Ángel Navarro, director de operaciones de Aunoa, explica el valor diferencial de sus bots

Ángel Navarro, director de operaciones de Aunoa, explica el valor diferencial de sus bots.En esta entrevista, Ángel Navarro, director de operaciones de Aunoa, presenta a esta compañía valenciana como la suma de inteligencia artificial, inteligencia humana multidisciplinar y tecnología propietaria, para la puesta en marcha con éxito de un asistente virtual conversacional, o bot. En un mercado cada día más competitivo y donde parece que las soluciones basadas en inteligencia artificial comienzan a estar cada vez más presentes en el ámbito de atención al cliente, Ángel Navarro explica con detalle cómo trabaja Aunoa en este terreno.

Relación Cliente: ¿Qué significa que la compañía utilice inteligencia artificial supervisada a través de chatbots?, ¿quiere decir qué las gestiones más delicadas o complejas quedan reservadas para los agentes? o, ¿se trata de otro tipo añadido de supervisión?

Ángel Navarro: Incorporar inteligencia artificial a un chatbot, supone, por un lado, la creación de la base de conocimiento inicial y, por otro, el mantenimiento y supervisión de esa base de conocimiento para hacerla crecer y que sea cada vez más inteligente. A la base de conocimiento de un bot se la denomina modelo, ya que representa un subconjunto del lenguaje natural en un ámbito determinado.

Un modelo es inteligente en la medida que se ajusta a las potenciales preguntas de los usuarios; es decir, es inteligente en un ámbito determinado. Un chatbot no tiene una inteligencia general o genérica, tiene una inteligencia acotada a un conocimiento específico y delimitado, creado y supervisado por humanos.

A medida que el modelo es más inteligente, menos consultas necesitan ser respondidas por una persona. Por eso es tan importante la supervisión y mantenimiento continuo del modelo. Una pregunta compleja puede ser contestada por un bot si el modelo ha sido entrenado para contestar a esa pregunta compleja.

Relación Cliente: ¿Qué tienen los chatbots creados por Aunoa que les diferencien de los que ofrecen otras compañías del mercado?, ¿dónde radica su valor?

Ángel Navarro: Aunoa supervisa diariamente todos los modelos de sus bots con el fin de corregir aquellas respuestas que no hayan sido correctas y agregar aquellas nuevas preguntas que no forman parte del conocimiento actual, además de comprobar que las respuestas que forman parte del conocimiento se están entregando correctamente.

Otro valor diferencial es que el conocimiento fluye entre todos los bots. Hay partes del conocimiento de un bot que pueden ser útiles para otro bot. Las horas de supervisión y entrenamiento están optimizadas, lo que permite que los modelos crezcan y sean cada día más inteligentes.

Relación Cliente: ¿La reducción de costes y la optimización de recursos y de la productividad de un contact center son beneficios fáciles de alcanzar con las herramientas de Aunoa?, ¿de qué tasas de mejoras estamos hablando?

Ángel Navarro: Nuestro objetivo principal es que el 50% de usuarios que interactúan con un bot nunca necesiten hablar con un agente. Esta es la tasa que conseguimos con nuestros clientes más grandes, los que tienen call centers atendidos por decenas de personas. Este porcentaje es cada vez más alto a medida que el call center disminuye en tamaño, para call centers de 10 personas, alcanzamos tasas de automatización superiores al 75%.

Si tenemos en cuenta que un bot puede tener un coste mensual aproximado al de una persona, en función de las capacidades y especificaciones del bot, el ahorro en costes es considerable.

Relación Cliente: El equipo de expertos de Aunoa puede implantar un chatbot basado en inteligencia conversacional en 4 semanas, pero se supone que hasta que no está bien entrenado con las interacciones de los clientes, no se consigue realmente la rentabilidad y la óptima experiencia de cliente que demandan las empresas, ¿cómo se trabaja esto?

Ángel Navarro: Nuestro objetivo es salir a producción cuanto antes, porque son los usuarios los que aportan las preguntas reales que forman parte del entrenamiento.

En 4 semanas podemos crear un bot multicanal con 100 respuestas distintas y pre-entrenado con 2.000 expresiones. Estas expresiones iniciales proceden de diversas fuentes: algunas son creadas por nuestros lingüistas, otras son importadas de otros bots, y las últimas que se incorporan son las identificadas en las pruebas preliminares internas y de las propias pruebas del cliente. Pero en este conjunto de expresiones iniciales aún no figuran las preguntas reales de los potenciales usuarios del bot, por eso es importante salir cuanto antes a producción, para incorporar las preguntas reales de los usuarios a la base conocimiento del bot.

Relación Cliente: ¿De ahí la importancia del machine learning supervisado en soluciones de IA?

