Sam había puesto en marcha una capacidad de desarrollo de bots para su agencia digital.
Como parte del proceso de desarrollo empresarial, había visitado a muchos clientes para explicarles las ventajas de los bots y, al hacerlo, se dio cuenta de algo interesante.
Independientemente de todos los escenarios diferentes que había explicado (y muchos clientes estaban impresionados e interesados por lo que tenía que decir) todos ellos estaban interesados en chatbots para el caso de uso de servicio al cliente.
El caso de uso del servicio de atención al cliente era algo que podían entender intuitivamente:
- El coste de los agentes de atención al cliente era elevado.
- Gran parte de su tiempo se dedicó a responder preguntas sencillas y repetitivas.
- Los robots podrían responder a este tipo de preguntas con mayor eficacia en muchos casos que los agentes.
- El coste de los bots era tal que, si sustituían a algunos agentes de atención al cliente por bots, podían recuperar muy rápidamente el coste del bot gracias al ahorro en costes laborales.
- No sólo eso, sino que el bot mejoró con el tiempo y abrió la puerta a muchas otras innovaciones.
Por ello, Sam decidió especializar su negocio de bots en bots de atención al cliente, ya que tenían una gran demanda y, tras hablar con sus clientes y con otras agencias, se había dado cuenta de que la economía era buena. Una vez que se hiciera con este nicho, pasaría a los mercados adyacentes.
Sabía que, aunque parte de la tecnología en torno al procesamiento del lenguaje natural (PLN) era sofisticada, las herramientas existentes eran tan buenas que casi cualquiera podía implantar una buena solución de PLN. Hoy en día se trata más de un trabajo de configuración que de ciencia de datos. Esto significaba que los conocimientos necesarios para implantar la solución estaban al alcance incluso de sus desarrolladores más noveles.
También era consciente de que las grandes soluciones de atención al cliente no intentaban hacer demasiado. La tecnología no era lo suficientemente buena como para entablar con los clientes conversaciones similares a las humanas. Los motores de PNL eran muy buenos para entender la primera pregunta del cliente, pero si la conversación se complicaba o el bot no lograba entender al cliente a la primera, era importante que interviniera un humano de inmediato.
El hecho de que el foco principal de la PNL fuera la primera pregunta o interacción también significaba que la tarea era mucho más sencilla desde el punto de vista técnico. Es cierto que algunas empresas estaban siguiendo el camino de intentar crea una experiencia verdaderamente conversacional, pero hasta ahora este enfoque había llevado a una complejidad creciente y a fracasos. Sam no tenía ningún interés en seguir ese camino.
Había observado que había muchas ofertas emergentes de bots de atención al cliente en el mercado, por lo que quizá el mercado fuera competitivo. Al mismo tiempo, todas las empresas necesitaban este tipo de solución de alguna forma, por lo que la oportunidad era enorme. De hecho, Sam consideraba que el mercado estaba masivamente desatendido y creía que seguiría así al menos durante unos años.
Había muchas empresas que ofrecían soluciones propietarias para el servicio de atención al cliente. Sam se planteó ser distribuidor de este tipo de soluciones, pero no creía que fueran las mejores a largo plazo. No las utilizaría para su propio negocio, por lo que tampoco creía que debiera ofrecer este tipo de soluciones a sus clientes.
No le gustaba la idea de quedarse encerrado en un sistema propietario por varias razones:
- No le gustaba la idea de vincular estrechamente el motor de procesamiento del lenguaje natural (PLN) con el resto del software. El mejor proveedor del motor de lenguaje natural podría ser un proveedor distinto del mejor proveedor de servicios analíticos, o del mejor proveedor de los conectores a las plataformas de chat.
- Aunque su solución de lenguaje natural fuera la mejor en este momento, no había garantías de que fuera a ser el mejor proveedor en el futuro. Debería ser posible cambiar de motor PLN en el futuro.
- Los distintos motores de PNL pueden ser buenos para cosas diferentes, por lo que es posible que desee utilizar más de uno. Por ejemplo, un motor NLP puede ser bueno para preguntas informáticas y otro para preguntas frecuentes generales.
- La PNL no era la única capacidad necesaria para un gran bot de atención al cliente. Confiar únicamente en el texto y la PNL no era la única forma de crear una experiencia de cliente increíble.
