiable.
    3. DefinidoLas categorías de casos delicados se derivan fuera de la IA mediante reglas (cierres de cuenta, reclamaciones, seguridad, accesibilidad, etc.).
    4. GestionadoLas reglas de derivación de casos límite se revisan con regularidad y se actualizan cuando aparecen nuevos escenarios delicados.
    5. OptimizadoEl equipo sabe explicar con exactitud cuándo la IA no debe responder, y la derivación se ajusta con precisión a ese criterio.

  • Revisión humana antes del envío

    Los agentes revisan a fondo los borradores de la IA antes de enviarlos, en lugar de aprobarlos sin más.

    1. Ad hocLos agentes envían los borradores de la IA tal cual o los reescriben desde cero; la revisión es de pura forma.
    2. EmergenteLos agentes leen por encima los borradores, pero rara vez los editan; la dependencia de la IA es alta y la calidad, variable.
    3. DefinidoSe espera que los agentes revisen y ajusten los borradores de la IA antes de enviarlos; la mayoría lo hace.
    4. GestionadoLos patrones de revisión son visibles (tasa de edición, tasa de envío); los revisores saben cuándo pueden fiarse de la IA y cuándo no.
    5. OptimizadoLos agentes son editores expertos de lo que genera la IA y tratan los borradores como un punto de partida que siempre mejora antes de llegar al cliente.

  • Patrones de corrección

    Cuando los agentes corrigen las recomendaciones de la IA, esa señal se recoge y se usa para mejorar el sistema.

    1. Ad hocHay correcciones, pero se pierden; nadie sabe dónde falla la IA de forma sistemática.
    2. EmergenteLas correcciones son visibles, pero no se analizan.
    3. DefinidoLos patrones de corrección se revisan periódicamente para detectar fallos sistemáticos de la IA.
    4. GestionadoLas correcciones se incorporan a los prompts, las reglas o la elección del modelo; la IA mejora justo donde peor funcionaba.
    5. OptimizadoEl ciclo que va de la corrección a la mejora es rápido y rutinario; el sistema aprende de sus agentes de forma continua.

Precisión y fundamentación

Si el equipo trata lo que genera la IA con un escepticismo bien calibrado, fundamenta las respuestas en fuentes fiables y confía en las señales de la IA en su justa medida.

  • Conciencia de las alucinaciones

    El equipo entiende que la IA puede inventarse datos con total seguridad y trata sus resultados con el escepticismo adecuado.

    1. Ad hocLas alucinaciones llegan a los clientes porque el equipo da por buena cualquier respuesta de la IA.
    2. EmergenteLos agentes han oído hablar de las alucinaciones; las comprobaciones son irregulares.
    3. DefinidoVerificar las afirmaciones de la IA con fuentes fiables forma parte del flujo en las respuestas de riesgo.
    4. GestionadoLa verificación es rutinaria; las alucinaciones se detectan de forma fiable antes de llegar a los clientes.
    5. OptimizadoEl riesgo de alucinación se identifica, se mide y se mitiga por diseño; los agentes son escépticos bien calibrados ante lo que genera la IA.

  • Fundamentación en la base de conocimiento

    Las respuestas de la IA se basan en nuestra base de conocimiento, la documentación del producto y nuestras políticas, y no solo en los datos de entrenamiento del modelo.

    1. Ad hocLa IA responde con su propio conocimiento; cuenta a los clientes cosas que nuestro producto en realidad no hace.
    2. EmergenteAlgunos prompts incluyen fragmentos de la base de conocimiento; la fundamentación es parcial.
    3. DefinidoLa IA está configurada para consultar nuestra base de conocimiento y la documentación del producto en cada respuesta al cliente.
    4. GestionadoSe supervisa la calidad de la fundamentación; las respuestas que no salen de la base de conocimiento se marcan para revisión.
    5. OptimizadoLa IA está firmemente anclada a nuestras fuentes; las respuestas sin fundamento son raras y se tratan como un problema que corregir.

  • Fiabilidad de las señales (abandono, riesgo, sentimiento)

    Las señales generadas por la IA (predicciones de abandono, puntuaciones de salud de cuentas, valoraciones de sentimiento) reciben la confianza adecuada: ni se ignoran ni se depende de ellas en exceso.

    1. Ad hocLas señales de la IA se ignoran por completo o se siguen a ciegas; nadie sabe lo fiables que son.
    2. EmergenteLas señales se tienen en cuenta; el equipo tiene opiniones sobre su precisión, pero no datos.
    3. DefinidoSe toman muestras de la precisión de las señales y el equipo sabe con criterio cuándo puede fiarse de cada una.
    4. GestionadoLas señales se ajustan (umbrales, entradas, elección del modelo) cuando su precisión se desvía; se registran las intervenciones por falsos positivos.
    5. OptimizadoLa fiabilidad de las señales es una propiedad medida; el equipo actúa sobre las predicciones de la IA con el nivel de confianza justo, ni más ni menos.

