Con la llegada de cosas como los chatbots, la inteligencia artificial (IA), la respuesta de voz interactiva y el aprendizaje automático, las nuevas tecnologías continúan interrumpiendo la industria de los centros de contacto. Estos avances a menudo alimentan el temor de que la automatización algún día reemplace a los humanos. Para desglosar el bombo y explorar las verdaderas oportunidades en torno a la IA, me uní a Customer Contact Central para discutir la IA en soluciones basadas en la nube. Accede al seminario web grabado aquí o lee a continuación un resumen de cómo los centros de servicio al cliente deberían pensar de manera realista sobre la IA, completo con cinco preguntas para hacer a los proveedores al evaluar soluciones de IA.

Realidad vs. bombo en inteligencia artificial

¿Qué queremos decir exactamente con inteligencia artificial? Hay muchos campos especializados dentro de la categoría más amplia de IA, y a menudo vemos confusión sobre lo que abarca cada campo. Primero y ante todo, la IA es un subconjunto de la informática. Se centra en incorporar inteligencia humana simulada en máquinas. Bajo el paraguas de la IA se encuentra el aprendizaje automático (ML), el procesamiento del lenguaje natural (NLP) y el aprendizaje profundo (DL).

El aprendizaje automático se refiere a las técnicas que permiten a las máquinas aprender de los datos y luego utilizar esos aprendizajes para proporcionar valor al usuario final. El NLP implica hacer que las máquinas “entiendan” el significado del lenguaje natural, incluyendo la intención de las palabras que los humanos utilizan para comunicarse entre sí. El aprendizaje profundo se refiere a algoritmos que están inspirados en la estructura del cerebro biológico humano. El DL ha generado mucha emoción recientemente porque es el equivalente máquina más cercano a simular cómo funciona realmente el cerebro.

Entonces, ahora que hemos definido la IA, ¿dónde estamos con esta tecnología?

La IA ha sido “La Próxima Gran Cosa” durante mucho tiempo. Desde la llegada de la computación, el objetivo final siempre ha sido crear una tecnología lo suficientemente sofisticada como para actuar como un par de los humanos. La IA ha tenido tantos altibajos que nos referimos a estas tendencias como “temporadas”. Cuando las cosas van bien, lo llamamos una ‘primavera de IA’. Y cuando las cosas no van tan bien, es un ‘invierno de IA’. En este momento, estamos en una primavera de IA.

Tras el último gran cambio tecnológico – la computación en la nube – los datos y la potencia de proceso necesarios para hacer que la IA funcione son ahora más accesibles y asequibles que nunca. Antes era responsabilidad de las empresas construir sus propios entornos para almacenar las enormes cantidades de datos y la potencia de cómputo necesarias para facilitar la IA, pero los avances en la computación en la nube han permitido que la IA se opere más fácilmente. Ahora, vemos a los grandes actores en la computación en la nube – Amazon, Google, Microsoft – proporcionando no solo la potencia de procesamiento y los datos de la computación en la nube, sino también servicios de IA. Las empresas ahora pueden aprovechar y aprovechar estas tecnologías para reunir soluciones impulsadas por IA.

Una mejor experiencia de usuario (UX) en la empresa y interfaces fáciles de usar también han aumentado exponencialmente el crecimiento de la IA. Cuanto más fácil de usar sea un software, más datos generará. Y cuanto más datos se puedan aprovechar para entrenar a la IA, mejor será la solución. El software empresarial ha pasado recientemente por una consumerización: el software que usamos en el trabajo se está volviendo tan agradable como el software que usamos en nuestras vidas personales. La idea de que la UX sea un enfoque central en el software empresarial ha ayudado a impulsar esta tecnología hacia adelante y generar mucha emoción.

