Charlamos con José Manuel Montero, CEO de Inicia Soluciones, sobre los retos de los contact centers que no utilizan soluciones de speech analytics avanzado y NLP (Procesamiento de Lenguaje Natural) para analizar las conversaciones, y poder, por ejemplo, intervenir en la retención de clientes. Es evidente que aquí el contact center juega un papel esencial y el CEO de Inicia Soluciones explica las bazas de la compañía a la hora de proponer análisis ágiles y pormenorizados de las conversaciones.
Relación Cliente: ¿Cómo puede la IA mejorar la detección de llamadas con riesgo de baja en comparación con los métodos tradicionales de auditoría de calidad?
José Manuel Montero: Recientemente leí un artículo sobre la validez de trabajar con NPS (Net Promoter Score). En él indicaba que el NPS se ha convertido en una métrica omnipresente. Pero, ¿estamos realmente midiendo la experiencia genuina del cliente? ¿No estaremos dopando un poquito esta métrica? ¿Habremos puesto demasiado foco en la medición? ¿Cómo podemos mejorar el CX sin desvirtuar el NPS?
Eran buenas preguntas alrededor de una métrica que lleva mucho recorrido en la valoración de las auditorías de calidad de un servicio. El punto de inflexión es cuánta información podemos obtener del NPS más allá de un número. Y, también, si ese número es un valor realista de la satisfacción del cliente o viene sesgado por los que responden a las encuestas u otras metodologías de análisis clásico.
La respuesta de hoy a todas esas dudas recae sobre los, aún pequeños, avances que nos aporta la IA. La introducción de la inteligencia artificial va más allá de cambiar el rango de reactivo a proactivo, además permite una visión en tiempo real de la satisfacción y analizar el contexto de una interacción.
Todo este proceso permite al auditor de calidad poder elaborar no solo una valoración más precisa del servicio, sino que, gracias al uso de la IA puede alcanzar mayor profundidad y riqueza de datos, identificación de la causa raíz de la insatisfacción, la eliminación de sesgos al tratar miles de interacciones y la potencial automatización con el consecuente ahorro de costes.
Relación Cliente: ¿Cuál es el mayor desafío que enfrentan actualmente los contact centers en la identificación de clientes con riesgo de baja?
José Manuel Montero: Gran parte de la interacción con los clientes ocurre a través de llamadas, correos electrónicos, chats y redes sociales. Sin embargo, extraer insights de estos datos no estructurados sigue siendo un reto, ya que muchos contact centers aún no tienen herramientas avanzadas de speech analytics y NLP (Procesamiento de Lenguaje Natural) para analizar conversaciones.
Muchos de los modelos que se usan actualmente para medir el churn funcionan como cajas negras y no explican por qué un cliente podría estar en riesgo. Esto dificulta que los agentes y supervisores actúen de manera efectiva sobre la información.
Como indicábamos, muchas empresas dependen, todavía, de métricas como NPS, CES (Customer Effort Score) o CSAT (Customer Satisfaction Score), que, si bien son útiles, no siempre reflejan el riesgo de fuga en tiempo real. Se requiere un enfoque más predictivo basado en comportamientos y sentimientos detectados automáticamente.
Relación Cliente: ¿Qué tan fácil es integrar la tecnología de IA conversacional en los sistemas actuales de un contact center? ¿Se requiere una curva de aprendizaje extensa?
José Manuel Montero: La mayoría de las plataformas de IA conversacional son modelos cloud. Por lo tanto, los procesos de integración son más ágiles cada día. Por ejemplo, en Inicia Soluciones, ya tenemos integrados algunos softwares populares, como es el caso de Genesys, pero, en general, el procedimiento es rápido ya que te integras vía API.
Es cierto que, algunos softwares de contact center, para absorber sus colas de llamada a analizar u otro tipo de archivo, puede obligarnos a una integración con un desarrollo ad hoc, pero el ejercicio puede durar 2-3 semanas.
Además, siempre está la opción de trabajar vía SFTP, ya que no existe inconveniente en el formato que disponen los archivos.
Respecto a la curva de aprendizaje, en Inicia Soluciones tenemos una metodología basada en aprender creando. Es decir, nosotros desde la primera carga de grabaciones damos acceso a la plataforma y marcamos reuniones semanales para ir enseñando cómo construimos la información. Nuestro objetivo es “darles la caña y enseñarles a pescar”. Cuanto más familiarizados estén y más flexible sea el proceso, mejor se adaptarán y más usarán la plataforma.
Relación Cliente: ¿Qué diferencia a vuestra plataforma de otras soluciones de speech analytics disponibles en el mercado?
José Manuel Montero: Somos la primera solución de analítica conversacional que cuenta con un módulo exclusivo de IA (IA Estudio). Con él hemos conseguido crear un espacio donde generar prompts y flujos de información tremendamente sencillos, donde cada cliente puede aprender rápidamente a construir sus propias extracciones con IA.
Además, a diferencia de otros modelos, ejecutamos en nuestros análisis la doble validación de los datos a extraer. Es decir, creamos una estructura de análisis semánticos (mención directa de palabras, frases, etc.) y lo comprobamos con los datos resultantes de las consultas realizadas al flujo de IA (mención contextual). Al poder disponer de una solución que te permite verificar la exactitud de un ítem en dos áreas de información, puedes garantizar un éxito del resultado superior al 80%.
Es un error trabajar con plataformas exclusivamente de IA generativa. Todavía comete errores (“alucinaciones”) que puede degenerar en falsos positivos y una tasa de error más alta que con nuestra metodología de doble check.
Relación Cliente: ¿Qué nivel de precisión tiene el análisis de sentimiento basado en IA en la detección de clientes insatisfechos?
José Manuel Montero: Gracias a la doble comprobación que comentábamos anteriormente, la identificación de interacciones con alto nivel de insatisfacción, así como la potencial consecuencia de riesgo de baja, tiene una alta precisión.
Contamos también con un campo de comprobación llamado “evidencia” que nos permite chequear qué elemento ha identificado la IA para identificar la insatisfacción y riesgo de baja.
A todos estos procesos de extracción de datos, le sumamos que nuestro transcriptor cuenta con más de 40 métricas de voz asociadas en el análisis de una interacción de voz (interrupciones, tono, volumen, silencios, sentimiento, etc.) que, en caso de disponer de llamadas en estéreo (dos canales) podemos identificar KPIs de voz clave en la insatisfacción, cruzando el resultado con los datos extraídos por IA y semántica.
La suma de todos estos ejercicios nos da la oportunidad de crear un tablero de BI altamente nutrido de información para determinar aquellas llamadas con mayor posibilidad de clientes en riesgo de fuga.
Relación Cliente: ¿Cómo pueden los equipos de calidad y supervisión utilizar esta tecnología para optimizar la retención de clientes
José Manuel Montero: Los equipos de calidad pueden transformar speech analytics en una herramienta de retención activa, logrando:
1. Menos churn al detectar clientes en riesgo antes de que cancelen.
2. Más conversiones al mejorar scripts y entrenar agentes con insights de IA.
3. Automatización efectiva para actuar en tiempo real con ofertas personalizadas.
Para el área de calidad, para garantizar el éxito, ya no se trata exclusivamente de analizar al agente, sino de potenciar la voz del cliente y eso solo se podrá alcanzar incorporando herramientas que ayuden a alcanzar los objetivos.
