IA de contact center: enrutamiento por intención, asistente que resuelve pedidos simples, mensajes proactivos, traducción y calidad a escala
Todo en esta página obedece al mismo interruptor que el resto de la IA de atención: la política de IA de los casos (Configuración · Casos · Política de IA). Con la política apagada, nada aquí se ejecuta y nada aquí se guarda. No hay un segundo interruptor.
Todo en esta página obedece al mismo interruptor que el resto de la IA de atención: la política de IA de los casos (Configuración · Casos · Política de IA). Con la política apagada, nada aquí se ejecuta y nada aquí se guarda. No hay un segundo interruptor.
Enrutamiento por intención El asistente conversacional ya permite registrar intenciones (un nombre, algunos ejemplos, algunas palabras clave). Hasta ahora las reglas de asignación no podían verlas: la regla casaba canal, cola, palabra clave, idioma, región, producto, nivel de la cuenta, meta de SLA y severidad, pero no "el cliente quiere cancelar". Ahora sí. En una regla de asignación, elige una o más intenciones y, si quieres, una confianza mínima.
Dos cosas conviene saber antes de escribir la regla. La intención se deduce del asunto, la descripción y lo último que escribió el cliente, así que cambia a mitad de la conversación. Y un caso cuya intención no conocemos, o cuya confianza está por debajo del mínimo, NO casa con la regla; pasa a la regla siguiente, igual que las demás condiciones del motor de enrutamiento. Mandar el caso al equipo de retención por corazonada es peor que dejarlo en la cola general.
El panel de intenciones muestra el volumen por intención y cuánto tarda cada una en resolverse. Eso es información para quien escribe la regla, no una decisión automática: elegir al responsable por promedio histórico necesitaría una muestra por persona que la mayoría de los equipos no tiene.
Un asistente que resuelve pedidos simples de principio a fin El bot conversacional pasa a hacer seis cosas en el CRM, en vez de solo conversar: consultar el estado de un caso, listar los casos del cliente, consultar la cobertura de soporte, buscar en el catálogo de servicios, reabrir un caso y agendar una devolución de llamada. Cada una se configura por separado: apagada, pedir confirmación (un agente confirma en el caso) o hacerlo sola. Las tareas de lectura nacen automáticas; las de escritura nacen pidiendo confirmación.
La regla que importa es la identidad. Que el cliente escriba un correo en una ventana de chat no prueba nada: si bastara, cualquier visitante leería el caso de cualquiera. Un pedido solo alcanza un caso cuando la persona fue identificada por el portal del cliente (enlace de acceso), por un canal que prueba posesión (el número de WhatsApp, la dirección de correo ya vinculada al contacto) o por un agente actuando con sus propios permisos. Fuera de eso, el asistente explica que necesita el acceso al portal.
Todo lo que el asistente hace, y todo lo que se niega a hacer y por qué, queda en un registro que no se edita. La escritura cuenta contra el mismo tope diario de acciones de IA del resto del producto; cuando se alcanza el tope, el asistente no se queda callado: vuelve a proponer.
Mensajes que el asistente inicia y una persona aprueba Dos situaciones producen un mensaje que el cliente no pidió: el plazo de resolución está en riesgo o venció, o el cliente escribió y lleva más de un día sin noticias nuestras. La tercera es el cierre: después de resolver, el asistente puede escribir el resumen que el cliente lee.
Las tres caen en la misma cola de aprobación, dentro del caso. Nada se envía antes de que una persona lo apruebe, y no existe una configuración que cambie eso. El texto es editable antes del envío: aprobar lo que no se puede corregir es fe ciega o un botón que nadie usa. La salida es por el canal del que vino el caso cuando lo hay (respetando la ventana de 24 horas y la plantilla aprobada), y por correo cuando no lo hay.
Traducción dentro de la conversación Cuando el cliente escribe en otro idioma, puedes traducir su mensaje al tuyo y tu borrador al suyo, sin salir del caso y sin pegar el texto del cliente en una herramienta externa. La traducción aparece siempre marcada como automática y nunca sustituye al original: lo que vale es lo que el cliente escribió, y es del original que depende una disputa.
El idioma del cliente viene del registro del contacto cuando está completo; si no, de lo que detectamos en la conversación; si no, la pantalla pregunta. El texto que ya está en el idioma de destino no se traduce.
Calidad a escala La revisión de una respuesta ya existía. Lo que no existía era calidad en el sentido que un contact center le da a la palabra: rúbrica propia, muestra por período y nota por agente.
Crea una rúbrica con los criterios que tu operación promete y un peso para cada uno; un soporte técnico pesa "no inventar", una operación de cobranza pesa "cumplimiento". Define el tamaño de la muestra y, si quieres, una cadencia semanal o mensual. Cada ronda sortea los casos de forma determinista y los reparte entre los agentes, así que ejecutar el mismo período dos veces evalúa los mismos casos y no vuelve a pagar el modelo.
La pantalla siempre muestra cuántos casos se evaluaron de cuántos se resolvieron. Una nota de muestra presentada sin el tamaño de la muestra es la forma educada de mentir. Y estas notas sirven para conversar: nada aquí cambia enrutamiento, metas ni remuneración.
El tono del cliente a lo largo del tiempo La IA del caso ya medía el tono de la conversación, pero sobrescribía el número en cada relectura: el producto sabía decir cómo está el cliente, nunca que está empeorando. Ahora cada medición se guarda, así que el panel muestra la curva por agente y por cuenta, y se avisa al responsable del caso cuando el tono de una conversación cae fuerte o se mantiene negativo. No cuesta IA adicional: lee el análisis que ya existe.
Con menos de dos mediciones la respuesta es "sin datos suficientes", nunca "estable". Son respuestas distintas.