Con la emoción viene el bombo

Dado todo el entusiasmo en torno a la IA, es importante establecer un nivel en cuanto a lo que realmente es posible con esta tecnología. Gartner publica lo que llaman un “Ciclo de Bombo” que traza tendencias tecnológicas para mostrar cuáles tecnologías emergentes están más promocionadas. El bombo aumenta a medida que las soluciones escalan el Ciclo de Bombo, luego alcanza su punto máximo en el Pico de Expectativas Infladas, y luego vuelve a caer cuando la tecnología inevitablemente pierde el bombo y entra en el Pozo de Desilusión. El objetivo final es trascender la curva y escalar la Pendiente de Iluminación hacia la Meseta de Productividad.

Algunas tecnologías caen del Ciclo y nunca logran llegar a la curva final, pero muchas sí. El ejemplo anterior es la última iteración del Ciclo de Bombo, y tiene el aprendizaje profundo muy promocionado en la parte superior. En 2009, la computación en la nube estaba en la parte superior del Ciclo. Vimos que el mismo comportamiento ocurría entonces como lo hace ahora, así que es interesante contrastar eso con las tecnologías más promocionadas de hoy.

Cuando una tecnología está demasiado promocionada, vemos todo tipo de artículos locos escritos y películas ominosas hechas sobre ella. Entre programas como Westworld y artículos que afirman que la IA pronto estará escribiendo mejores novelas que los humanos, la forma en que la IA se retrata en los medios y la cultura pop es a menudo confusa y alimenta los temores de lo que podría salir mal si se descarrila. Hay un miedo muy real y prevalente de que la IA representa una amenaza para la humanidad.

Una manifestación común de este miedo son los equipos de servicio al cliente que se preguntan si van a perder sus trabajos ante las máquinas. Todo el discurso sobre la IA reemplazando a los humanos y automatizando procesos pasa por alto la verdadera oportunidad de cómo la IA puede ser transformadora.

La verdadera oportunidad para la IA en los centros de contacto

Mucha tecnología adoptada en el lugar de trabajo ha sido tradicionalmente aplicada como formas de ahorrar dinero. Como empresas, hacemos casos para comprar tecnología basados en posibles ahorros de costos. Pero en el caso de la IA, muchos de estos casos se están haciendo basados en posibles aumentos de ingresos en su lugar. Las empresas no están preguntando cómo la IA puede ahorrarles dinero, sino cómo la IA puede hacer dinero. ¿Cómo puede la IA ayudar a los agentes de servicio al cliente a convertir más clientes de planes gratis a planes de pago? ¿Cómo puede la IA ayudar a los clientes a entender mejor los productos para que renueven?

Es un cambio realmente interesante, este cambio de ahorro de costos a generación de ingresos. Eso se traslada bien al campo del servicio al cliente, haciendo un cambio similar de centro de costos a centro de ingresos.

El servicio al cliente está transformándose de un centro de costos a un centro de ingresos

Los equipos de servicio al cliente tienen las relaciones más duraderas con los clientes, mucho después de que las ventas hayan cerrado el trato y se hayan ido, así que ¿cómo podemos ayudarles a tener mejores conversaciones y mejores relaciones con esos clientes? A pesar de esas relaciones cercanas, una cantidad desproporcionada de la conversación sobre IA se aplica a soluciones que eliminan al agente de servicio al cliente de hablar directamente con los clientes en lugar de acercarlos más.

4 tipos de IA para CX

Deflexión se refiere a interceptar a los clientes que están contactando con preguntas simples y repetitivas y responderles antes de que tengan que preguntarlas. La tecnología desvía una interacción con un agente de soporte de que realmente ocurra. Este es un enfoque de ahorro de costos, no un generador de ingresos.

Bots simulan experiencias de servicio al cliente humano. Sin embargo, siendo conscientes de la experiencia del cliente, creo que los mejores diseños de bots dejan claro que hay un bot al otro lado de la línea. Los buenos bots no intentan simular humanos, aumentan las señales de espera y proporcionan valor.

