La semana pasada, en la última edición de Madrid Tech Show, tuve la oportunidad de entrevistar a Mario Reiter, chief sales & marketing officer en Evolutio, para charlar sobre la IA generativa y cómo esta puede llegar a crear experiencias que superen las expectativas de cualquier usuario. Aprovechamos este espacio para hacer un extracto de los puntos más interesantes destacados en esa entrevista.
Como recordaba Mario Reiter en el inicio de esta charla, ante los posibles retos que presenta este tipo de tecnología, es evidente que hay que aprovechar el progreso tecnológico tratando de equilibrar los riesgos y las potenciales recompensas. “En el caso de la IA generativa, una perspectiva equilibrada es fundamental para tomar decisiones informadas y gestionar los riesgos de manera responsable”, puntualizaba Mario Reiter.
Manuela Vázquez: Como clientes buscamos cada vez con más determinación, experiencias personalizadas, ¿cómo puede la inteligencia artificial generativa ayudar a crearlas?
Mario Reiter: Por un lado, se facilita información en tiempo real, flujos de trabajo e instrucciones detalladas a los agentes humanos para ahorrarles trabajo y permitirles que se centren en cuestiones más complejas y especializadas. Los tiempos de espera se reducen y se hace optimiza la gestión de los agentes.
Por otro lado, se permiten interacciones naturales con agentes virtuales. Las compañías pueden crear en cuestión de minutos agentes virtuales avanzados que cambien de tema de manera fluida, aborden preguntas complementarias y funcionen en varios canales de forma ininterrumpida para minimizar las intervenciones de los agentes humanos.
A través del procesamiento del lenguaje natural, se identifica el motivo de las llamadas y se analiza el sentimiento. Esto ayuda a los administradores de los centros de contacto a obtener datos valiosos de las interacciones con los clientes para, así, mejorar los resultados de sus llamadas. Asuntos que se repiten y que no son de alto valor, se automatizan, y asuntos más complejos como procesos de venta o incidencias, se personalizan.
De esta manera, los agentes humanos reciben asistencia continuada durante las llamadas y conversaciones de chat para poder determinar las necesidades de los clientes y facilitarles instrucciones detalladas en tiempo real.
En definitiva, el trabajo analítico alimenta el proceso de automatización en atención al cliente y favorece la mejora continua. Este es el círculo que hace que la inteligencia artificial en atención al cliente resulte tan exitosa. Se mejora la experiencia de cliente porque los autoservicios propiciados por la automatización generan menos tiempo en la resolución de las incidencias. Las empresas se vuelven más eficientes porque ahorran tiempo.
Todo el proceso genera información que permite entender por qué llaman los clientes/usuarios, cuáles son sus necesidades y qué ofrecerles para mejorar el servicio. Estos esfuerzos se encaminan a la eficiencia operativa, es decir, a una mejora en la atención al cliente y un aumento de las ventas.
Manuela Vázquez: En concreto, ¿cómo puede Evolutio ayudar a la adopción de la inteligencia artificial generativa en los contact centers?
Mario Reiter: En este avance de las compañías hacia contact centers en la nube, Evolutio integra todas las soluciones de sus partners con el máximo nivel de conocimiento y experiencia.
Recientemente hemos puesto en marcha el Hub de Innovación de Evolutio en el que trabajamos generando propiedad intelectual en tres líneas:
1. Cómo me comunico con los clientes. Aquí se centran en la creación de bots, ya sea desde lenguajes de fabricantes o con soluciones propias para cada cliente. Bots, tanto de voz como de texto, orientados a cualquier canal de comunicación, siempre bajo el prisma de la regularización y la ética que gira en torno a la IA.
2. Cómo analizo mis datos. En este punto, cobran relevancia tres aspectos clave: la gestión de las interacciones; la analítica de los bots; y el análisis del sentimiento en las conversaciones con los clientes (es decir, el análisis del agente humano). Dentro de esta línea de actuación, Evolutio ha desarrollado herramientas propias:
• Post Call Analytics. Herramienta que facilita insights al Contact Center sobre cómo funciona, analizando el sentimiento de la llamada, con diferentes categorías y etiquetas que se pueden repetir y permiten establecer modelos y patrones de comportamiento.