Ángel Navarro: La supervisión es fundamental. Los modelos no se alimentan ni aprenden de manera automática, tienen que ajustarse a las preguntas que hacen los usuarios de manera continua. A medida que pasa el tiempo, si el entrenamiento es adecuado, la supervisión puede espaciarse en el tiempo, pero siempre debe estar presente para garantizar que el servicio funcione y es útil tanto para los usuarios como para el cliente.

Relación Cliente: ¿Cómo hace Aunoa el seguimiento del rendimiento de un chatbot?

Ángel Navarro: Aunoa utiliza tecnología big data para almacenar y analizar todas las conversaciones que se mantienen desde todos los bots.

Estas conversaciones se convierten en un conjunto muy amplio de indicadores o KPI, que permiten realizar el seguimiento de cualquier servicio: tamaño del modelo, porcentajes de respuestas acertadas y no acertadas, número de usuarios, número de mensajes, número de conversaciones, duración de las conversaciones, respuestas más utilizadas y las que no se utilizan, flujo de mensajes y un largo etcétera de información, que se pone a disposición del cliente para que también pueda realizar estas tareas de análisis y seguimiento.

Relación Cliente: ¿Se nota si las empresas comienzan a demandar la integración de chatbots en canales muy usados por las personas en su día a día, como WhatsApp, o canales de redes sociales?, o ¿esto todavía no es una tendencia generalizada entre las compañías españolas?

Ángel Navarro: En las compañías españolas lo habitual es integrar un bot en el canal web y en WhatsApp. De momento, otros canales como Facebook, Twitter, Telegram o los nuevos como Google Maps e Instagram no están tan demandados como en otros países. En nuestras propuestas incluimos la opción de utilizar estos canales alternativos siempre y cuando el cliente tenga una comunidad adecuada. Pero web y WhatsApp son los canales por excelencia en España.

Relación Cliente: ¿Qué diferencia a Aunoa de las plataformas no-code?

Ángel Navarro: Una plataforma no-code ofrece servicios DIY (do-it-yourself, hazlo tú mismo), lo que significa que el cliente contrata las herramientas, pero tiene que asumir el desarrollo, la supervisión y el mantenimiento de este servicio.

Un cliente es experto en su sector, pero no es habitual que tenga conocimientos en inteligencia artificial, en lingüística o en diseño conversacional. Aunoa propone que el cliente delegue estas tareas en nuestros expertos, por eso ofrecemos un servicio llave en mano, en el que el cliente no tiene que preocuparse por la creación ni el mantenimiento del bot.

Relación Cliente: ¿Qué uso se le están dando a los chatbots dentro del contact center para ayudar a los agentes a mejorar su trabajo, buscando información sobre un tema en concreto, o facilitándolo la información de un cliente, por ejemplo, y no solo como solución de atención a los clientes?

Ángel Navarro: Hay que tener en cuenta un detalle muy importante, que a veces pasa desapercibido y que nosotros recordamos continuamente a nuestros clientes. Aunque un usuario acabe hablando con un agente del Call Center, lo normal es que antes haya hablado con el bot y esté más informado, aunque sea parcialmente, sobre el problema que va a tratar con el agente. Por lo tanto, la experiencia de hablar con un agente no es la misma si el usuario ha hablado antes con el bot, esta conversación previa del usuario con el bot también reduce el tiempo que necesita un agente para atender a un usuario.

Además, en nuestra herramienta de atención al cliente también incluimos varias funcionalidades que reducen el tiempo de conversación entre agente y usuario:

– Respuestas inteligentes (Smart Replies): a partir de las respuestas históricas de los agentes a los usuarios creamos un modelo utilizando Inteligencia Artificial, que sugiere al agente qué responder ante una pregunta del usuario. El agente puede aceptar la sugerencia o escribir una respuesta diferente.

– Respuestas rápidas (Quick Replies): respuestas predefinidas, que agilizan el tiempo de contestación del agente. Se autocompletan a medida que el agente escribe o pueden ser seleccionadas de un listado.

– Traducción automática y simultánea: si el agente y el usuario no hablan el mismo idioma se puede activar la funcionalidad de traducción automática y simultánea, para que todos los textos que lleguen al usuario y al agente sean en su idioma, independientemente del idioma empleado por la otra parte. Por ejemplo, el usuario puede dirigirse al agente en inglés, el agente recibe el mensaje original y la traducción al español, contesta en español y el usuario recibe la contestación traducida al inglés, todo en tiempo real.

– Integración con herramientas externas: si el cliente tiene una aplicación externa que se pueda conectar con un API, como un CRM o cualquier aplicación transaccional, se puede incluir esta integración en nuestra herramienta de Call Center para que el agente no tenga que buscar la información en otra herramienta.

Estas serían las funcionalidades principales de la herramienta, además de las habituales en este tipo de aplicaciones de atención al cliente.