Configuración de cookies
Acceda a todas las herramientas e información de Odigo dirigiéndose a nuestro portal de clientes.
Dotados de personalidad única, los chatbots utilizan el habla y el contenido lúdico para atraer con su conversación y empatizar con aquellos consumidores atraídos por el autoservicio…. ¡al menos en teoría! Ha llegado el momento de poner frente a frente las promesas y la realidad. ¿Qué ROI puedes obtener con los chatbots?
Durante casi 3 años, el entusiasmo por los chatbots no ha disminuido. Se prevé que para el año 2030 estos agentes virtuales, disponibles las 24 horas del día, automatizarán hasta el 85% de las tareas de los agentes. Dotados de personalidad única, los chatbots utilizan el habla y el contenido lúdico para atraer con su conversación y empatizar con aquellos consumidores atraídos por el autoservicio…. ¡al menos en teoría! Ha llegado el momento de poner frente a frente las promesas y la realidad. ¿Qué ROI puedes obtener con los chatbots?
La mayoría de las empresas consideran que los agentes conversacionales son una palanca para su transformación digital, o al menos eso es lo que afirman numerosos estudios. Estos mismos estudios también coinciden en que la adopción masiva de bots aún está lejos de ser una realidad. Y además, cuando las empresas integran un chatbot, a veces en su sitio web, a menudo en su página de Facebook, rara vez ven satisfechas sus expectativas o las de sus usuarios.
La realidad es que muchos chatbots no han sido capaces de convencernos, ni por la relevancia de sus respuestas ni por la riqueza de su conversación. Aunque están siempre disponibles, estos agentes conversacionales están lejos de proporcionar sistemáticamente respuestas inmediatas y útiles, a riesgo de decepcionar a los pioneros en adoptar estas soluciones innovadoras, mientras que una primera experiencia negativa puede ser fatal para la adopción de un nuevo servicio.
¿Por qué el chatbot no siempre ha cumplido sus promesas? Parte de la respuesta está en las fantasías que a menudo se asocian con el Machine Learning (ML). En efecto, esta idea de aprendizaje automático ha llevado a algunas empresas a pensar que el chatbot sería capaz de aprender todo por sí mismo. Pero la realidad es muy diferente.
Un agente conversacional no piensa. Los chatbots son programas complejos que aplican reglas de decisión hechas por el hombre y deben ser entrenados para reconocer “situaciones“. Simplemente aplican un escenario de conversación que responde al reconocimiento de intenciones, a través del reconocimiento automático del habla (automatic speech recognition o ASR) o de la comprensión del lenguaje natural (natural language understanding o NLU), o reaccionan de acuerdo con las elecciones hechas por el usuario (a través de botones de selección o en un carousel, por ejemplo).
Un agente conversacional se define por su capacidad de permitir que el usuario se exprese libremente y luego responder a sus peticiones de la manera más natural posible y de un modo relevante. Para llegar a este Santo Grial (responder en relación con el problema personal del usuario) es necesario tomarse el tiempo necesario para entrenar adecuadamente su motor de reconocimiento del lenguaje. En este sentido, la forma más eficaz sigue siendo “alimentar al bot” con tantas frases representativas de cómo los usuarios formulan sus peticiones como sea posible. Este paso es crucial para la adopción del chatbot desde sus primeras interacciones y sigue siendo necesario a medida que evolucionan los servicios proporcionados por el bot. Estas fases de aprendizaje han sido frecuentemente subestimadas o incluso ocultadas a las empresas, deslumbradas por las promesas de “autoaprendizaje”.
Pero no seamos pesimistas. Los éxitos también están ahí, especialmente en términos de la personalidad de los chatbots, que se distinguen por su forma de expresarse, su tono (institucional o más informal), su vocabulario, o su apariencia y color.
Sin embargo, por muy singular que sea, la personalidad no es suficiente para compensar la ignorancia. E incluso, si se han hecho progresos significativos para alcanzar un nivel de comprensión satisfactorio para los usuarios, sin contenido relevante que ofrecer y respuestas personalizadas, el chatbot está muy cerca de ser considerado un gadget innecesario.
Para superar el último reto (proporcionar un servicio personalizado), el chatbot debe ser capaz de acceder a todo el conocimiento de la empresa (su sistema de información, la gestión de las relación con los clientes -CRM-, y la base de conocimiento). Pero este conocimiento aún necesita ser estructurado y accesible. Este es un paso esencial si queremos ofrecer más autonomía y un autoservicio útil a los clientes por un lado, y, por otro, liberar a los agentes humanos de las peticiones que puedan resolverse sin ellos. Pero tengamos en cuenta que la complejidad y el presupuesto asociados a la integración, a veces han sido presentados de forma diluida por algunos proveedores, en particular los pure players.
Sin embargo, el chatbot todavía está lejos de haber dicho su última palabra, y veremos por qué en la segunda parte de este post. También explicaremos cómo crear un agente conversacional que sea algo más que un gadget. Finalmente, volveremos en detalle sobre las diferentes formas de medir el ROI de un chatbot de forma fiable.
¿Cómo puede la aplicación de Odigo para MS Teams ayudar a ofrecer estándares de atención in-branch y un recorrido unificado sin importar dónde se encuentren los clientes o los expertos?
Cuando los detalles importan, el conector Microsoft Teams de Odigo puede ayudar a mantener la continuidad y la precisión de los casos.
La experiencia de cliente es fundamental para contribuir a mejorar el negocio de las compañías. Una buena atención al cliente se apoya en herramientas tecnológicas para ofrecer servicios más eficientes que consiguen un mayor grado de satisfacción.
