Zendesk ha anunciado su adopción de MCP, Model Context Protocol, un estándar abierto pensado para que los agentes de inteligencia artificial puedan conectarse de forma más sencilla con herramientas externas, datos empresariales y flujos de trabajo.

El movimiento llega en un momento clave para el CRM y la atención al cliente. Las empresas ya no buscan solo chatbots que respondan preguntas frecuentes. Necesitan agentes de IA capaces de acceder a información actualizada, consultar tickets, interpretar el historial del cliente, activar procesos y trabajar con distintas aplicaciones sin depender de integraciones aisladas para cada caso.

En este contexto, Zendesk MCP apunta a una tendencia clara: el CRM con IA será cada vez más interoperable, más conectado y más orientado a resolver tareas completas, no solo a generar respuestas.

La noticia también encaja con una estrategia más amplia de Zendesk: avanzar hacia una plataforma de resolución en la que agentes de IA, copilotos, conocimiento, automatizaciones, gobierno y analítica funcionen como un sistema coordinado.

1. Qué ha anunciado Zendesk

Zendesk ha comunicado soporte para MCP dentro de su estrategia de IA, con dos piezas principales: Zendesk MCP Client y Zendesk MCP Server.

El enfoque es relevante porque sitúa a Zendesk en dos direcciones. Por un lado, sus agentes de IA y su copiloto podrán conectarse con sistemas externos compatibles con MCP. Por otro, la propia información de Zendesk podrá estar disponible para otros sistemas de IA de forma gobernada.

En la práctica, esto significa que Zendesk quiere funcionar tanto como consumidor de contexto externo como fuente de datos para otros agentes y aplicaciones empresariales.

Según el anuncio, Zendesk MCP Client está disponible en acceso anticipado. Esta función permite que AI Agents y Agent Copilot se conecten a sistemas externos una vez y amplíen sus capacidades a medida que se añaden nuevas herramientas compatibles con MCP.

Por su parte, Zendesk MCP Server está previsto para acceso anticipado en verano de 2026. Su objetivo será permitir que las empresas conecten tickets, conocimiento y otros datos de Zendesk con sistemas externos de IA de forma controlada.

Conviene matizar un punto: no se trata simplemente de “abrir” todos los datos de Zendesk a cualquier IA. La propuesta se basa en conexiones gobernadas, con permisos y control sobre qué información puede utilizarse y en qué contexto.

2. Qué es MCP y por qué importa

MCP, o Model Context Protocol, es un estándar abierto que facilita la conexión entre modelos de IA y sistemas externos. Su función es actuar como una capa común para que un agente pueda descubrir herramientas, acceder a datos autorizados y ejecutar acciones sin que cada integración tenga que construirse desde cero.

Una forma sencilla de entenderlo es pensar en MCP como un lenguaje común entre agentes de IA y aplicaciones empresariales. En lugar de crear una integración específica para cada combinación de herramienta, modelo y base de datos, MCP propone un marco compartido.

En términos prácticos, MCP permite que una aplicación de IA se conecte a tres tipos de recursos:

• Fuentes de datos, como bases de conocimiento, documentos, tickets o bases de datos internas.
• Herramientas, como buscadores, calculadoras, sistemas de ticketing, CRM o aplicaciones de negocio.
• Flujos de trabajo, como procesos guiados, prompts especializados o acciones automatizadas.

Para el CRM, esto es importante por tres motivos:

• Los datos de cliente suelen estar repartidos entre CRM, soporte, facturación, marketing, producto y bases de conocimiento.
• Los agentes de IA necesitan contexto actualizado para dar respuestas útiles y no quedarse en información genérica.
• Las empresas necesitan controlar qué datos se consultan, qué acciones se ejecutan y bajo qué permisos.

MCP no elimina la necesidad de una buena arquitectura de datos, pero sí puede reducir la fricción para conectar sistemas y hacer que los agentes de IA trabajen con más contexto.

3. Cómo encaja MCP en la estrategia de Zendesk

Zendesk lleva tiempo orientando su plataforma hacia una atención al cliente más automatizada y basada en IA. La compañía ha reforzado sus agentes de IA, el copiloto para equipos de soporte y los flujos de acción para automatizar tareas en distintos sistemas.

En Relate 2026, Zendesk presentó esta evolución bajo la idea de una Autonomous Service Workforce, es decir, una fuerza de trabajo de servicio formada por agentes de IA, copilotos y humanos que colaboran dentro de una misma plataforma.

La adopción de MCP encaja con esa dirección. Un agente de IA de atención al cliente no puede limitarse a leer un mensaje y responder con texto. Para resolver una incidencia real, puede necesitar consultar el pedido de un cliente, revisar su historial de tickets, comprobar una política interna, actualizar un campo en el CRM o escalar el caso al equipo adecuado.

