{"id":485603,"date":"2023-07-28T10:21:05","date_gmt":"2023-07-28T17:21:05","guid":{"rendered":"https:\/\/www.genesys.com\/?post_type=blog&p=485603"},"modified":"2023-07-28T10:21:05","modified_gmt":"2023-07-28T17:21:05","slug":"contact-center-ai-bridges-gaps-in-agent-and-customer-connections","status":"publish","type":"blog","link":"https:\/\/www.genesys.com\/es-mx\/blog\/post\/contact-center-ai-bridges-gaps-in-agent-and-customer-connections","title":{"rendered":"La IA en el contact center mejora las conexiones entre los agentes y los clientes"},"content":{"rendered":"

[vc_section full_width=”stretch_row”][vc_row][vc_column][vc_column_text]Algo nuevo est\u00e1 surgiendo para los agentes de contact centers. En la \u00faltima d\u00e9cada, el servicio de soporte y atenci\u00f3n al cliente ha virado masivamente hacia el autoservicio, gracias a la madurez de\u00a0la inteligencia artificial (IA) conversacional<\/a>.\u00a0Las herramientas de automatizaci\u00f3n y el IVR para la autogesti\u00f3n<\/a>,\u00a0como los bots y los centros de conocimiento, pueden realizar las tareas b\u00e1sicas, tales como verificar el estado de una orden o resolver un c\u00f3digo de error. Los consumidores ya se han adaptado a este paradigma de autoservicio y buscan utilizarlo cada vez que pueden.<\/p>\n

Hoy, las expectativas y las exigencias de los consumidores que interact\u00faan con agentes humanos son mayores que hace una d\u00e9cada. Para los agentes, ya no existen m\u00e1s llamadas “f\u00e1ciles”, porque son los bots los que las resuelven. Si un cliente habla con un agente, es porque no logr\u00f3 resolver su problema en el autoservicio, ya sea porque era demasiado complejo o porque requer\u00eda una gran dosis de comprensi\u00f3n y empat\u00eda de un humano. Esto se combina con la nueva forma de trabajo desde casa, donde no est\u00e1 el compa\u00f1ero o el supervisor listo para ayudar.<\/p>\n

Adem\u00e1s, todas las organizaciones enfrentan presiones presupuestarias. Hacer m\u00e1s con menos implica resolver los problemas de la manera m\u00e1s rentable posible. Por ejemplo, para una tienda de electrodom\u00e9sticos, es preferible ayudar al cliente a resolver el problema por s\u00ed solo que enviar a un t\u00e9cnico, en especial si el producto est\u00e1 dentro del per\u00edodo de garant\u00eda.<\/p>\n

Esto ha dificultado a\u00fan m\u00e1s el trabajo de los representantes de atenci\u00f3n. Hoy, los agentes se encuentran con consultas mucho m\u00e1s complejas, mayores expectativas de los clientes y m\u00e1s presi\u00f3n por resolver la llamada, y todo mientras trabajan remotamente sin la ventaja de poder entregar la llamada a un compa\u00f1ero m\u00e1s experimentado. Esta situaci\u00f3n provoca\u00a0mayor agotamiento en los agentes y m\u00e1s deserci\u00f3n<\/a>.<\/p>\n

La IA puede resolver esta situaci\u00f3n y permitir que los agentes se enfoquen en satisfacer las crecientes demandas de los clientes.<\/p>\n

El conocimiento con IA y automatizaci\u00f3n es poderoso<\/h2>\n

Pong\u00e1monos en situaci\u00f3n. Hace 3 o 4 meses que Malcom trabaja como agente. Hizo la capacitaci\u00f3n obligatoria, recibi\u00f3 una laptop y un auricular, y est\u00e1 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 comenz\u00f3 chateando en el canal de autoservicio, pero no pudo encontrar una soluci\u00f3n. Hablar con un agente es su \u00faltimo recurso.<\/p>\n

Ella explica la situaci\u00f3n, pero se trata de algo complejo. Malcom no puede ponerla en espera y solicitar la asistencia de su supervisor. El supervisor no est\u00e1 inmediatamente disponible, y sigue corriendo el reloj, y cada segundo cuenta. Seg\u00fan el informe de Genesys \u201cEl estado de la experiencia del cliente<\/a>\u201d, el 33% de los consumidores dej\u00f3 de comprarle a una empresa despu\u00e9s de una interacci\u00f3n negativa en el \u00faltimo a\u00f1o. Entonces, es crucial optimizar el tiempo promedio de atenci\u00f3n para brindarle al cliente una experiencia excepcional y consolidar su lealtad.<\/p>\n

El agente tiene acceso a la base de conocimiento, por lo que cambia de pantalla y comienza a buscar. La cliente est\u00e1 en espera, y sigue corriendo el tiempo mientras Malcom intenta encontrar la respuesta en los art\u00edculos de la base. La clienta est\u00e1 cada vez m\u00e1s frustrada; y Malcom, m\u00e1s estresado. Es una experiencia desagradable para todos.<\/p>\n