- Las interfaces de texto son muy limitadas, por lo que es necesario completarlas con interfaces gráficas. Confiar en que el proveedor proporcione estas interfaces en el futuro no sería óptimo.
- La funcionalidad Human in the loop (que permite que el bot se dirija a agentes humanos si no entiende algo de lo que se le dice) es fundamental para el servicio al cliente. En el futuro, esta funcionalidad será cada vez más sofisticada. Incluiría interfaces personalizadas para los agentes que incluyan respuestas enlatadas o personalizadas. Cualquiera, incluso un desarrollador interno de bots, debería poder personalizar el bucle humano para sus propios fines sin depender del proveedor.
- El contenido debe ser fácilmente gestionado por el equipo de contenidos, que debe ser capaz de desarrollar herramientas de uso para pruebas A/B y otros análisis relacionados con el mercado.
- Era necesario que los desarrolladores internos pudieran integrar fácilmente el servicio con los sistemas internos sin depender del proveedor.
- Es posible que con el tiempo se ofrezcan otros servicios a través del canal de atención al cliente.
Por ejemplo, a un cliente que pregunte por una habitación en un hotel se le puede ofrecer un descuento y la posibilidad de reservar inmediatamente en el mismo canal. Los desarrolladores internos o externos deben ser capaces de codificar estos servicios adicionales en el canal sin tener que acudir al proveedor original.
Sin embargo, quería que la solución que ofrecía fuera sencilla. Era importante que estuviera preparada para el futuro y fuera ampliable, pero al mismo tiempo debía ser muy fácil poner en marcha una solución inicial.
Si utilizara Botpress podría resolver el problema de la extensibilidad. Botpress podría actuar eficazmente como un middleware para todas las mejores herramientas de chatbot del mercado, además de proporcionar muchos componentes estándar listos para usar. Estos componentes podrían cambiarse por otros de terceros o personalizarse en el futuro.
Para ofrecer a su cliente la mejor solución, seleccionaba un conjunto de herramientas que, en su opinión, ofrecían la solución de mayor valor para el cliente.
Para empezar, la arquitectura sería muy sencilla. Seleccionaría el mejor motor de PLN de los principales proveedores de PLN (Google, Facebook, Microsoft, IBM, Rasa) y, a continuación, utilizaría los componentes estándar de Botpress para conectarse a la plataforma de mensajería necesaria y proporcionar capacidades de apoyo como análisis, humanos en el bucle y seguridad basada en roles.
Una vez que esta solución básica estuviera funcionando con el cliente, podría pensar en mejorarla si fuera necesario. Podría hacerlo añadiendo motores NLP, actualizando el paquete de análisis (a un proveedor externo si fuera necesario) o añadiendo personalizaciones a la función human in the loop.
Por supuesto, las decisiones de personalizar más o añadir nuevos componentes o servicios al sistema se tomarían analizando las interacciones de los clientes con el sistema. Los desarrolladores correspondientes podrían introducir rápidamente los cambios necesarios.
Sam decidió empezar implantando primero la solución para su propio negocio. Esto le permitió experimentar con algunas de las herramientas disponibles y elegir lo que consideraba la mejor oferta para la configuración inicial.
Sam no sólo empezó inmediatamente a ganar muchos proyectos de servicios al cliente, sino que descubrió que, una vez conseguida una implantación satisfactoria de servicios al cliente, sus clientes querían rápidamente que se añadieran otros servicios al canal.
Como el servicio de atención al cliente es algo que todas las empresas del mundo necesitan en mayor o menor medida, no faltaron clientes.
No fue hasta que empezó a implantar la solución de esta forma cuando se dio cuenta de lo mucho que valoraban sus clientes el hecho de que pudiera ayudarles a elegir las mejores herramientas para su negocio en lugar de intentar encerrarles en una única solución de bloatware no ampliable.
Sam y su equipo han llegado a ser muy buenos descubriendo cómo utilizar los robots de atención al cliente para realizar rápidamente mejoras de gran valor e impacto en la función de atención al cliente de una empresa.
Comparte esto en:
Construye gratis tu propio chatbot personalizado
Empieza a crear un bot GPT personalizado con nuestra intuitiva interfaz de arrastrar y soltar.
Empieza: ¡es gratis! 🤖No se necesita tarjeta de crédito
Manténgase al día sobre lo último en IA chatbots