DENTRO Y FUERA DE LA PLATAFORMA
HABLAN LOS AGENTES HUMANOS
Experiencia trabajando con un agente virtual “Es positiva cuando el agente virtual está integrado en la operación y no funcio- na como una herramienta aislada. Ayuda a resolver, ordenar la demanda, reco- pilar información, mantener trazabilidad y preparar mejor la intervención del agente humano.
Para mí, un buen modelo híbrido no es aquel en el que la máquina sustituye a la persona, sino aquel en el que cada interacción encuentra el mejor camino para resol- verse”. (David Planas, supervisor de MST Holding) “Cuando está bien integra- do, el agente virtual ayuda mucho. Puede avanzar parte de la gestión, recoger datos, ordenar la información y dejarme contexto para que yo pueda atender mejor. Eso evita que el cliente tenga que repetir todo desde el principio y me permite cen- trarme en resolver. Además, cuando la IA ofrece sugeren- cias o información relevante, puedo responder con más rapidez y seguridad”. (Eva Busquets, agente de MST Holding) “Honestamente, al principio me generaba dudas. No sabía muy bien cómo iba a funcio- nar, si los clientes lo iban a aceptar, si yo iba a perder el control de la conversación. Pero la realidad es que me ha
quitado mucho peso de enci- ma. Las partes más repetitivas y administrativas las lleva la IA, y yo puedo dedicarme a gestionar situaciones que de verdad requiere atención. Eso es lo que me gusta de mi trabajo, y ahora tengo más espacio para hacerlo bien. Además, la transcripción de las llamadas en tiempo real es fantástica, puesto que puedo validar aspectos que he dicho anteriormente al cliente, eli- minando el riesgo de repeti- ciones o contradicciones. (Iñaki Bereciartua, Service Delivery Manager en Covisian) ¿En qué consiste tu trabajo? “Mi labor se centra en la gobernanza y supervisión técnica de la base de co- nocimiento y el control operativo del agente virtual. Mi objetivo principal es garantizar la precisión de la
información y el comporta- miento ético y funcional del modelo. Mi participación se desarrolla en distintas etapas temporales: ● Fase Previa: Diseño, estruc- turación y control de la base de conocimiento de la IA. ● Fase Concurrente: Super- viso interacciones en paralelo. Intervengo con el usuario en consultas complejas donde el agente muestra desviaciones o no localiza la información. ● Fase Posterior: Ejecuto un proceso de mejora conti- nua, documentando errores y carencias detectadas para robustecer la base de datos. ● Situaciones críticas: Intervengo ante respuestas ambiguas o erróneas, omisio- nes de información y, funda- mentalmente, para ajustar el modelo”. (Rafael Alemany, jefe de pro- yectos en AVOS Tech)
También nos permite trabajar con datos que antes eran más difíciles de explotar: qué pregun- ta el cliente, dónde se bloquea, qué respuestas generan más dudas, qué procesos necesitan simplificarse o en qué momentos conviene derivar antes. El reto está en la supervisión continua.
Un agente virtual no debe dejarse funcionando sin seguimiento. Hay que revisar conversaciones, medir re- sultados, escuchar al equipo humano y ajustar el sistema. La IA aprende y mejora, pero necesita gobierno operativo.
tura, el modelo no está bien diseñado, independientemente del resto de métricas”, puntualiza Marc Tubau. Por su parte, Kevin McGachy recomienda medir la contención y resolución (qué pro- porción de interacciones son resueltas completamente por el agente virtual y, de las que escalan, qué proporción se resuelve en el primer contacto humano); calidad del traspaso (tiempo hasta una conversación productiva tras la escalada y si los clientes tienen que repetir información); experiencia del cliente (CSAT y Customer Effort Sco- re medidos específicamente en el punto de escalado, no solo al final del journey ); y experiencia del agente (tiempo dedicado a tareas rutinarias y distribución de comple- jidad por tipo de interacción).
como este con métricas antiguas, lo que generará una visión distorsionada. “En el customer care híbrido la mayo- ría de las organizaciones siguen usando las métricas del modelo anterior. KPIs como AHT, tasa de abandono, tiempo en cola, son indicadores diseñados para un mundo donde todo el trabajo lo hace una persona, y están aplicados a un sis- tema donde la responsabilidad se distri- buye dinámicamente entre humanos e inteligencia artificial”, señala López. En este punto, la metodología de Covi- sian introduce una capa de medición que no existía antes y que atraviesa el siste- ma de arriba abajo. Es evidente, y en eso coinciden todos los expertos, que es necesario introdu-
Y con la idea de seguir avan- zando hacia sistemas híbridos eficientes, finalizamos con la
“Es necesario conocer qué porcentaje de
visión de MST: “No basta con saber qué re- solvió el agente virtual o la per-
interacciones se resuelven sin intervención humana”
sona. Hay que entender cómo trabajaron juntos: si la IA preparó bien el caso, si de- rivó en el momento adecuado, si el agente recibió información útil, si el cliente tuvo que repetir datos y si la intervención hu- mana mejoró la resolución o el CSAT”, concluye Jessica Barceló. MV
cir nuevas métricas como la tasa de resolución del agente virtual, es decir, qué porcentaje de interacciones se resuelven sin intervención humana. O la tasa de sentimiento del cliente con el agente virtual, elemento clave para evaluar si las conversaciones pueden ser ges- tionadas por la IA en base al perfil de usuario con el que hablamos. “Y hay un punto especialmente relevante: la calidad de la transfe- rencia. Si el cliente tiene que repetir información o percibe una rup-
42
Powered by FlippingBook