La IA ahora está integrada en el servicio de primera línea a gran escala, sin embargo, los marcos de diseño a los que recurren los gerentes fueron construidos en torno a agentes humanos y no se traducen de manera clara a sistemas que generan en lugar de recuperar, que automatizan en lugar de aumentar. Este documento argumenta que tres desafíos de diseño están en el corazón del problema, aunque rara vez se tratan como un conjunto conectado. La IA generativa puede producir resultados fluidos y confiados que son simplemente incorrectos, lo que representa un tipo de fallo de fiabilidad cualitativamente diferente de cualquier cosa para la que SERVQUAL fue diseñado para abordar. La IA puede responder instantáneamente mientras deja al cliente sin acercarse a la resolución, exponiendo una brecha entre la velocidad y lo que podríamos llamar la capacidad de respuesta sentida. Y enfrenta una incómoda tensión relacional. La sobreafirmación de calidez desencadena desconfianza, sin embargo, hay contextos de servicio genuinos en los que la naturaleza no humana del sistema es una característica en lugar de un pasivo. El Marco de Diseño RRR desarrollado aquí extiende las dimensiones de calidad de servicio establecidas al contexto de la IA, organizando quince principios de diseño prescriptivos en torno a la fiabilidad, la capacidad de respuesta y la calidad relacional, cada uno reconceptualizado para el servicio mediado por IA. Los principios siguen una lógica de prevenir y recuperar dentro de cada dimensión y están unidos por una única proposición estratégica, que es automatizar para proteger las relaciones. Se derivan cuatro proposiciones empíricamente comprobables del marco, cada una operacionalizada con constructos medibles, condiciones moderadoras y casos nulos falsables. El marco es más aplicable a sistemas híbridos de primera línea humano-IA donde los clientes están trabajando activamente hacia una resolución.