Límites de los datos de clientes

Hasta qué punto el equipo mantiene los datos sensibles de los clientes lejos de la IA, informa del uso de la IA como corresponde y limita el acceso a datos de cada herramienta a lo que realmente necesita.

  • Exclusiones de datos sensibles

    Los tipos de datos de clientes que no deben llegar a la IA (información de salud, datos de pago, identificadores regulados, contexto solo interno) quedan fuera por diseño.

    1. Ad hocTodo lo que el cliente pone en el ticket llega a la IA; no existen exclusiones.
    2. EmergenteAlgunas categorías se enmascaran o excluyen; la cobertura es parcial y depende del canal.
    3. DefinidoLos tipos de datos que no deben llegar a la IA están documentados y las exclusiones se aplican en los canales principales.
    4. GestionadoLas exclusiones se revisan con regularidad; se añaden nuevas categorías sensibles a medida que surgen (normativa, cambios de producto, incidentes de confianza con clientes).
    5. OptimizadoLa exclusión de datos sensibles es automática, se audita y se prueba de forma rutinaria; el equipo puede demostrar qué ve la IA y qué no.

  • Consentimiento e información al cliente

    Los clientes saben cuándo interviene la IA en su interacción, conforme a nuestra política y a la normativa aplicable.

    1. Ad hocLa intervención de la IA es invisible para los clientes; ninguna política orienta lo que les contamos.
    2. EmergenteAlgunos canales informan del uso de la IA y otros no; no hay un estándar común.
    3. DefinidoExiste un estándar de información y se aplica donde lo exigen la política o la ley.
    4. GestionadoLa práctica de información se revisa frente a la normativa y las opiniones de los clientes; las actualizaciones llegan a tiempo.
    5. OptimizadoInformar del uso de la IA forma parte clara de cómo nos comunicamos, de forma defendible ante los reguladores y con la confianza de los clientes.

  • Alcance del acceso de la IA a los datos

    El equipo sabe qué datos puede ver cada herramienta de IA (tickets, CRM, facturación, notas internas) y limita el alcance a lo que cada herramienta realmente necesita.

    1. Ad hocLas herramientas de IA se conectan con acceso amplio; nadie ha auditado qué pueden ver.
    2. EmergenteEl alcance del acceso está documentado en parte; se conocen algunos permisos excesivos, pero no se han corregido.
    3. DefinidoEl acceso a datos de cada herramienta de IA está documentado y ajustado a su finalidad.
    4. GestionadoEl acceso se revisa cuando se añaden o retiran herramientas o cambian de proveedor; el mínimo privilegio es la norma de trabajo.
    5. OptimizadoEl acceso a datos se minimiza por diseño y se audita de forma rutinaria; el alcance de las nuevas herramientas de IA se limita estrictamente antes de ponerlas en marcha.

Medición y mejora

Si el equipo mide el impacto operativo de la IA, convierte los fallos en un ciclo de mejora, entiende el retorno de la inversión y revisa su configuración de IA con una cadencia regular.

  • Métricas operativas de la IA

    Seguimos las señales operativas que nos dicen si la IA está ayudando (tasa de desvío, tasa de aceptación de borradores, variación del tiempo de resolución, variación del CSAT).

    1. Ad hocNo sabemos si la IA ayuda o perjudica; no se mide nada operativo.
    2. EmergenteSe siguen algunas métricas, pero no se revisan; las cifras existen de forma aislada.
    3. DefinidoEl equipo sigue un conjunto reducido de métricas operativas de la IA y las revisa periódicamente.
    4. GestionadoLas métricas guían las decisiones: ampliar lo que funciona, cerrar lo que no y reentrenar lo que se desvía.
    5. OptimizadoEl rendimiento operativo de la IA forma parte natural de cómo el equipo entiende la calidad de su propio servicio.

  • Ciclo de registro de fallos

    Cuando la IA falla (respuesta errónea, tono inadecuado, escalado omitido), el fallo se registra y alimenta un ciclo de mejora.

    1. Ad hocLos fallos de la IA se gestionan uno a uno; no alimentan nada sistemático.
    2. EmergenteAlgunos fallos se registran; la revisión es esporádica.
    3. DefinidoUn proceso estable registra los fallos de la IA y los dirige a quien pueda corregir el prompt, la regla o la derivación.
    4. GestionadoLos fallos generan mejoras visibles con el tiempo; el equipo sabe decir qué ha mejorado y por qué.
    5. OptimizadoEl ciclo de fallos es corto, rutinario y fiable; el equipo trata la IA como un sistema que se afina con el uso.

