Tlmark: La inteligencia artificial al servicio del cliente

—¿Qué soluciones basadas en IA se están utilizando más en los contact centers, entendiendo que nos estamos refiriendo a una IA básica como herramientas de machine learning enfocadas en determinadas áreas?

—El estado de adopción de la tecnología en los call centers es muy diversa y no podemos hablar de un uso masivo de esta tecnología.

En Tlmark, después de analizar las tecnologías disponibles nos decantamos por desarrollar tecnología propia.

Si bien existen tecnologías como RPAs Y Bots que permiten de alguna manera democratizar el uso de machine Learning, estas tecnologías no nos permiten por una parte extraer todo el potencial de los datos ni adaptarnos a las necesidades de cada proyecto y cliente, esto nos hizo decantamos por desarrollar nuestra inteligencia artificial, usando modelos de Deep Learning cuando es adecuado y modelos más simples cuando así lo recomienda el dominio del problema, por supuesto todo en la nube dockerizado.

Con respecto al tratamiento de la voz, el 80% de los datos que manejamos, los tenemos en audio. Trabajar con ellos es crítico para la mejora de la experiencia de cliente y por supuesto de nuestra eficiencia operativa. Esto nos llevó a desarrollar nuestro motor de transcripción Smart Speech to Text como primer paso a nuestro motor de analítica de texto.

—¿Podría mencionarse el caso de alguna empresa cliente o campaña donde alguna solución basada en IA esté dando un óptimo resultado o incluso por encima de lo esperado? 

—Tenemos numerosos casos de éxito en diferentes sectores. En turismo hemos automatizado mediante callbots el 30% del trafico de un servicio de atención al cliente y realizamos respuestas automáticas al canal de chat de la corporación, un 21% del tráfico.Si hablamos de desarrollo de modelos de inteligencia artificial, en el sector telco hemos conseguido aumentar la retención en más de 7 puntos, en el sector hotelero hemos reducido las cancelaciones un 34% mediante la implantación de sistemas de inteligencia artificial unido a una campaña de call center.

Jesús Iglesias, Ceo España y Colombia en Rockethall Group . DL

—En principio, hoy por hoy, no todas las tareas que se hacen en un contact center serían susceptibles de automatizar, aunque sea con herramientas basadas en machine learning, ¿qué recomendaciones se deben tener en cuenta a la hora de elegir procesos para automatizar con herramientas basadas en machine learning?

—Todo cliente cuando habla de inteligencia artificial o automatización busca mejorar la eficiencia. A alto nivel busca dos objetivos: tener mejor eficiencia mediante el desarrollo de modelos de inteligencia artificial o ser más eficiente en costes mediante la automatización. Tenemos diferentes escenarios dentro de la automatización:

-RPA. En donde realizamos una análisis de los procesos   para ver las partes que se pueden automatizar, tenemos varios beneficios, ausencia de fallos y velocidad en los procesos.

-Call bots. Desarrollo de sistemas de atención que sin perjudicar la experiencia de usuario nos permiten dar un servicio inmediato en tiempo real, sin tiempos de espera.

-Automatización de procesos mediante el desarrollo de sistemas de lectura, tratamiento interpretación de documentos, bien sean pdf, imágenes, Excel... que nos permiten automatizar la digitalización de documentos y por lo tanto gran parte del esfuerzo asociado a estos procesos.

En nuestro caso aplicamos una metodología interna desarrollada para este objeto, el pilar siempre es la rentabilidad de la inversión, la factibilidad y la disponibilidad de los datos, si cumplimos estos tres pilares vamos adelante con el proyecto.

—El lenguaje natural en el que se basan estas herramientas facilita mucho la tarea para los clientes a la hora de que una máquina responda a sus requisitos, ¿cómo se ha avanzado en este terreno de la comprensión y qué retos quedan por delante?

—Si bien desde el punto de vista de la tecnología hay un avance significativo, actualmente el campo de NLU o natural language understanding es un campo en el que se requiere un nivel de especialización muy importante, por otro lado este tipo de proyectos conlleva el etiquetado masivo de datos que es una tarea compleja e intensiva en recursos.Nosotros hemos desarrollado una herramienta de etiquetado colaborativo en la nube lo que nos permite realizar esta actividad en diferentes países dándonos la velocidad que necesitamos para afrontar este tipo de proyectos. Gran parte del motor de analítica de texto se basa en esta tecnología.

—Los bots que se usan hoy, se basan en una búsqueda de texto completo en bases de datos con diccionarios, reconocimiento de patrones y reglas de respuesta, pero no pueden aprender y desarrollarse. ¿Qué vaticinios haría de los servicios que están preparando las empresas a través de este tipo de asistentes de voz?

—Los callbots son sistemas que actualmente usamos de manera frecuente en nuestras operaciones, tienen ciertas limitaciones por lo que para no afectar a la experiencia de usuario los usamos en aquellas actividades que son más repetitivas y fácilmente automatizables, minimizando los tiempos de espera de nuestros clientes. No obstante hemos llegado en algún caso a automatizar servicios en ratios de más de un 30%.

El futuro son las bases semánticas de conocimiento en donde potencialmente podemos tener bots con grandes capacidades de conversación. En contraposición el uso de redes recurrentes para desarrollar bots preguntas respuestas solo tienen cabida en servicios muy masivos, ya que el tiempo y coste de desarrollo son muy altos.