Procesamiento o IA de flujo de trabajo tiende a estar orientada hacia el agente. Estas soluciones se ocupan de identificar y aliviar puntos de dolor comunes. Como humano, es difícil señalar dónde tienden a quedarse atrapados los clientes porque implica indexar todos los tickets, clasificarlos, identificar temas, tendencias y sentimientos. Las máquinas están mejor preparadas que los humanos para clasificar y analizar, así que ahí es donde la IA de procesamiento suele entrar en juego.

Coaching la IA también está orientada al agente en lugar de al cliente final. Este tipo de IA tiene como objetivo ayudar y empoderar a los humanos para que sean mejores en sus trabajos. Su objetivo es ayudar a los agentes a tener mejores conversaciones con los clientes para que puedan dedicar más tiempo a crear experiencias de alta calidad en lugar de cavar buscando respuestas a preguntas. El coaching es la forma en que pensamos sobre y entregamos IA en Guru. Empoderar a los humanos es una gran manera de crear valor a largo plazo para los equipos de servicio al cliente. Esta tecnología de IA se enfoca 100% en ayudar a alguien a mejorar en lugar de automatizarlos.

Las 5 mejores preguntas para hacer a tus proveedores de IA

Al considerar una nueva solución de IA, es importante asegurarse de que la iniciativa que estás considerando esté alineada para prepararte mejor para el éxito. Aquí hay cinco consideraciones a tener en cuenta junto con preguntas que puedes hacer a los proveedores durante la fase de evaluación.

1. ¿Qué métricas deberíamos esperar que mejore tu solución?

Cuidado con el “todo en uno”. Un error que algunos sistemas de IA cometen es tratar de hacer demasiado. Los sistemas de IA de hoy solo tienen la capacidad de hacer tanto, lo que hace que sea superimportante que estén enfocados en resolver problemas específicos. Los datos de entrenamiento que un sistema de IA utiliza para hacer sus sugerencias están directamente correlacionados con su éxito. Si intentas resolver tres o cuatro problemas de negocio con un solo sistema de IA y un conjunto de datos de entrenamiento, deberías esperar resultados mediocres.

La pregunta que debes hacer para llegar al fondo de este problema es “¿Qué métricas deberíamos esperar que mejore tu solución?” Necesitas desvelar el resultado final y cómo se relacionará con las métricas que utilizas para medir el rendimiento. Quieres una respuesta específica aquí; ten cuidado con cualquier solución que afirme resolver siete u ocho cosas a la vez. Si una solución se centra específicamente en un resultado particular, ello te da una gran probabilidad de éxito. Invierte en productos de IA que se centren en resolver problemas claros con acceso a datos valiosos para entrenar.

2. ¿Qué experimentarán nuestros clientes?

Empodera a tus agentes y a tus clientes. Cualquier sistema de IA que estés considerando, debes centrarte mucho en la experiencia del cliente final. Forrester tiene un informe que habla sobre los riesgos que enfrentan las empresas al impulsar demasiado agresivamente el tráfico de clientes (chats, llamadas telefónicas) hacia sistemas de IA en lugar de hacia humanos en una carrera por ahorrar dinero. Al hacerlo demasiado agresivamente, las empresas afectan la satisfacción del cliente. Quieres que la IA te ayude a ahorrar dinero y aumentar ingresos, pero ciertamente no quieres que eso sea a expensas de la satisfacción del cliente.

Al preguntar “¿Qué experimentarán nuestros clientes?”, puedes determinar si una solución está en línea con cómo piensas sobre proporcionar una gran experiencia al cliente. Lo que verá tu cliente final al interactuar con cualquier sistema debe ser tu principal preocupación.

3. ¿Cómo aprende y mejora tu solución de IA con el tiempo?

Cuidado con los “creadores de salsa secreta”. La transparencia es importante. Los proveedores deben ser claros y directos sobre qué datos recopilan y por qué. Los sistemas de IA se construyen a partir de datos que tú estarás alimentando, así que es superimportante que cualquier proveedor de IA te diga exactamente qué datos usará para entrenarse, cómo se almacenan esos datos y cuánto tiempo se almacenan.

