Según un estudio de Accenture, se estima que en 2025 el uso de la voz será la opción más habitual en la relación entre el cliente y la marca. Sus ventajas son claras: servicio inmediato, 24h y mejora de la productividad. De ahí que incorporar voicebots basados en Inteligencia Artificial suponga un antes y un después. Sin embargo, cada creación es única y el camino hacia el éxito no siempre es directo. Son necesarios meses de investigación para crear un producto único.
Procesos complejos, experiencias sencillas
En Multiasistencia quisimos crear nuestro Voicebot para la gestión de siniestros de hogar con el objetivo de que la declaración, apertura y cita con el reparador, fuese una experiencia 100% automatizada, más ágil y precisa que la realizada por agentes. El camino ha sido un aprendizaje continuo con cambios de guion. Afortunadamente, ha terminado con éxito y MAcarena es hoy todo un referente.
El primer aprendizaje nos hizo entender que lo aparentemente más complicado, era lo más sencillo. Convertir la voz en datos estructurados es actualmente una commodity, gracias a los servicios de ´Natural Language Processing´ de Google, Amazon o Microsoft. Es un buen punto de partida, pero insuficiente.
Segundo aprendizaje: la semántica cuenta. Cuando existe un lenguaje técnico que no es el utilizado por el asegurado, hay que enseñar al Voicebot a “traducir” el lenguaje mundano al lenguaje asegurador. Además, la asistencia en el hogar es compleja porque no existen dos casas iguales. Necesitábamos responder a miles de combinaciones y narraciones, con un componente multimarca y multiproducto. Se necesitaron infinidad de grabaciones, gran conocimiento del servicio y extenso entrenamiento.
Tercer aprendizaje: los “sesgos” y el cambio de guion. No se trata sólo de entender al asegurado, sino de automatizar la decisión final. Decidir si está o no cubierto el siniestro y qué acción tomar: citar a un profesional, indemnizar, enviar a un perito, etc. El camino parecía sencillo: replicar decisiones basadas en el histórico de llamadas, utilizando IA y modelos de Machine Learning, Pero descubrimos que, pese a la formación de los agentes, existían sesgos en sus decisiones al interpretar bajo presión la información. Queríamos eliminar los sesgos, reducir los errores y poder incorporar constantemente casos. Y creamos nuestro ´Smart contract´: un repositorio de coberturas, causas, daños, bienes y otras condiciones, que interpreta los términos en base a los datos estructurados extraídos por el motor de ´NLP´.
Último aprendizaje: la generación de una experiencia de cliente muy sencilla (declaración del siniestro en 2-3 minutos) tiene detrás una compleja integración de sistemas y proveedores. Con la tecnología de Nuance, Google, Microsoft y nuestra propia evolución del ´Smart Contract´, logramos crear una herramienta que incorporara ´NLP´ y ‘Machine Learning’ para disponer de modelos predictivos vivos.
La agilidad de una start up
Macarena es hoy una realidad con un amplio bagaje. Funcionar como una “start up” nos ha permitido avanzar y retroceder de forma ágil, y redefinir hipótesis para reinterpretar rápidamente lo que buscan las compañías y sus asegurados. Hemos aprendido que hay que apoyarse en partners cuando se trabaja en nuevos desarrollos. Es necesario unir la última tecnología disponible con los datos accesibles, pero, ante todo, con un conocimiento profundo del negocio, de los procesos y del servicio. El uso de la voz es un caso claro: no todo es “Natural Language Processing”. I
José Antonio Molleda.