Forethought

Qué es

Forethought es una plataforma de soporte al cliente con IA construida alrededor de un stack multiagente: Solve (resolución autónoma en chat, email y voz), Triage (clasificación y enrutamiento de tickets), Assist (un copiloto para el agente dentro de tu help desk), Discover (detección de brechas de conocimiento) y Agent QA (scoring automático de tickets atendidos por humanos). Surgió de SupportGPT, el sistema LLM-más-RAG que Forethought lanzó en 2023 y que ajustaba modelos por cliente sobre el historial de tickets en lugar de depender solo del intent-matching.

El dato clave para cualquier comprador en 2026: Zendesk anunció su intención de adquirir Forethought el 11 de marzo de 2026 y cerró la operación ese mismo mes (no se revelaron los términos). Forethought ahora se comercializa como “Forethought AI Agents by Zendesk” — sigue funcionando sobre help desks que no son de Zendesk, pero es una línea de producto de Zendesk, no un vendor independiente, y eso cambia el cálculo de compra.

Por qué aparece en stacks de Customer Success

• Resolución autónoma, no solo deflection. Solve cierra tickets de extremo a extremo usando tus políticas y tu contenido, no respuestas enlatadas, así que la deflection que reporta es resolución real y no un chatbot que devuelve la conversación a una cola.
• Triage alimenta la capa de señal de CS. La autoclasificación enruta y etiqueta el inbound a escala, lo que le da a CS y RevOps datos limpios de tickets para conectar con modelos de riesgo de churn y NRR aguas abajo.
• Loop que se mejora solo. El Resolution Learning Loop detecta brechas de workflow, redacta procedimientos nuevos y los prueba antes de desplegarlos — la capacidad por la que Zendesk pagó de más y la razón por la que aparece en los shortlists enterprise.

Pricing

• Solo custom — basado en cotización; sin tier self-serve público. Datos de marketplaces de terceros (Vendr) ubican los contratos anuales aproximadamente en el rango de $36K-$151K, con una mediana cercana a $75K/año.
• El pricing depende del volumen mensual de tickets/conversaciones, la cantidad de agentes, los canales desplegados (chat, email, voz) y qué agentes activas. Considera el uso por resolución o por conversación como la variable que dispara la factura.
• Hay un piso práctico de datos: Forethought recomienda más de 20,000 tickets históricos y ~2,000+ tickets/mes para entrenar los modelos por cliente. Por debajo de ese volumen la IA rinde menos y la matemática de precio-por-resolución se invierte.

Mejor para

• Áreas de soporte de B2B SaaS de mid-market y enterprise (típicamente 25+ agentes, alto volumen de tickets) que quieren resolución autónoma más agent-assist en una sola plataforma.
• Equipos que ya están en Zendesk o migrando hacia él, donde Forethought ahora es first-party y la deuda de integración es la más baja.
• Alianzas CS-RevOps que necesitan datos limpios de triage y resolución alimentando el forecast de riesgo de renovación y NRR.

No compres Forethought si eres un equipo con menos de 20,000 tickets al año o una empresa en etapa temprana con historial de tickets escaso — el modelo no tiene con qué entrenarse, y Fin de Intercom (pago por resolución, sin piso de volumen) entregará más valor por dólar en esa banda.

A tener en cuenta

• Incertidumbre de roadmap post-adquisición. Forethought ahora es un producto de Zendesk y el roadmap standalone se está absorbiendo dentro del Resolution Platform de Zendesk. Guard: si corres un help desk que no es Zendesk, consigue un compromiso por escrito sobre los plazos de soporte cross-platform antes de firmar un contrato multianual.
• El piso de datos es una barrera dura, no una guía. Por debajo de ~20K tickets históricos los modelos por cliente son débiles. Guard: confirma tu volumen e historial de tickets en el pilot; exige un umbral medido de tasa de resolución antes del rollout completo.
• Pricing enterprise sin piso transparente. La factura depende del volumen y se cotiza, así que es fácil quedarse corto en presupuesto. Guard: modela el volumen de tickets del mes pico, no el promedio, y limita la exposición por resolución en el contrato.
• Los resúmenes de IA y el QA todavía necesitan supervisión. El Agent QA automático puntúa el 100% de los tickets pero puede equivocarse en casos límite. Guard: calibra el QA contra una muestra calificada por humanos cada trimestre antes de atarlo a las evaluaciones de desempeño de los agentes.

Para soporte con IA de pago por resolución sin piso de volumen, mira Intercom y su agente Fin; para la capa de plataforma de CS que consume esta señal de tickets, mira Gainsight, Totango y ChurnZero.