Algo nuevo está surgiendo para los agentes de contact centers. En la última década, el servicio de soporte y atención al cliente ha virado masivamente hacia el autoservicio, gracias a la madurez de la inteligencia artificial (IA) conversacional. Las herramientas de automatización y el IVR para la autogestión, como los bots y los centros de conocimiento, pueden realizar las tareas básicas, tales como verificar el estado de una orden o resolver un código de error. Los consumidores ya se han adaptado a este paradigma de autoservicio y buscan utilizarlo cada vez que pueden.

Hoy, las expectativas y las exigencias de los consumidores que interactúan con agentes humanos son mayores que hace una década. Para los agentes, ya no existen más llamadas “fáciles”, porque son los bots los que las resuelven. Si un cliente habla con un agente, es porque no logró resolver su problema en el autoservicio, ya sea porque era demasiado complejo o porque requería una gran dosis de comprensión y empatía de un humano. Esto se combina con la nueva forma de trabajo desde casa, donde no está el compañero o el supervisor listo para ayudar.

Además, todas las organizaciones enfrentan presiones presupuestarias. Hacer más con menos implica resolver los problemas de la manera más rentable posible. Por ejemplo, para una tienda de electrodomésticos, es preferible ayudar al cliente a resolver el problema por sí solo que enviar a un técnico, en especial si el producto está dentro del período de garantía.

Esto ha dificultado aún más el trabajo de los representantes de atención. Hoy, los agentes se encuentran con consultas mucho más complejas, mayores expectativas de los clientes y más presión por resolver la llamada, y todo mientras trabajan remotamente sin la ventaja de poder entregar la llamada a un compañero más experimentado. Esta situación provoca mayor agotamiento en los agentes y más deserción.

La IA puede resolver esta situación y permitir que los agentes se enfoquen en satisfacer las crecientes demandas de los clientes.

El conocimiento con IA y automatización es poderoso

Pongámonos en situación. Hace 3 o 4 meses que Malcom trabaja como agente. Hizo la capacitación obligatoria, recibió una laptop y un auricular, y está trabajando desde su casa. Una cliente necesita hablar con un agente por una consulta compleja, por lo que se la deriva a Malcom. Ya se siente un poco frustrada e impaciente porque comenzó chateando en el canal de autoservicio, pero no pudo encontrar una solución. Hablar con un agente es su último recurso.

Ella explica la situación, pero se trata de algo complejo. Malcom no puede ponerla en espera y solicitar la asistencia de su supervisor. El supervisor no está inmediatamente disponible, y sigue corriendo el reloj, y cada segundo cuenta. Según el informe de Genesys “El estado de la experiencia del cliente”, el 33% de los consumidores dejó de comprarle a una empresa después de una interacción negativa en el último año. Entonces, es crucial optimizar el tiempo promedio de atención para brindarle al cliente una experiencia excepcional y consolidar su lealtad.

El agente tiene acceso a la base de conocimiento, por lo que cambia de pantalla y comienza a buscar. La cliente está en espera, y sigue corriendo el tiempo mientras Malcom intenta encontrar la respuesta en los artículos de la base. La clienta está cada vez más frustrada; y Malcom, más estresado. Es una experiencia desagradable para todos.

Es en casos como este en el que la IA puede venir al rescate. Los contact centers pueden usar el conocimiento habilitado por la IA para escuchar al cliente, identificar una consulta compleja, y encontrar y proporcionarle al agente la respuesta correcta en tiempo real. Para eso, es preciso tener una base de conocimiento optimizada para las búsquedas semánticas, y utilizar la IA para encontrar y simplificar la información.

Cuando la IA le entrega la respuesta al agente, no es necesario poner al cliente en espera. Se obtiene la información mientras transcurre la conversación y, con uno o dos clics, se resuelve la consulta. Y esta tecnología no es solo para las interacciones digitales, sino que los agentes también pueden acceder a las transcripciones en tiempo real de las conversaciones telefónicas y aprovechar la información de contexto en tiempo real.

El contexto y el engagement predictivo mejoran los flujos de trabajo y los resultados

La IA también puede mejorar la experiencia del cliente a través del engagement predictivo. Puede escuchar la actitud que está teniendo el cliente y, luego, calcula automáticamente un segmento, o un resultado previsto, según los patrones de comportamiento. Estos datos se utilizan a menudo para activar una  venta cruzada, una venta de mayor valor, o una conversación. Por ejemplo, el engagement predictivo con IA puede activar una conversación sobre dispositivos móviles, mediante un bot, con un cliente que pertenece a un segmento móvil determinado y que probablemente compre.