• Evolutio inteligence Bots Analytics (EIBA). Igual que se realizan la analítica de las conversaciones y el etiquetado, esta herramienta permite el análisis de las conversaciones en los bots. De esta manera, se pueden tener bajo control todas las interacciones, pero muy específicamente en la parte de automatización. Así, se rompe con lo que pasaba anteriormente que, al no haber control, no se sabía si las automatizaciones estaban funcionando bien a nivel técnico. EIBA da visión al negocio del cliente y añade nuevas métricas que ayudan a prever lo que va a pasar en el futuro.
3. Cómo le doy al cliente los resultados y evalúo lo que ha pasado. En este punto, la solución desarrollada es Evolutio Cloud Reporting (ECR), que consolida toda la visualización del reporte.
Es importante destacar la experiencia de Evolutio dentro de múltiples sectores. Así, cuando se hace un proyecto de automatización de bots o un proyecto de analítica, ya contamos con modelos creados que aceleran el time to market para los clientes. Hay patrones que se repiten en cada sector y eso ya está industrializado. Es rápido para los clientes y permite la personalización a través de una IA educada para ello.
Manuela Vázquez: Y ya para finalizar, ¿qué hoja de ruta planteáis desde Evolutio a las organizaciones a la hora de abordar la IA generativa?
Mario Reiter: La implementación de la IA generativa es un proceso complejo que requiere una planificación cuidadosa y una hoja de ruta bien definida:
• Definir objetivos y casos de uso: identificar claramente los objetivos que se desean lograr. Determinar los casos de uso específicos en los que la IA generativa puede ser beneficiosa para la organización.
• Adquirir conocimiento y recursos y seleccionar la herramienta adecuada: reunir los recursos necesarios, incluyendo hardware y software, así como datos relevantes para tu proyecto. Evaluar las opciones disponibles en el mercado y elegir las herramientas y tecnologías adecuadas para el proyecto.
• Recopilación y preparación de datos: reunir y seleccionar los datos necesarios para entrenar tu modelo generativo. Asegurándose que los datos sean representativos y de alta calidad.
• Diseño y entrenamiento del modelo: diseñar la arquitectura del modelo generativo y entrenarlo con los datos preparados.
• Evaluación y ajuste: evaluar el rendimiento del modelo utilizando métricas relevantes para tu caso de uso, como la calidad de la generación, la diversidad, y la coherencia.
• Ajustar el modelo según sea necesario para mejorar su desempeño, considerando la retroalimentación de los usuarios y las métricas de evaluación.
• Integración en aplicaciones o procesos existentes dentro de la organización. Esto podría incluir la creación de interfaces de usuario, APIs o la automatización de tareas específicas.
• Monitoreo y mantenimiento continuo: establecer un sistema de monitoreo continuo para supervisar el rendimiento del modelo generativo en producción. Realizar ajustes y actualizaciones periódicas para mantener el rendimiento y la relevancia a lo largo del tiempo.
• Ética y cumplimiento legal: cumplir con todas las regulaciones y leyes relacionadas con la IA, especialmente en lo que respecta a la privacidad y la ética. Establecer pautas claras para su uso responsable.
• Escalabilidad y expansión: planificar la escalabilidad de tu solución para manejar un mayor volumen de datos y usuarios a medida que el proyecto crece. Explorar oportunidades para expandir el uso de la IA generativa a nuevos casos de uso o áreas de la organización.
La IA generativa es un campo en constante evolución, por lo que es importante mantenerse actualizado con las últimas investigaciones y avances para seguir mejorando. Además, involucrar a expertos en ética y privacidad desde el principio para abordar posibles preocupaciones éticas desde el inicio del proyecto.
