Los departamentos de atención al cliente en diversas industrias han estado enfrentando volúmenes de llamadas elevados, alta rotación de agentes de servicio, escasez de talento y cambios en las expectativas de los clientes. Los consumidores esperan opciones de autoayuda así como soporte en tiempo real de persona a persona. Estas expectativas de experiencias personalizadas y fluidas se extienden a través de canales de comunicación digital, incluyendo chat en vivo, mensajes de texto y redes sociales.

A pesar del aumento de los canales digitales, muchos consumidores aún prefieren hacer una llamada telefónica para recibir soporte, lo que puede generar presión sobre los centros de llamadas. Las empresas, al intentar mejorar la calidad de las interacciones con los clientes, enfrentan importantes preocupaciones en cuanto a la eficiencia operativa y los costos. Para abordar estos desafíos, las empresas están implementando software de servicio al cliente impulsado por inteligencia artificial (IA) para aumentar la productividad de los agentes, automatizar interacciones con los clientes y recopilar información que optimice las operaciones.

Beneficios de la IA para el servicio al cliente

Una implementación estratégica de IA permite a las empresas transformar las interacciones con los clientes a través de una resolución intuitiva de problemas, lo que genera mayores eficiencias operativas y eleva la satisfacción del cliente. Al aprovechar los datos de los clientes a partir de interacciones de soporte, preguntas frecuentes documentadas y otros recursos empresariales, las empresas pueden desarrollar herramientas de IA que aprovechen el conocimiento colectivo y las experiencias únicas de su organización para ofrecer un servicio personalizado, recomendaciones de productos y soporte proactivo.

Las tecnologías de IA generativa personalizables y de código abierto, como los modelos de lenguaje grande (LLMs), combinadas con el procesamiento del lenguaje natural (NLP) y la generación aumentada por recuperación (RAG), están ayudando a las industrias a acelerar la implementación de IA específica para el servicio al cliente. Según un informe, más del 80% de los ejecutivos de atención al cliente ya estaban invirtiendo en IA o planeaban hacerlo pronto.

Con soluciones de IA personalizadas y rentables, las empresas están automatizando la gestión de tickets de soporte en help-desks, creando herramientas de autoayuda más efectivas y apoyando a sus agentes de servicio al cliente con asistentes de IA. Esto puede reducir significativamente los costos operativos y mejorar la experiencia del cliente.

Desarrollo de IA efectiva para el servicio al cliente

Para lograr interacciones satisfactorias y en tiempo real, el software de servicio al cliente impulsado por IA debe proporcionar respuestas precisas, rápidas y relevantes. Algunos consejos incluyen:

Modelos de fundación de código abierto pueden acelerar el desarrollo de IA. Los desarrolladores pueden adaptar y mejorar estos modelos de aprendizaje automático preentrenados, y las empresas pueden utilizarlos para iniciar proyectos de IA sin los altos costos de construir modelos desde cero.

Los marcos RAG conectan LLMs generales a bases de conocimiento y fuentes de datos propietarias, incluyendo sistemas de gestión de inventarios y de relaciones con clientes. Al integrar RAG en chatbots conversacionales, asistentes de IA y copilotos, se personalizan las respuestas según el contexto de las consultas de los clientes.

Los procesos con intervención humana siguen siendo importantes tanto para el entrenamiento de IA como para su implementación en tiempo real. Tras el entrenamiento inicial de modelos de fundación o LLMs, los revisores humanos deben evaluar las respuestas de la IA y proporcionar retroalimentación correctiva. Esto ayuda a prevenir problemas como la generación de contenido falso o engañoso, y otros errores, garantizando que la equidad, la precisión y la seguridad se consideren durante el desarrollo de IA.

La participación humana también es crucial para la IA en producción. Cuando la IA no puede resolver adecuadamente una pregunta del cliente, el programa debe ser capaz de redirigir la llamada a equipos de soporte. Este enfoque colaborativo entre IA y agentes humanos asegura una interacción con el cliente que es eficiente y empática.

ROI de la IA en el servicio al cliente

El retorno de inversión (ROI) de la IA en el servicio al cliente debe medirse principalmente en función de las ganancias de eficiencia y las reducciones de costos. Para cuantificar el ROI, las empresas pueden medir indicadores clave, como la reducción de tiempos de respuesta, los menores costos operativos de los centros de contacto, la mejora en los puntajes de satisfacción de los clientes y el crecimiento de ingresos resultante de los servicios mejorados por IA.

Por ejemplo, se puede comparar el costo de implementar un chatbot de IA usando modelos de código abierto con los gastos incurridos por la gestión de consultas de clientes a través de centros de llamadas tradicionales. Establecer esta línea base ayuda a evaluar el impacto financiero de las implementaciones de IA en las operaciones de servicio al cliente.

Para solidificar la comprensión del ROI antes de escalar las implementaciones de IA, las empresas pueden considerar un periodo piloto. Por ejemplo, redirigiendo el 20% del tráfico del centro de llamadas a soluciones de IA durante uno o dos trimestres y monitoreando de cerca los resultados, las empresas pueden obtener datos concretos sobre mejoras en el rendimiento y ahorro de costos. Este enfoque ayuda a demostrar el ROI e informa decisiones para futuras inversiones.

