Asistente de voz y texto
Automatización de contact center
Cliente e industria
Nuestro cliente es el centro de contacto de una gran empresa financiera con una base activa de más de 10 millones de clientes.
A medida que el negocio crecía, el desafío era mantener un nivel de ingresos estable sin aumentar la cantidad de operadores. El objetivo fue automatizar las consultas rutinarias manteniendo la calidad del servicio y la lealtad de los clientes.
Objetivos del proyecto
El objetivo principal fue implementar un asistente de voz y texto capaz de gestionar consultas rutinarias de los clientes sin intervención de operadores. Al mismo tiempo, era fundamental mantener un alto nivel de confianza en la marca. El asistente debía funcionar de forma predictiva, entendiendo el contexto de cada solicitud mediante el análisis de transacciones, la actividad en cajeros automáticos y el comportamiento habitual del cliente.
Los operadores humanos continuaron a cargo de los casos complejos o de nivel experto, pero su trabajo también fue reforzado con un sistema de sugerencias y recomendaciones en tiempo real durante las conversaciones.
Trabajo realizado (servicios prestados)
Resultados obtenidos
En los primeros meses de funcionamiento del asistente, la cantidad de consultas por voz disminuyó en más del 50%, mientras que las consultas por chat se redujeron en más del 70%. Además, en el 30% de los casos el sistema ayudó a los operadores a acelerar la atención al cliente mediante sugerencias y recomendaciones, reduciendo el tiempo total de gestión de las solicitudes.
Tecnologías y herramientas utilizadas
Se implementó un sistema de gestión de reglas de negocio (BRMS), junto con una interfaz para administrar el asistente de voz y texto. También se completó la integración con el CRM del banco y los sistemas de telefonía.
Conclusiones
El proyecto demostró que la automatización puede ser fluida y amigable para el cliente. A través del análisis predictivo de las interacciones en los distintos puntos de contacto del banco, el sistema pudo anticipar consultas y reducir la carga del contact center. Incluso cuando el cliente era derivado a un operador humano, la automatización seguía funcionando en segundo plano, potenciando la experiencia y la capacidad del empleado.
Durante el proceso de implementación se probaron diversas tecnologías de reconocimiento de voz y procesamiento de lenguaje natural. Dado que para un banco es fundamental proporcionar información precisa, se eligió un modelo que combina IA entrenada con documentación regulatoria junto con elementos de control manual en escenarios sensibles. Como resultado, se logró un alto nivel de automatización sin comprometer la calidad del servicio ni la reputación de la marca.