Más allá de la IA generativa, existen otras tecnologías con la RPA (Automatización de Procesos Robóticos) que, aunque a priori, no son tan sofisticadas como pueden serlo las soluciones basadas en IA generativa, aportan un valor importante desde hace tiempo a la gestión de las relaciones con los clientes. Teniendo esto en cuenta, tal vez sea interesante hacer un rápido análisis comparativo entre ambos modelos. ¿Conocemos cuáles son sus principales diferencias? ¿Cómo se están utilizando ambas tecnologías en el contact center? ¿Son complementarias? Nos ayudan a responder a estas cuestiones representantes de BPO MADISON MK, E-voluciona by Intelcia, GoContact, Konecta, Foundever y Five9.
En esta aproximación a la utilidad en el contact center de la AI generativa y las soluciones RPA, comencemos por señalar que son tecnologías diferentes pero complementarias. Como explican los expertos consultados, una solución basada en RPA sigue una serie de pasos bien definidos y es ideal para implementar procesos de gran volumen, o alta criticidad, ya que minimiza los errores humanos al evitar dudas en cualquier etapa del proceso. Por lo tanto, los RPA son adecuados para procesos muy estructurados.
En cuanto al papel de la IA generativa, está más reservado para trabajar con procesos guiados y, además, ofrece asistencia en caso de dudas, gracias a su capacidad de razonar y considerar alternativas al flujo de pasos inicial establecido. Desde el punto de vista de experiencia de usuario, esto es un añadido enriquecedor.
Una primera aproximación
El uso en determinadas tareas de una y otra tecnología viene de la propia naturaleza de cada una de ellas. “Una solución RPA cuenta con un robot que automatiza tareas repetitivas basadas en reglas, imitando los procesos básicos, en cualquier horario y de forma totalmente desatendida. Es una solución ideal para procesos con una estructura muy definida donde las tareas son repetitivas. Al estar basada en reglas, no puede aprender ni dar solución a nuevas situaciones para las que no esté programada, sin que una persona modifique la estructura del robot”, indica Beatriz González, directora comercial de BPO MADISON MK.
Por otro lado, añade que la IA generativa va un paso más allá al incorporar capacidades de aprendizaje y adaptación, imitando en cierto modo cómo piensa un humano para poder incorporar mejoras de aprendizaje en los procesos. “Utiliza algoritmos avanzados para generar contenido nuevo, tomar decisiones y resolver problemas en contextos no estructurados y cambiantes. La IA generativa puede analizar datos complejos, aprender de patrones y producir resultados creativos, lo que la hace ideal para la toma de decisiones complejas basadas en grandes volúmenes de datos no estructurados”, comenta Beatriz González.
Estas diferencias las hace perfectamente complementarias, sobre todo, en ciertos casos. “Por ejemplo, un asistente guiado con IA generativa puede interactuar con el cliente, identificar sus necesidades y recopilar datos, que luego se pasan a un RPA para ejecutar la tarea en el back-office. Al combinar ambas tecnologías, creamos un flujo completo: atendemos al cliente en el front-office y, una vez identificada la causa de la llamada, recopilamos la información necesaria para resolver el problema en el back-office”, señala Mario Lainez, director de Soluciones IA de E-voluciona by Intelcia.
Cada una a lo suyo
Teniendo en cuenta estas especificaciones podemos pensar que la IA generativa está más indicada para las tareas de front-office y las soluciones RPA para las de back-office. “La IA generativa se ha vuelto fundamental en el front office debido a su capacidad para comprender y responder a las necesidades de los clientes de manera más intuitiva y personalizada. Así, las soluciones como chatbots, asistentes virtuales y herramientas de análisis de sentimientos, permiten a las empresas interactuar con los clientes de manera más efectiva y en tiempo real. Además, la IA ayuda a los agentes proporcionándoles información relevante y recomendaciones en el momento, mejorando así la calidad del servicio y la satisfacción del cliente”, cuenta Ricardo Coello, Hunting Manager en GoContact España.
La naturaleza de las soluciones RPA, como ya hemos visto, las hace más idóneas para procesos rutinarios como el procesamiento de facturas, la gestión de datos y la actualización de registros. Por ejemplo, en una empresa en la que haya que recoger números de pedidos de clientes, incluirlos en un ERP y enviar un correo informativo. En este caso, el robot será mucho más rápido que un humano, y será más complicado que se produzcan errores. Ese tiempo que dedicaba una persona a entrar en cada uno de los sistemas para copiar información, puede dedicarlo a tareas menos monótonas y en las que pueda aportar más.
Utilizar herramientas RPA en tareas que no requieren decisiones complejas ni interacción humana constante, ayuda a mejorar la eficiencia operativa y a reducir errores humanos en estos procesos administrativos. “Este tipo de soluciones siguen reglas estrictas y predefinidas para ejecutar tareas. No tienen capacidad de aprendizaje ni de adaptación a menos que se reprogramen sus reglas, y su rendimiento es predecible y constante, ejecutando tareas de la misma manera cada vez”, recuerda Sebastián Salvatierra, director de Activos Digitales y Equipo de Desarrollo Konecta.
En esta línea, Beatriz González puntualiza que los sistemas RPA están diseñados para seguir instrucciones precisas y repetitivas sin posibles errores por fatiga, distracciones o malentendidos. Por ejemplo, en tareas de entrada de datos o procesamiento de transacciones financieras, los errores humanos pueden ser comunes, mientras que RPA elimina en su totalidad estos errores.
Por tanto, “La combinación de ambas tecnologías puede crear ecosistemas empresariales más eficientes y orientados al cliente”, puntualiza Ana Lis Pra , Product Manager Global GenAI en Konecta.
(El reportaje completo se puede leer aquí, en el número 102 de Relación Cliente Magazine)