Las empresas de diversas industrias están utilizando IA para el servicio al cliente y midiendo su éxito.

Retailers reducen la carga en los centros de llamadas

Los compradores modernos esperan experiencias de compra fluidas, personalizadas y eficientes, ya sea en tiendas físicas o en sitios de comercio electrónico. Los clientes de todas las generaciones continúan priorizando el soporte humano en vivo, mientras que también desean la opción de utilizar diferentes canales. Pero los problemas complejos de los clientes pueden dificultar que los agentes de soporte comprendan y resuelvan rápidamente las solicitudes entrantes.

Para enfrentar estos desafíos, muchos minoristas están recurriendo a la IA conversacional y al enrutamiento de llamadas basado en IA. Según un informe de NVIDIA, casi el 70% de los minoristas creen que la IA ya ha impulsado sus ingresos anuales.

CP All, el único operador licenciado de tiendas 7-Eleven en Tailandia, ha implementado chatbots de IA conversacional en sus centros de llamadas, que reciben más de 250,000 llamadas por día. Entrenar a los bots presentó desafíos únicos debido a las complejidades del idioma tailandés.

Para manejar esto, CP All utilizó NVIDIA NeMo, un marco diseñado para construir, entrenar y afinar modelos de reconocimiento de voz y comprensión del lenguaje natural acelerados por GPU. Con modelos de reconocimiento de voz y NLP impulsados por tecnologías de NVIDIA, el chatbot de CP All alcanzó una tasa de precisión del 97% en la comprensión del tailandés hablado.

Con el chatbot manejando un número significativo de conversaciones con clientes, la carga de llamadas sobre los agentes humanos se redujo en un 60%. Esto permitió que los equipos de atención al cliente se concentraran en tareas más complejas. El chatbot también ayudó a reducir los tiempos de espera y proporcionó respuestas más rápidas y precisas, lo que llevó a mayores niveles de satisfacción del cliente.

Con experiencias de soporte impulsadas por IA, los minoristas pueden mejorar la retención de clientes, fortalecer la lealtad a la marca y aumentar las ventas.

Proveedores de telecomunicaciones automatizan la solución de problemas de red

Los proveedores de telecomunicaciones enfrentan el desafío de abordar problemas complejos de red mientras cumplen con los acuerdos de nivel de servicio con los clientes finales. Mantener el rendimiento de la red requiere la solución rápida de problemas de dispositivos de red, identificando causas raíz y resolviendo dificultades en los centros de operaciones de red.

Con su capacidad para analizar grandes cantidades de datos, solucionar problemas de red de manera autónoma y ejecutar numerosas tareas simultáneamente, la IA generativa es ideal para los centros de operaciones de red. Según una encuesta, el 73% de las telecomunicaciones a nivel mundial han priorizado las inversiones en IA y aprendizaje automático para soporte operativo como su principal iniciativa de transformación.

Infosys, un líder en servicios digitales y consultoría de nueva generación, ha construido soluciones impulsadas por IA para ayudar a sus socios en telecomunicaciones a superar los desafíos de servicio al cliente. Usando microservicios NVIDIA NIM y RAG, Infosys desarrolló un chatbot de IA para apoyar la solución de problemas de red.

Al ofrecer acceso rápido a comandos de router esenciales y neutros para el diagnóstico y monitoreo, el chatbot impulsado por IA generativa reduce significativamente los tiempos de resolución de problemas en la red, mejorando así las experiencias generales de soporte al cliente.

Para garantizar la precisión y las respuestas contextuales, Infosys entrenó la solución de IA generativa con manuales específicos de dispositivos de telecomunicaciones, documentos de capacitación y guías de solución de problemas. Usando NVIDIA NeMo Retriever para consultar datos empresariales, Infosys alcanzó un 90% de precisión en su output de LLM. Al afinar y desplegar modelos con tecnologías de NVIDIA, Infosys logró una latencia de 0.9 segundos, una reducción del 61% en comparación con su modelo base. El chatbot habilitado para RAG impulsado por NeMo Retriever también alcanzó una precisión del 92%, en comparación con el 85% del modelo base.

Con herramientas de IA apoyando a administradores de red, equipos de TI y agentes de atención al cliente, los proveedores de telecomunicaciones pueden identificar y resolver problemas de red de manera más eficiente.

Las instituciones de servicios financieros identifican fraudes con facilidad

Mientras que los clientes esperan banca y soporte disponibles en cualquier momento y lugar, los servicios financieros requieren un nivel elevado de sensibilidad de datos. Y a diferencia de otras industrias, donde puede haber compras únicas, la banca se basa típicamente en transacciones continuas y relaciones a largo plazo con los clientes.

Al mismo tiempo, la lealtad de los usuarios puede ser efímera, con hasta el 80% de los clientes bancarios dispuestos a cambiar de institución por una mejor experiencia. Las instituciones financieras deben mejorar continuamente sus experiencias de soporte y actualizar sus análisis sobre las necesidades y preferencias de los clientes.

