Al utilizar la IA para eliminar las fricciones en el soporte al cliente, la empresa ha generado más capacidad para abordar problemas complejos
Este artículo es una adaptación de un seminario web realizado para las empresas de Volaris Group y dirigido por Hanna Ha, responsable de programas de conocimiento corporativo en Volaris Group.
Mantener un servicio de soporte funcionando a pleno rendimiento puede ser un reto para cualquier empresa. Una de nuestras empresas encontró la manera de que el suyo funcionara con mayor fluidez.
Guy Hiddleston es el responsable de sistemas informáticos y cumplimiento en Artifax, una empresa propiedad de Volaris que desarrolla software de gestión de recintos y eventos para teatros, museos y otras organizaciones culturales y de patrimonio.
Recientemente compartió su experiencia con la comunidad de Volaris sobre la creación de un agente de soporte autoalojado desde cero, impulsado por la motivación de hacer que el conocimiento existente del equipo fuera más accesible para su propio personal y sus clientes.
Retos a la hora de encontrar información en el servicio de ayuda
Artifax cuenta con una operación de soporte relativamente pequeña que gestiona unos 2.500 tickets al año. Normalmente, esta función ha sido desempeñada por un especialista de soporte a tiempo completo con la ayuda de servicios profesionales. Sin embargo, el conocimiento con el que trabajaban estaba disperso en un enorme catálogo de artículos del centro de ayuda, historiales de tickets y transcripciones largas y no estructuradas de llamadas de servicios profesionales y de éxito del cliente.
“A menos que supiera lo que estaba buscando y supiera qué buscar, era bastante difícil acceder a ello”, afirmó Guy.
Sus clientes también tenían un reto. La base de conocimientos de Artifax no les resultaba fácilmente accesible, lo que generaba un flujo constante de tickets repetitivos de preguntas frecuentes. Responder a estas consultas restaba tiempo al personal para trabajar en casos realmente complejos.
Mientras tanto, la empresa necesitaba una forma de transmitir los conocimientos sobre módulos especializados a las nuevas contrataciones.
De los tickets a un cerebro con capacidad de búsqueda
Artifax decidió crear un agente de IA para resolver sus retos. Su creación comenzó con la extracción. El equipo extrajo todo su historial de tickets y el archivo de su base de conocimientos, hizo que un agente revisara cada ticket y lo resumiera hasta determinar cuál era realmente el problema del cliente, cómo se comunicó y cómo se resolvió. Esos resúmenes optimizados, y no los hilos de conversación sin procesar, se introdujeron en una base de datos vectorial.
A continuación, Artifax creó dos sistemas de recuperación independientes (uno para los tickets de soporte y otro para los artículos de la base de conocimientos), cada uno de ellos guardado en tablas separadas.
La primera versión del agente residía en una herramienta de flujo de trabajo de código abierto donde Guy podía chatear con él directamente. Funcionaba, pero no estaba listo para los clientes.
Preparación del agente para los clientes
En lugar de dirigir al agente directamente a los clientes, Artifax incorporó salvaguardas. Para ello, enviaban cada nuevo ticket al agente en el momento de su creación y, a continuación, publicaban la respuesta provisional del agente como una nota privada de uso exclusivamente interno. El personal de soporte utilizaba el borrador creado por el agente para investigar más rápido o para tomar prestada una propuesta de respuesta. En algunos casos, para las preguntas frecuentes más sencillas, el personal de soporte podía simplemente copiar el borrador en una respuesta dirigida al cliente.
“La razón por la que no pasamos directamente a la respuesta pública es que, desde el punto de vista de la gobernanza, sería una actividad de alto riesgo”, explicó Guy. “Queríamos ser capaces de validar primero, perfeccionar el modelo y luego seguir adelante”.
Ese periodo de validación duró aproximadamente un mes, con humanos comprobando cada respuesta en cuanto a tono, alcance y citas. Esta etapa resultó ser importante para ayudar a prevenir las alucinaciones del agente de IA.