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 b\u00fasquedas sem\u00e1nticas, y utilizar la IA para encontrar y simplificar la informaci\u00f3n.<\/p>\n

Cuando la IA le entrega la respuesta al agente, no es necesario poner al cliente en espera. Se obtiene la informaci\u00f3n mientras transcurre la conversaci\u00f3n y, con uno o dos clics, se resuelve la consulta. Y esta tecnolog\u00eda no es solo para las interacciones digitales, sino que los agentes tambi\u00e9n pueden acceder a las transcripciones en tiempo real de las conversaciones telef\u00f3nicas y aprovechar la informaci\u00f3n de contexto en tiempo real.<\/p>\n

El contexto y el engagement predictivo mejoran los flujos de trabajo y los resultados<\/h2>\n

La IA tambi\u00e9n puede mejorar la experiencia del cliente a trav\u00e9s del\u00a0engagement predictivo<\/a>. Puede escuchar la actitud que est\u00e1 teniendo el cliente y, luego, calcula autom\u00e1ticamente un segmento, o un resultado previsto, seg\u00fan los patrones de comportamiento. Estos datos se utilizan a menudo para activar una \u00a0venta cruzada, una venta de mayor valor, o una conversaci\u00f3n<\/a>. Por ejemplo, el engagement predictivo con IA puede activar una conversaci\u00f3n sobre dispositivos m\u00f3viles, mediante un bot, con un cliente que pertenece a un segmento m\u00f3vil determinado y que probablemente compre.<\/p>\n

Puede usarse la misma capacidad para mostrarle al agente todo el journey del cliente, y todas sus interacciones, incluidos los obst\u00e1culos con los que se ha encontrado. Con esta informaci\u00f3n contextual, mejoran la eficiencia del agente, la satisfacci\u00f3n del cliente (CSAT) y, en definitiva, los resultados. El agente puede saber por qu\u00e9 el cliente est\u00e1 llamando y si ha tenido alg\u00fan problema durante su journey.<\/p>\n

Establezca conexiones adecuadas para las interacciones en tiempo real<\/h2>\n

La IA en el contact center tambi\u00e9n puede mejorar la conexi\u00f3n entre agentes y clientes incluso antes de que comience la interacci\u00f3n. Y aunque el uso de la inteligencia artificial para optimizar el enrutamiento de las interacciones no es una idea nueva, su aplicaci\u00f3n ha sido tradicionalmente dif\u00edcil.<\/p>\n

El software de call center del pasado requer\u00eda un ej\u00e9rcito de especialistas para analizar los datos de las interacciones, dise\u00f1ar modelos, comprobarlos, y luego implementarlos y medirlos. Sin embargo,\u00a0Genesys AI<\/a>\u00a0permite hacer todo esto en tan solo tres clics:<\/p>\n

    \n
  1. Active\u00a0Genesys Predictive Routing<\/a>y establezca los KPI deseados, lo que permite encontrar las colas que pueden optimizarse f\u00e1cilmente.<\/li>\n
  2. Seleccione “modo de prueba” para el KPI que desea, lo que ejecuta autom\u00e1ticamente el modelo en la mitad de las interacciones, monitorea el impacto en el KPI y muestra los resultados.<\/li>\n
  3. Aplique Genesys Predictive Routing seleccionando entre un modelo 100%, A\/B (50\/50), u 80\/20 con un punto de referencia incorporado.<\/li>\n<\/ol>\n

    Esto tambi\u00e9n genera m\u00faltiples reportes que muestran si est\u00e1 funcionando bien el enrutamiento predictivo y si est\u00e1 cumpliendo los KPI, e incluye un visor del modelo elegido a trav\u00e9s del cual puede verse qu\u00e9 interacci\u00f3n o caracter\u00edsticas del cliente producen el mayor impacto en los KPI.<\/p>\n

    Avance hacia el futuro con IA generativa<\/h2>\n

    Hoy en d\u00eda, resulta dif\u00edcil hablar sobre la IA sin mencionar la IA generativa<\/a>. Es importante detenerse un instante y pensar en qu\u00e9 lugar del contact center puede utilizarse<\/a>.<\/p>\n

    La IA generativa puede desempe\u00f1ar, y de hecho desempe\u00f1a, 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 espec\u00edficas y concretas de realizarla. Por ejemplo, un agente no necesita la IA generativa para resumir en forma de poes\u00eda.<\/p>\n

    Un cliente ten\u00eda un problema con su cafetera<\/em>
    \ny llam\u00f3 a Soporte para que lo resolviera.<\/em>
    \nLa agente llamada Luc\u00eda<\/em>
    \nverific\u00f3 que un cambio correspond\u00eda,<\/em>
    \ny le dio al cliente otra cafetera que la sustituyera.<\/em><\/p>\n

    Este ejemplo fue generado mediante una IA de c\u00f3digo abierto con 175 mil millones de par\u00e1metros. 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 conversaci\u00f3n, lo que puede hacerse por dominio.<\/p>\n

