Inteligencia artificial para humanizar: una historia de ISGF en busca de constante innovación

Salarichs, data scientist de ISGF.Javier Rodríguez Salarichs, data scientist de ISGF, explica la historia de ISGF a través de la innovación que ha ido persiguiendo en su crecimiento empresarial.

La introducción de la Inteligencia Artificial (IA) en el mundo empresarial ayuda a posicionar al cliente en el centro; aspecto estratégico clave y de actualidad en los contact centers. El viaje lo empezamos ya hace unos años (2017) y en el transcurso de este período hemos ganado experiencia tanto en el desarrollo de productos como en la integración en las operaciones diarias.

La conclusión a la que hemos llegado de acuerdo a nuestra experiencia es que la incorporación de herramientas IA en el customer journey de los contact centers aporta valor añadido, ayuda a entender mejor al cliente y mejora el CEX.

ISGF viene apostando por la innovación aplicada al negocio como vía de crecimiento desde sus inicios en 1997. Hecho que nos ha asegurado diversas subvenciones de organismos del sector público que apoyan la I+D+i. Además, nos ha permitido contar con productos informáticos propios enfocados a la gestión del contact center como el CRM o bots RPA dedicados a la automatización de procesos rutinarios. La generación de una gran cantidad de datos y contar con un data center propio nos impulsa en 2017 a dar los primeros pasos que culminaron en la creación de “El Sistema 100% Autónomo de IA integrado en el CRM de ISGF”.

EL Sistema de IA de ISGF se desarrolló con tecnología propia y está dedicado a resolver diversos propósitos del negocio. Como dato de interés, comentar que gracias al elevado nivel de autonomía que presenta, ISGF mantiene en explotación simultánea más de 100 modelos ad-hoc.

Las características más relevantes del producto son:

• Eficaz, produciendo modelos con una gran bondad de ajuste estadística que procuran unos grandes resultados.
• Eficiente, siendo capaz de tratar los datos que nos suministran nuestros clientes en los que no hemos tenido una experiencia previa y entrenar un modelo de Machine Learning con tiempos de proceso muy cortos de forma autónoma. Aspecto este muy destacable a nuestro modesto entender.
• Apoyo ininterrumpido y ágil de la actividad operativa diaria, siendo capaz de procesar los nuevos registros de nuestros clientes casi en tiempo real tras su entrada en ISGF.
• AutoGestión de múltiples propósitos.
• AutoCalibrado de los modelos en producción cuando se reduce su eficacia.
• Tratamiento específico y automático de la información.
• Deep Learning y Procesamiento de Lenguaje Natural (PLN) en la fase de tratamiento para mejorar y aumentar el conocimiento que se extrae de los datos.

El trabajo de estos años nos ha permitido el empleo de la IA en el contact center con fines diversos, entre los que se encuentran:

• Informar en el momento a los gestores en el proceso de gestión para una óptima consecución de los objetivos en las llamadas
• Priorizar las llamadas del contact center en base a la segmentación de los clientes
• Optimizar nuestras plataformas de atención para reducir el número de incidencias y alinearnos más con los objetivos de nuestros clientes mediante la mejora continua
• Aumentar la eficacia y eficiencia de los procesos operativos de ISGF

El camino emprendido empieza y termina por enfrentar y resolver múltiples retos. Cada impedimento o problema a solucionar trae consigo la adquisición de nuevos conocimientos. De ellos, nos gustaría compartir dos de ellos.

Reto 1

En todo el proceso, existe un hecho ineludible, relacionado con la data: “contar con grandes volúmenes de datos para alimentar un ecosistema de IA no es suficiente”

Con este particular fin, también tenemos que ser capaces de asegurar:

• Datos de calidad y de confianza
• Datos que aporten valor al negocio
• Datos que cumplan con la legislación vigente
• Datos que pasen por un filtro ético.

Obviar alguno de estos puntos puede causar retrasos, bajas calidades de los modelos de ML e incluso el fracaso del proyecto IA. Al respecto, las medidas que nos sirvieron en su momento en ISGF consistieron en actualizar y adaptar nuestras políticas, herramientas y procesos relacionados con la data governance.

Reto 2

Garantizar todo el Sistema de IA con los niveles de servicio tanto a nivel de hardware, software y arquitectura de red necesarios para cubrir las grandes necesidades de procesado y su mantenimiento a largo plazo. Todo ello, sin impactar en el ecosistema de gestión de ISGF global. Entre las medidas desarrolladas, las más notorias fueron:

La decisión de mantener aislados los ecosistemas de IA y gestión de ISGF.

Desarrollar un Virtualized High Performance Computer propio. Hardware que nos permite crear un entorno que reduce el coste de mantenimiento y aporta una capacidad extra de customize. Lo que repercute en tiempos y facilidades de cara la integración del Sistema de IA de ISGF.

El éxito actual nos ha proporcionado la confianza para seguir adelante con nuevos proyectos. El ejercicio 2022 va a estar lleno de nuevos retos para ISGF relacionados con la IA. También y gracias a las lecciones aprendidas por la crisis sanitaria vamos a enfocarnos sobre todo, en conseguir “Humanizar” más la relación que mantenemos con los clientes en todo el customer journey. En este aspecto, estamos comprometidos en varias líneas relacionadas con:

• Incluir la madurez digital y factores relativos a los canales y comunicaciones preferidos.
• Recoger los motivos circunstancias que rodean al contacto que establecemos.
• Utilizar diferentes canales en vías de desarrollo como el WhatsApp.
• Registrar las preferencias de los clientes finales en cuanto a canales “atendidos” (SMS, comunicación telefónica) o desatendidos (plataformas de pago Web, IVR, chatbots).
• Identificar de forma más concreta los horarios de preferencia de contacto y adaptar el lenguaje al tipo de perfil.

Gracias al sistema de IA de ISGF vamos a ser capaces, no sin mucho esfuerzo, de producir modelos con tecnologías como Speech Analytics, Procesamiento de Lenguaje Natural y como novedad incluir el reinforcement learning. Sobre la base de las anteriores líneas de trabajo, se prevé incrementar el CEX, reducir los TMO y llegar antes a la solución que necesitan los clientes finales en ese momento. Todo ello nos procurará ser mejores partners de nuestros clientes.

(Javier Rodríguez Salarichs, data scientist de ISGF)