Con MCP, Zendesk intenta facilitar ese salto desde la respuesta asistida hacia la resolución conectada. La clave no está solo en que la IA redacte mejor, sino en que pueda actuar con información fiable y dentro de límites definidos.

Además, Zendesk ha anunciado Action Flows for AI Agents, una función pensada para que los equipos creen flujos integrados para agentes de IA desde Action Builder. Esto refuerza la idea de que la IA no solo debe responder, sino también ejecutar pasos dentro de procesos de soporte, ventas o servicio interno.

También cobra importancia la ampliación de conectores de conocimiento, con integraciones para fuentes como SharePoint, Google Drive, Notion, Guru, Contentful o Document360. Para muchas empresas, esas fuentes contienen buena parte del contexto que no siempre vive dentro del CRM.

4. Qué cambia para el CRM y la atención al cliente

La adopción de MCP por parte de Zendesk no debe interpretarse solo como una novedad técnica. Tiene implicaciones directas para cómo las empresas gestionan la relación con sus clientes.

En un escenario tradicional, el CRM centraliza datos comerciales, mientras que las herramientas de soporte gestionan tickets, conversaciones y conocimiento. Aunque muchas plataformas ya se integran entre sí, esas conexiones suelen depender de APIs, conectores específicos o desarrollos personalizados.

MCP introduce una lógica distinta: facilitar que los agentes de IA interactúen con varios sistemas mediante un protocolo común. Esto puede ayudar a que el CRM deje de ser solo una base de datos de clientes y se convierta en una fuente activa de contexto para automatizaciones inteligentes.

Para los equipos de atención al cliente, el impacto puede verse en casos como:

• Respuestas más personalizadas al tener acceso a historial, productos contratados o incidencias previas.
• Menos cambios de pantalla para los agentes humanos.
• Automatización de tareas repetitivas, como actualizar campos, consultar estados o clasificar solicitudes.
• Mejor continuidad entre canales, especialmente cuando el cliente cambia de chat, email, voz o asistentes externos.
• Mayor capacidad para conectar soporte, ventas y customer success.
• Más posibilidades de atender al cliente fuera de los canales tradicionales, por ejemplo desde asistentes conversacionales o entornos de terceros.

Este último punto es especialmente relevante. Zendesk también está ampliando sus agentes de IA a entornos como ChatGPT, Gemini, voz y mensajería. La atención al cliente empieza a moverse hacia un escenario en el que la empresa debe responder allí donde el usuario ya está interactuando, no solo dentro de su web o app.

El resultado esperado es una atención menos fragmentada. No porque desaparezcan los sistemas actuales, sino porque los agentes de IA pueden trabajar sobre ellos con más coherencia.

5. Ventajas para empresas: menos silos y más contexto

Uno de los principales problemas de la IA aplicada al CRM es la falta de contexto. Un modelo puede generar una respuesta correcta en apariencia, pero si no conoce la situación real del cliente, el estado del ticket o las reglas internas de la empresa, su utilidad queda limitada.

MCP busca reducir ese problema al facilitar conexiones más estandarizadas entre la IA y las fuentes de información relevantes.

Para una empresa que usa Zendesk, esto puede traducirse en varias ventajas:

1. Integraciones más escalables

Si cada nueva herramienta requiere una integración propia, el mantenimiento se vuelve complejo. Con MCP, la promesa es que las capacidades compatibles puedan añadirse de forma más flexible, sin rediseñar cada conexión desde cero.

2. Agentes de IA con más autonomía

Un agente que puede consultar datos, acceder a conocimiento y ejecutar acciones autorizadas tiene más capacidad para resolver tareas completas. Esto es especialmente importante en soporte, donde muchas consultas requieren algo más que una respuesta informativa.

3. Mejor coordinación entre CRM y soporte

MCP puede ayudar a que los datos comerciales y de atención al cliente se usen de forma más coordinada. Por ejemplo, un agente podría tener en cuenta el segmento del cliente, su historial de compras o su nivel de servicio antes de decidir cómo responder o escalar un caso.

4. Menor dependencia de ecosistemas cerrados

La apuesta por un estándar abierto también responde a una preocupación creciente: evitar que las empresas queden encerradas en un único proveedor de IA, CRM o automatización. La interoperabilidad será un factor cada vez más importante en la elección de software empresarial.

5. Mejor medición del valor de la IA

Zendesk también está impulsando un modelo de pricing basado en resoluciones verificadas. Esto no forma parte de MCP en sí, pero sí ayuda a entender hacia dónde va el mercado: la IA en atención al cliente tendrá que demostrar resultados, no solo volumen de uso.

Para los responsables de CRM, soporte y customer success, esto puede cambiar la forma de evaluar herramientas. La pregunta ya no será solo cuántos tickets puede tocar la IA, sino cuántas interacciones resuelve de forma correcta, trazable y útil para el cliente.