El equipo modificó al agente para que cada respuesta que ofrezca ahora incluya una fuente al final, de modo que tanto Artifax como sus clientes puedan rastrear el origen de una afirmación. “Necesitábamos que los clientes generaran confianza para poder acudir a la fuente y validar esa información”, explicó.
Creación de barreras de seguridad contra las alucinaciones
Algunas de las barreras de seguridad que Artifax incorporó al agente eran obvias, como no desviarse del tema y no hablar de nada ajeno al producto.
Sin embargo, otras ideas para las barreras de seguridad surgieron a través de las pruebas internas.
Dado que el agente tiene acceso a los datos de los tickets de soporte, técnicamente es capaz de responder a preguntas que van más allá del soporte, pero que pueden contener información que no está destinada a ese fin. Para evitar el uso indebido, el ‘prompt’ del sistema detalla ahora las reglas de citación, las prohibiciones explícitas y cómo el agente debe rechazar y desviar las preguntas de forma coherente, comprobando cada resultado con esas barreras de seguridad antes de mostrarlo a nadie. Además, Artifax incorporó protección para los datos personales, que cuenta con una defensa de dos capas.
Para ponerlo todo a prueba, Guy retó a cualquier persona de la empresa a intentar romper las barreras de seguridad.
No todo salió a la perfección. Al principio, el equipo experimentó con modelos de menor razonamiento y más rápidos para intentar reducir los tiempos de respuesta. Esos modelos alucinaban mucho más e inventaban URL del centro de ayuda en lugar de citar las reales.
“Fue frustrante durante nuestro periodo de experimentación. La información seguía procediendo de artículos reales, pero el modelo creaba su propia URL”, dijo Guy.
Desde entonces, Artifax ha superado su periodo de aprendizaje. El equipo aprendió que cambiar el modelo que utilizaban puede alterar el tono y el comportamiento lo suficiente como para que sea necesario volver a probarlo todo. En la práctica, esto significa crear una copia paralela del agente con el modelo candidato, validarlo de forma independiente y solo entonces pasar a la fase de producción.
Una vez que el equipo se sintió cómodo, el agente salió de la fase de pruebas y se integró en el propio producto de Artifax, donde se lanzó de forma limitada a los clientes a través del botón de ayuda.
Cómo el equipo de soporte ha optimizado los flujos de trabajo
La victoria más clara ha sido la incorporación de personal. Una nueva empleada del departamento de soporte, que no estaba familiarizada con los módulos más especializados de Artifax, pudo responder tickets en su primera semana tras utilizar los resúmenes de tickets privados del agente.
El volumen total de tickets no ha bajado drásticamente, pero Artifax está observando que muy pocas sesiones de chat acaban convirtiéndose en un ticket registrado. Guy afirma que esto no refleja un desvío de los problemas de soporte, sino el éxito del nuevo canal de soporte, genuinamente de autoservicio, que elimina las fricciones para los clientes.
Internamente, el equipo utiliza al agente a diario, y la avalancha de tickets repetitivos de preguntas frecuentes ha desaparecido, liberando tiempo del personal para mejorar los artículos del centro de ayuda, que luego alimentan directamente el propio conocimiento del agente.
Próximos pasos para Artifax
Artifax está grabando ahora las llamadas de servicios profesionales y de éxito del cliente para crear una segunda capa de conocimiento de uso exclusivamente interno. De este modo, los gestores de cuentas podrán acabar pidiendo al agente un resumen de la situación de un cliente específico.
El equipo también está sopesando el paso de una plataforma a otra, principalmente para obtener un registro de auditoría más maduro a medida que aumenta la importancia de la automatización mediante una mayor adopción de la IA.
“Contar con un registro de auditoría y un registro de decisiones realmente sólidos es fundamental para añadir cualquier agente adicional”, afirmó.
Su consejo para otras empresas que quieran emprender un proyecto similar: “Sus datos ya están ahí. Vayan a por ellos”.