  • Retorno de la inversión y conciencia de costes

    Sabemos cuánto gastamos en IA y qué obtenemos a cambio, lo suficiente como para decidir con sensatez cuándo ampliar o reducir su uso.

    1. Ad hocEl coste de la IA es invisible; el uso aumenta sin que nadie lo vigile.
    2. EmergenteEl coste se sigue a grandes rasgos; el retorno se conoce por anécdotas.
    3. DefinidoCoste y beneficio están vinculados; el equipo sabe decir cuánto vale la IA en términos operativos.
    4. GestionadoLa rentabilidad guía la elección de herramientas; los flujos caros se examinan con lupa y las mejoras baratas se amplían.
    5. OptimizadoLa economía de la IA forma parte de cómo el equipo planifica su capacidad; las decisiones de escala se basan en datos.

  • Cadencia de iteración

    El equipo revisa con regularidad cómo usa la IA: prompts, reglas, elección de herramientas y temas vetados.

    1. Ad hocLa configuración de la IA se define una vez y se olvida; solo se actualiza cuando algo falla gravemente.
    2. EmergenteLas actualizaciones son reactivas; no hay revisiones periódicas.
    3. DefinidoExiste una cadencia regular de revisión de prompts, reglas y elección de herramientas.
    4. GestionadoLa iteración es rápida y se basa en datos; los cambios se prueban antes de desplegarlos a gran escala.
    5. OptimizadoLa mejora continua del conjunto de herramientas de IA del servicio forma parte de cómo trabaja el equipo; nada en nuestra forma de usar la IA es estático.

Cuándo debe realizarse esta revisión médica

  • Cuando tu equipo de soporte está adoptando herramientas de IA y quieres una visión honesta de lo madura que es esa práctica.
  • Antes de extender la IA a más flujos de atención, para comprobar que la supervisión y los límites de los datos están a la altura.
  • Cuando las respuestas con IA se alejan de la voz de marca o los clientes reciben respuestas incorrectas.
  • Cada trimestre, para seguir el avance desde los experimentos ad hoc hacia una práctica medida y basada en datos.
  • Cuando la dirección quiere pruebas de que la IA compensa y de que la confianza de los clientes está protegida.

Consejos y trucos

  • Pide a los agentes y a los responsables de equipo que valoren por separado. Las diferencias entre la visión de primera línea y la de la dirección suelen ser lo más revelador.
  • Lee las descripciones de las etapas con el equipo antes de valorar, para que todos entiendan lo mismo por Definido y Gestionado.
  • Actúa primero sobre las puntuaciones bajas en Escalado y supervisión y en Límites de los datos de clientes, ya que son las que más riesgo suponen para la confianza de los clientes.
  • Repítelo cada trimestre y fíjate en qué dimensiones han cambiado, no solo en la imagen general.
  • Si las puntuaciones de medición son bajas, comprométete a seguir una o dos métricas operativas, como la tasa de aceptación de borradores o la variación del CSAT, antes de la siguiente sesión.

Preguntas frecuentes

¿Quién debería participar en este health check?
Agentes de primera línea, responsables de equipo, revisores de calidad y cualquier persona que elija o gobierne las herramientas de IA. Combinar estas perspectivas muestra la distancia entre cómo debería funcionar la IA y cómo funciona en el día a día.
¿En qué se diferencia de una evaluación genérica de preparación para la IA?
Está pensado para la atención al cliente. Abarca la calidad de las respuestas y la voz de marca, el escalado y la supervisión humana, la fundamentación de las respuestas en tu base de conocimiento y los límites de los datos de clientes, que son los que deciden si la IA ayuda o perjudica en las conversaciones reales con clientes.
¿Qué significan los niveles de madurez?
Cada dimensión va de Ad hoc (accidental, irregular) a Optimizado (deliberado, medido y en mejora continua), pasando por Emergente, Definido y Gestionado. Las etiquetas describen comportamientos, no herramientas, para que cualquier equipo pueda situarse con honestidad.
¿Con qué frecuencia deberíamos hacerlo?
Para la mayoría de los equipos, cada trimestre es adecuado, y la tendencia a lo largo de varias sesiones dice más que cualquier resultado aislado. Vuelve a hacerlo tras un cambio importante de herramientas o una ampliación de flujos para comprobar que la supervisión ha seguido el ritmo.

Revisiones médicas relacionadas