    Motivo:<\/strong>\u00a0Problema con la cafetera<\/p>\n

    Intenci\u00f3n del cliente:<\/strong>\u00a0Resolver el problema<\/p>\n

    Resultado:<\/strong>\u00a0Se envi\u00f3 una cafetera de reemplazo.<\/p>\n

    Sentimiento del cliente al final de la interacci\u00f3n:<\/strong>\u00a0Positivo<\/p>\n

    Resumen:<\/strong>\u00a0El cliente le inform\u00f3 a la agente su problema con la cafetera. La agente solicit\u00f3 el n\u00famero de modelo. La agente verific\u00f3 que corresponde cambiar el modelo ST145. La agente organiz\u00f3 que se enviara la cafetera nueva a la direcci\u00f3n del cliente para recoger la vieja.<\/p>\n

    Este resumen fue generado usando un LLM (modelo de lenguaje grande) mucho m\u00e1s peque\u00f1o, de 780 millones de par\u00e1metros, que se aliment\u00f3 de los casos de uso del contact center.<\/p>\n

    Aproveche al m\u00e1ximo el tiempo de los empleados y de los clientes<\/h2>\n

    Para\u00a0ofrecer las experiencias personalizadas de principio a fin<\/a>\u00a0que los clientes desean, los empleados del contact center necesitan tiempo, informaci\u00f3n de contexto, y acceso f\u00e1cil e instant\u00e1neo a los datos y la informaci\u00f3n. Esto puede lograrse con tres elementos:<\/p>\n

      \n
    1. Conocimiento autom\u00e1tico, omnicanal, preciso y de f\u00e1cil acceso<\/li>\n
    2. Interacciones que comienzan antes de iniciar la conversaci\u00f3n<\/li>\n
    3. Automatizaci\u00f3n. Si bien se trata de una nueva frontera en la que se habla mucho de la IA generativa, reci\u00e9n se ha empezado a trabajar en ella.<\/li>\n<\/ol>\n

      Mire el video que presentamos a continuaci\u00f3n y descubra c\u00f3mo orquestar experiencias fluidas de punta a punta con Genesys Cloud Agent Assist. Y luego\u00a0pruebe Agent Assist descarg\u00e1ndolo<\/a>\u00a0del portal de aplicaciones Genesys AppFoundry\u00ae<\/sup>.[\/vc_column_text][vc_video link=”https:\/\/youtu.be\/uI5qe95GMyg” css=”.vc_custom_1686151518256{margin-top: 1.5em !important;}”][\/vc_column][\/vc_row][\/vc_section]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"

      [vc_section full_width=”stretch_row”][vc_row][vc_column][vc_column_text]Algo nuevo est\u00e1 surgiendo para los agentes de contact centers. En la \u00faltima d\u00e9cada, el servicio de soporte y atenci\u00f3n al cliente ha virado masivamente hacia el autoservicio, gracias a la madurez de\u00a0la inteligencia artificial (IA) conversacional.\u00a0Las herramientas de automatizaci\u00f3n y el IVR para la autogesti\u00f3n,\u00a0como los bots y los centros de conocimiento, pueden […]<\/p>\n","protected":false},"author":1024,"featured_media":479630,"template":"","tax_priority":[],"tax_blogtype":[],"tax_blogcategory":[],"tax_contenttheme":[],"tax_bundle":[],"tax_contenttheme2":[],"tax_capability_sitewide":[],"tax_products_programs":[],"tax_buying_job":[],"tax_buyer_persona":[],"tax_sector":[],"tax_segment":[],"class_list":["post-485603","blog","type-blog","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/blog\/485603","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/users\/1024"}],"version-history":[{"count":1,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/blog\/485603\/revisions"}],"predecessor-version":[{"id":485604,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/blog\/485603\/revisions\/485604"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/media\/479630"}],"wp:attachment":[{"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/media?parent=485603"}],"wp:term":[{"taxonomy":"tax_priority","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_priority?post=485603"},{"taxonomy":"tax_blogtype","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_blogtype?post=485603"},{"taxonomy":"tax_blogcategory","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_blogcategory?post=485603"},{"taxonomy":"tax_contenttheme","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_contenttheme?post=485603"},{"taxonomy":"tax_bundle","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_bundle?post=485603"},{"taxonomy":"tax_contenttheme2","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_contenttheme2?post=485603"},{"taxonomy":"tax_capability_sitewide","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_capability_sitewide?post=485603"},{"taxonomy":"tax_products_programs","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_products_programs?post=485603"},{"taxonomy":"tax_buying_job","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_buying_job?post=485603"},{"taxonomy":"tax_buyer_persona","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_buyer_persona?post=485603"},{"taxonomy":"tax_sector","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_sector?post=485603"},{"taxonomy":"tax_segment","embeddable":true,"href":"https:\/\/www.genesys.com\/es-mx\/wp-json\/wp\/v2\/tax_segment?post=485603"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}