Muchos bancos están recurriendo a asistentes virtuales de IA que pueden interactuar directamente con los clientes para gestionar consultas, ejecutar transacciones y escalar problemas complejos a agentes de soporte humano. Según un informe de NVIDIA, más de una cuarta parte de los encuestados están utilizando IA para mejorar las experiencias de los clientes, y el 34% está explorando el uso de IA generativa y LLMs para la experiencia del cliente y el compromiso.

Bunq, un banco digital europeo con más de 2 millones de clientes, está desplegando IA generativa para atender las necesidades de los usuarios. Con LLMs propietarios, la compañía creó a Finn, un asistente personal de IA disponible tanto para clientes como para empleados del banco. Finn puede responder preguntas relacionadas con finanzas, como «¿Cuánto gasté en comestibles el mes pasado?» o «¿Cuál es el nombre del restaurante indio donde comí la semana pasada?»

Además, mediante un proceso de intervención humana, Finn ayuda a los empleados a identificar fraudes más rápidamente. Al recopilar y analizar datos para que los agentes de cumplimiento los revisen, Bunq ahora identifica fraudes en solo tres a siete minutos, en comparación con los 30 minutos sin Finn.

Al implementar herramientas de IA que pueden utilizar datos para proteger las transacciones de los clientes, ejecutar solicitudes bancarias y actuar según la retroalimentación del cliente, las instituciones financieras pueden servir a sus clientes a un nivel más alto, construyendo la confianza y satisfacción necesarias para relaciones a largo plazo.

Organizaciones de salud y ciencias de la vida superan la escasez de personal

En el ámbito de la salud, los pacientes necesitan acceso rápido a la experiencia médica, opciones de tratamiento precisas y adaptadas, y interacciones empáticas con los profesionales de la salud. Sin embargo, con la estimación de la OMS de una escasez de 10 millones de personal para el 2030, el acceso a una atención de calidad podría estar en peligro.

Los asistentes digitales de salud impulsados por IA están ayudando a las instituciones médicas a hacer más con menos. Con LLMs entrenados en corpus médicos especializados, los copilotos de IA pueden ahorrar horas diarias de trabajo a médicos y enfermeras, ayudando en la toma de notas clínicas, automatizando la gestión de pedidos de recetas y pruebas de laboratorio, y realizando seguimientos de las notas de pacientes post-visita.

La IA multimodal que combina modelos de lenguaje y visión puede hacer que los entornos de atención médica sean más seguros al extraer información y proporcionar resúmenes de datos de imagen para el monitoreo de pacientes. Por ejemplo, dicha tecnología puede alertar al personal sobre riesgos de caídas de pacientes y otros peligros en la habitación.

Para apoyar a los profesionales de la salud, Hippocratic AI ha entrenado a un agente de salud generativo de IA para realizar tareas rutinarias de bajo riesgo y no diagnósticas, como recordar a los pacientes sobre la preparación necesaria para las citas y hacer seguimientos después de las visitas para asegurarse de que se sigan las rutinas de medicación y no se experimenten efectos secundarios adversos.

Hippocratic AI entrenó sus modelos en medicina basada en evidencia y completó rigurosas pruebas con un gran grupo de enfermeras y médicos certificados. La arquitectura de constelación de la solución comprende 20 modelos, uno de los cuales se comunica con los pacientes mientras que los otros 19 supervisan su output. El sistema completo contiene 1.7 billones de parámetros.

La posibilidad de que cada médico y paciente tenga su propio asistente digital de salud impulsado por IA significa una reducción del agotamiento clínico y una atención médica de mayor calidad.

Elevando el estándar para las experiencias del cliente con IA

Al integrar la IA en las interacciones de servicio al cliente, las empresas pueden ofrecer un servicio más personalizado, eficiente y rápido, estableciendo nuevos estándares para las experiencias de soporte omnicanal. Con asistentes virtuales de IA que procesan grandes cantidades de datos en segundos, las empresas pueden permitir que sus agentes de soporte ofrezcan respuestas adaptadas a las complejas necesidades de una base de clientes diversa.

Para desarrollar e implementar una efectiva IA de servicio al cliente, las empresas pueden ajustar modelos de IA y desplegar soluciones RAG para satisfacer necesidades diversas y específicas.

NVIDIA ofrece un conjunto de herramientas y tecnologías para ayudar a las empresas a comenzar con la IA en el servicio al cliente. Los microservicios NVIDIA NIM, que son parte de la plataforma de software NVIDIA AI Enterprise, aceleran la implementación de IA generativa y soportan varios modelos de IA optimizados para inferencias escalables y fluidas. Los planos de agentes de NVIDIA NIM proporcionan a los desarrolladores ejemplos de referencia empaquetados para construir soluciones innovadoras para aplicaciones de servicio al cliente.

Al aprovechar las herramientas de desarrollo de IA, las empresas pueden construir aplicaciones de IA precisas y de alta velocidad para transformar las experiencias de empleados y clientes.