Antes de MCP	Con MCP
Integraciones punto a punto	Protocolo común para conectar herramientas
Agentes con contexto limitado	Agentes con acceso a datos autorizados
Mayor dependencia de conectores específicos	Más interoperabilidad entre sistemas
Automatizaciones más rígidas	Flujos más adaptables según contexto
IA medida por uso o deflexión	Mayor foco en resolución y valor real

6. Riesgos y puntos a vigilar

Aunque MCP puede simplificar la conexión entre agentes de IA y sistemas empresariales, también introduce nuevos retos. Cuanto más acceso tiene un agente a datos y acciones, más importante es definir límites claros.

El primer punto a vigilar es la gobernanza de datos. Las empresas deben controlar qué información puede consultar la IA, quién autoriza ese acceso y cómo se registran las acciones realizadas.

El segundo es la gestión de permisos. No todos los agentes, usuarios o flujos deben tener acceso a los mismos datos. Un agente de soporte puede necesitar consultar tickets y artículos de ayuda, pero no necesariamente información financiera o campos sensibles del CRM.

El tercer riesgo es la calidad del contexto. MCP facilita el acceso a datos, pero no garantiza que esos datos estén limpios, actualizados o bien estructurados. Si el CRM contiene información duplicada, incompleta o desactualizada, la IA puede tomar decisiones pobres aunque el protocolo funcione correctamente.

También hay que vigilar el diseño de acciones. No es lo mismo permitir que un agente consulte información que autorizarlo a modificar datos, cerrar tickets, activar descuentos o cambiar estados de clientes. Las acciones con impacto operativo deberían tener reglas claras, validaciones y, cuando proceda, revisión humana.

Otro punto importante es la observabilidad. Si un agente de IA usa varias herramientas a través de MCP, la empresa necesita saber qué ha consultado, qué ha decidido y qué acción ha ejecutado. Sin trazabilidad, será difícil auditar errores o mejorar el sistema.

También conviene evitar una lectura excesivamente optimista. MCP no sustituye a una estrategia de integración, ni elimina la necesidad de revisar seguridad, cumplimiento normativo y procesos internos. Es una capa útil, pero debe formar parte de una arquitectura bien diseñada.

7. Qué pueden hacer ahora los equipos de soporte, ventas y CRM

La adopción de MCP por parte de Zendesk todavía está en fase progresiva, pero los equipos de CRM y atención al cliente pueden empezar a prepararse.

El primer paso es revisar dónde está el contexto crítico del cliente. No basta con saber qué herramienta se usa como CRM. Hay que identificar qué datos viven en Zendesk, cuáles están en ventas, cuáles dependen de facturación, producto, marketing o bases de conocimiento internas.

El segundo paso es priorizar casos de uso concretos. MCP será más útil si se aplica a procesos claros, como:

• resolver consultas frecuentes con datos actualizados;
• consultar el estado de un pedido o contrato;
• resumir el historial completo de un cliente antes de escalar un ticket;
• actualizar campos del CRM tras una interacción;
• activar flujos de seguimiento para customer success o ventas;
• detectar clientes con riesgo de churn a partir de señales de soporte y actividad comercial.

El tercer paso es revisar permisos, políticas y trazabilidad. Antes de dar más autonomía a un agente de IA, la empresa debe tener claro qué acciones puede ejecutar, cuándo debe pedir validación humana y cómo se auditan sus decisiones.

El cuarto paso es preparar el contenido interno. Bases de conocimiento desactualizadas, macros inconsistentes, documentación duplicada o políticas contradictorias reducen el valor de cualquier agente de IA, incluso si la integración técnica funciona bien.

Por último, los equipos deben evaluar qué herramientas de su stack CRM y soporte empiezan a ser compatibles con MCP. Si el estándar gana adopción, puede convertirse en un criterio importante para seleccionar nuevas soluciones.

8. Qué deberían preguntar las empresas antes de activar MCP

Antes de activar MCP o cualquier integración avanzada con agentes de IA, conviene plantear algunas preguntas prácticas:

• ¿Qué datos de cliente necesita realmente el agente para resolver cada caso?
• ¿Qué sistemas contienen la información más fiable: CRM, Zendesk, ERP, base de conocimiento o herramientas internas?
• ¿Qué acciones puede ejecutar la IA sin aprobación humana?
• ¿Qué acciones deben requerir validación de un agente o responsable?
• ¿Cómo se registran las consultas, decisiones y cambios realizados por la IA?
• ¿Qué métricas se usarán para medir éxito: resolución, satisfacción, ahorro de tiempo, calidad o reducción de escalados?

Este análisis previo evita que MCP se convierta en una capa más de complejidad. La prioridad no debería ser conectar todo, sino conectar lo que ayuda a resolver mejor.

9. FAQ. Preguntas frecuentes