La hiperautomatización, concepto revisado en el primer capítulo de la serie, es definida por la consultora Gartner como la combinación e integración de múltiples tecnologías que operan de manera complementaria en toda la cadena de valor de la empresa. A su vez, el término también implica la aplicación de tecnologías digitales en distintas etapas de los procesos de negocio, con el objeto de ahorrar costos, disminuir errores, aumentar la eficiencia, mejorar la calidad y liberar a las personas de trabajos repetitivos y de bajo valor, para que puedan enfocarse en labores de mayor valor para la organización. 

En el capítulo dos de la serie, llamado Automatizar la Operación de la Empresa, se habló sobre automatización de tareas, procesos y operaciones. En este tercer artículo hablaremos de la automatización de la interacción con los clientes, la cual incluye todas las tecnologías que permiten apoyar la comunicación, la detección del comportamiento y el relacionamiento con los consumidores. En la medida que entiendas estas tecnologías podrás ir avanzando en el camino de la hiperautomatización. 

Al igual que en la automatización de empresas, es posible ir avanzando desde lo más simple a lo más complejo en el ámbito de la automatización de la interacción con los clientes. 

Procesamiento de eventos

La forma más básica de interactuar con los clientes es la transaccional, esto hace referencia al momento en el que un cliente hace una compra y paga por caja, cuando hace un reclamo por el contact center y se genera un ticket o cuando navega por internet e ingresa a una sección determinada. En todos estos puntos de contacto hay transacciones que pueden ser monitoreadas en línea o de manera batch (fuera de línea) con el fin de dar inicio o “gatillar” (trigger) un registro de datos en un CRM (Customer Relationship Management), iniciar un proceso despacho o lo que se requiera por diseño. La automatización del procesamiento de eventos implica la aplicación de tecnología para ayudar a que la detección del comportamiento y la activación de los triggers sean realizadas de manera efectiva y a tiempo. Ejemplos de estas tecnologías son:

• APIs y Data Feeds: En este punto se utilizan data feeds para monitorear lo que el cliente hace transaccionalmente. Un data feed (alimentación de datos) es un mecanismo por el cual un conjunto de datos estructurados son transmitidos en línea desde un sistema a otro. Con los datos recuperados y reglas de negocio definidas se detectan los puntos donde se deben ejecutar procesos transaccionales como APIs u otros mecanismos.

• Arquitectura adaptativa: La arquitectura adaptativa se asocia a temas de seguridad. En un mundo de sistemas en continuo cambio y un panorama de amenazas constante, la protección debe pasar desde el bloqueo de comportamientos maliciosos conocidos hacia la detección de comportamientos sospechosos, basándose en el análisis masivo de datos.
  
  

UX Conversacional

Otra forma más avanzada de interactuar con los clientes es hablar directamente con ellos y, en este punto, la automatización implica la utilización de BOTs (robots) para comunicarse con el cliente sin la participación de ejecutivos humanos. Estos bots de comunicación, llamados también chatbots, deben ser capaces de entregar una buena experiencia de Usuario (UX) al interactuar con los clientes, lo que significa que para los usuarios el hablar con el robot debe ser tan útil como lo es hablar con un humano, o al menos lo debe ser para ciertos temas que sean estructurados y repetitivos. De esta forma, un chatbot puede no solo mejorar la experiencia cliente dando un servicio de calidad, omnicanal y 24×7, sino que también puede significar un ahorro importante para la empresa en términos del gasto en contact centers y sucursales. 

Plataformas como Answers de INFOBIP (a la cual representamos) son excelentes herramientas para implementar estos chatbots de manera simple y sin necesidad de programar (no code or low code apps). En estos sistemas se pueden usar canales como SMS, RCS, Whatsapp, Facebook Messenger, Telegram, Line, Viber y LiveChat, para construir sobre ellos flujos de atención conversacional automatizada. Estos flujos se crean con herramientas drag & drop y en ellas se puede identificar al cliente, validarlo por medio de preguntas o el uso de claves, detectar sus intenciones (lo que realmente necesita) y entregar la respuesta a sus necesidades con datos obtenidos de integraciones a los sistemas legados de la empresa. Además, estos sistemas permiten transferir la conversación y su contexto hacia un agente humano de la compañía y medir la satisfacción del cliente.

Inteligencia Artificial

Por último, el nivel más alto incorpora a todo lo anterior tecnologías avanzadas para hacer más humana la interacción. La inteligencia artificial (AI) corresponde a tecnologías que permiten a las computadoras adquirir ciertas habilidades propias de la inteligencia humana como, por ejemplo, entender las situaciones y los contextos o analizar y resolver problemas. 

Un chatbot puede ser implementado para interpretar opciones de un menú o palabras claves y, de esta forma, detectar las intenciones del cliente, sin embargo, esto no es suficiente para aplicaciones más avanzadas que buscan atender problemas complejos y no estructurados. Lo que se requiere es “inteligencia” que implica habilitar tecnologías como NLP, NER y Machine Learning. NLP (Natural Languaje Processing) o Procesamiento Natural del Lenguaje permite que los chatbots sean capaces de comunicarse con los clientes de una manera natural, es decir, que sean capaces de interpretar lo que escriben los clientes y ofrecer una respuesta adecuada en un lenguaje lo más natural posible, sin menú ni frases preconstruidas. NER (Named-entity recognition o Reconocimiento de Entidades Nombradas) es una técnica utilizada en los chatbots para localizar y clasificar las palabras de un usuario en categorías predefinidas como el nombre de una persona, ubicación, organización, detalles de contacto, entre otras existentes. Esta información, luego, se puede llevar a tareas posteriores, más profundamente en el flujo de decisión condicional del chatbot. Finalmente, Machine Learning o Aprendizaje de Máquina, es una tecnología avanzada diseñada para que las máquinas aprendan del comportamiento histórico. 

Para saber más de hiperautomatización o de alguno de sus componentes no dudes en contactarnos.