Al preguntar “¿Cómo aprende y mejora tu solución de IA con el tiempo?” obtendrás una pista sobre los conjuntos de datos que tu proveedor de IA necesitará de ti para poder hacer su trabajo.

4. ¿Cómo mantendremos nuestro conocimiento actualizado y preciso?

La IA sin conocimiento actualizado fallará en los centros de contacto. Esto está relacionado con el concepto de todo en uno. Cuando piensas en el conocimiento que hay en tu entorno, es la encapsulación del know-how de tus expertos en la materia, de tus productos, de tus sistemas y procesos, y de cómo todos esos elementos funcionan juntos. Cualquier IA que esté aprovechando ese know-how necesita tener una forma de asegurarte que ese conocimiento permanecerá preciso y actualizado.

Hay un concepto en la IA llamado el lazo cerrado. Con el tiempo, el conocimiento y las cosas que entrenan a tus sistemas de IA cambiarán porque tus productos cambian; y la tecnología de la cual dependen tus productos cambiará; y nuevos competidores llegarán al mercado y tendrás que adaptarte a ellos; y a medida que tu equipo crece, la forma en que brindas soporte cambiará. Con todos esos cambios inevitables, lo que no quieres es un sistema de IA que no tenga un buen lazo cerrado de evolución de su aprendizaje. Verás ejemplos de esto cuando los sistemas de IA comiencen a devolver información degradada con el tiempo. Cuando el sistema reduce la calidad de la salida, esa es una señal clara de que no está aprendiendo y evolucionando con tu organización.

El problema es que es posible que no veas esto hasta unos meses después, cuando el conocimiento comience a degradarse. Así que una gran pregunta para hacer desde el principio es “¿Cómo mantendremos nuestro conocimiento actualizado y preciso?”

5. ¿Cómo hará su solución que nuestros agentes sean mejores en su trabajo?

La IA debería empoderar a las personas, no reemplazarlas. Asegúrese de preguntar “¿Cómo hará su solución que nuestros agentes sean mejores en su trabajo?” para averiguar cuáles serán los impactos inmediatos de esa solución de IA en su empresa. Con el tiempo, habrá oportunidades profundas para automatizar tareas, pero por ahora, es importante obtener una respuesta a esta pregunta que no suene a palabras vacías. Términos como “automatización” y “agente virtual” tienden a indicar soluciones de IA con menos aplicaciones prácticas a corto plazo.

Porque de nuevo, todavía es relativamente temprano. La IA es profunda en capacidad e impacto a largo plazo, pero aún está lejos de entender cosas como la empatía. Si pones un sistema de IA frente a tus clientes directamente cuando están molestos, una máquina no va a mejorar la situación. Estas son las preguntas que aseguran que estás pensando en el resultado del producto de la mejor manera posible.

Pensamientos finales

Al igual que la computación en la nube antes que ella, la IA es transformacional no solo para empresas, sino para todos los humanos. Si bien la exageración es enorme, y muchas personas tergiversan sus capacidades, hoy se pueden lograr ganancias reales si te enfocas en los resultados correctos. En lugar de pensar en la IA como “automatizándonos lejos”, y que finalmente crea esta clase superior de máquinas, ¿y si en cambio hablamos sobre la IA ayudándonos a crecer? ¿IA ayudándonos a mejorar como humanos, tanto personalmente como profesionalmente? Ese es el cambio de mentalidad que necesitamos hacer que será realmente emocionante en cuanto a lo que esta tecnología es capaz de hacer.

Para obtener más información sobre cómo utilizar la IA para empoderar a los humanos en su centro de contactos y a lo largo de toda su organización (y las respuestas de Guru a estas cinco preguntas), contacte info@getguru.com.