Puede usarse la misma capacidad para mostrarle al agente todo el journey del cliente, y todas sus interacciones, incluidos los obstáculos con los que se ha encontrado. Con esta información contextual, mejoran la eficiencia del agente, la satisfacción del cliente (CSAT) y, en definitiva, los resultados. El agente puede saber por qué el cliente está llamando y si ha tenido algún problema durante su journey.

Establezca conexiones adecuadas para las interacciones en tiempo real

La IA en el contact center también puede mejorar la conexión entre agentes y clientes incluso antes de que comience la interacción. Y aunque el uso de la inteligencia artificial para optimizar el enrutamiento de las interacciones no es una idea nueva, su aplicación ha sido tradicionalmente difícil.

El software de call center del pasado requería un ejército de especialistas para analizar los datos de las interacciones, diseñar modelos, comprobarlos, y luego implementarlos y medirlos. Sin embargo, Genesys AI permite hacer todo esto en tan solo tres clics:

  1. Active Genesys Predictive Routingy establezca los KPI deseados, lo que permite encontrar las colas que pueden optimizarse fácilmente.
  2. Seleccione “modo de prueba” para el KPI que desea, lo que ejecuta automáticamente el modelo en la mitad de las interacciones, monitorea el impacto en el KPI y muestra los resultados.
  3. Aplique Genesys Predictive Routing seleccionando entre un modelo 100%, A/B (50/50), u 80/20 con un punto de referencia incorporado.

Esto también genera múltiples reportes que muestran si está funcionando bien el enrutamiento predictivo y si está cumpliendo los KPI, e incluye un visor del modelo elegido a través del cual puede verse qué interacción o características del cliente producen el mayor impacto en los KPI.

Avance hacia el futuro con IA generativa

Hoy en día, resulta difícil hablar sobre la IA sin mencionar la IA generativa. Es importante detenerse un instante y pensar en qué lugar del contact center puede utilizarse.

La IA generativa puede desempeñar, y de hecho desempeña, un rol fundamental en el trabajo diario del agente cuando se trata de resumir las interacciones. Esta tarea, que puede llevar mucho tiempo y en la que pueden cometerse errores, normalmente se denomina “trabajo posterior a la llamada”. Hay formas específicas y concretas de realizarla. Por ejemplo, un agente no necesita la IA generativa para resumir en forma de poesía.

Un cliente tenía un problema con su cafetera
y llamó a Soporte para que lo resolviera.
La agente llamada Lucía
verificó que un cambio correspondía,
y le dio al cliente otra cafetera que la sustituyera.

Este ejemplo fue generado mediante una IA de código abierto con 175 mil millones de parámetros. Si bien resulta muy divertido, no es necesario hacerlo. Sin embargo, los empleados pueden utilizar la IA generativa para resumir y captar los cambios, las intenciones y los resultados principales de la conversación, lo que puede hacerse por dominio.

Motivo: Problema con la cafetera

Intención del cliente: Resolver el problema

Resultado: Se envió una cafetera de reemplazo.

Sentimiento del cliente al final de la interacción: Positivo

Resumen: El cliente le informó a la agente su problema con la cafetera. La agente solicitó el número de modelo. La agente verificó que corresponde cambiar el modelo ST145. La agente organizó que se enviara la cafetera nueva a la dirección del cliente para recoger la vieja.

Este resumen fue generado usando un LLM (modelo de lenguaje grande) mucho más pequeño, de 780 millones de parámetros, que se alimentó de los casos de uso del contact center.

Aproveche al máximo el tiempo de los empleados y de los clientes

Para ofrecer las experiencias personalizadas de principio a fin que los clientes desean, los empleados del contact center necesitan tiempo, información de contexto, y acceso fácil e instantáneo a los datos y la información. Esto puede lograrse con tres elementos:

  1. Conocimiento automático, omnicanal, preciso y de fácil acceso
  2. Interacciones que comienzan antes de iniciar la conversación
  3. Automatización. Si bien se trata de una nueva frontera en la que se habla mucho de la IA generativa, recién se ha empezado a trabajar en ella.

Mire el video que presentamos a continuación y descubra cómo orquestar experiencias fluidas de punta a punta con Genesys Cloud Agent Assist. Y luego pruebe Agent Assist descargándolo del portal de aplicaciones Genesys AppFoundry®.