Una empresa de medicina prepaga conecta su centro de ayuda a ChatGPT. Un prompt, un poco de diseño y algunas pruebas después, el desarrollo sale a producción. Apenas dura dos días en línea. Las respuestas que el modelo empieza a dar tienden a repetir siempre la misma información. Algunos usuarios se impacientan. Otros comienzan a jugar con la plataforma.
En algún momento, un usuario logra que la interfaz le recomiende un tratamiento carísimo, pero con mucho descuento. Del entusiasmo sin límites, la empresa pasa al terror absoluto. Donde soñaban con un contact center sin humanos, ahora rezan para que no lleguen cartas documento.
El caso es real. Sucedió en Argentina. La empresa que ofreció el servicio presentó el caso como un éxito, aunque ya no estuviese online.
La consigna del momento parece ser ponerle Inteligencia Artificial a todo. La escena se repite, con matices, en varias industrias. En todas nos movemos entre la fantasía de reemplazar el trabajo humano y las herramientas que permiten desarrollar soluciones a un ritmo impensado. Entre los cursos para aprender a hacer prompts y miles de horas de experimentación para encontrar nuevas aplicaciones.
Las épocas de disrupción tienen este sabor. Todo pasa muy rápido y todo el mundo quiere estar, pero la mayoría todavía no sabe qué retorno tendrá la inversión o si estamos frente a una burbuja a punto de explotar.
El desafío es acercarse al fuego sin intoxicarse con el humo: pensar aplicaciones y animarse a experimentar con solidez, construyendo soluciones que agreguen valor y puedan escalar.
Cosas que un algoritmo no va a cambiar (y cosas que sí)
Una empresa de retail masivo analiza sus datos de venta con Inteligencia Artificial. El desarrollo es rápido, lleva apenas una semana. El primer resultado es geolocalizar en qué zonas de la ciudad se venden los productos high ticket. Con esa idea, el departamento de marketing diseña campañas específicas, pensadas calle por calle.
En este caso, los procesos y la información a analizar estaban claros. En este punto no hay nada nuevo: la recopilación de datos consistentes, los KPIs y los objetivos claros del negocio siguen siendo la llave para tener insights de calidad.
En el caso del contact center, el error fue exigirle a los modelos de lenguaje más de lo que podían ofrecer. Un enfoque más claro quizás hubiera dado resultados mucho más valiosos. En empresas que reciben cientos o miles de llamadas por día, la mayoría del tiempo los clientes hacen reclamos o quieren solucionar problemas. La IA se puede usar para transcribir las llamadas telefónicas, resumirlas y encontrar insights casi en tiempo real.
No se trata solo de ahorrar tiempo de supervisión, sino de generar insumos valiosos para que los operadores conozcan el historial de los usuarios en los distintos canales de comunicación y reciban sugerencias sobre cómo responder de la mejor manera. En síntesis, se trata de que puedan ofrecer una experiencia más satisfactoria con menos esfuerzo.
Inteligencia Artificial con objetivos claros.
¿Estamos hablando de un primer paso para automatizar la atención? Todavía es muy temprano para saberlo. Por el momento, la supervisión humana en puntos críticos es fundamental y no hay pistas que permitan decir que en el mediano plazo vaya a pasar lo contrario.
Lo que es seguro es que, con flujos de trabajo claros, se pueden automatizar las partes repetitivas de la atención al cliente, mejorar los análisis y permitir que los operadores humanos se concentren en resolver problemas más complejos.
Nuestra tarea es acompañar a los clientes en la adopción de IA de manera gradual y realista; nos proponemos entender en profundidad las necesidades de cada negocio y ofrecer soluciones que realmente aporten valor.
En nuestras oficinas se respira un aire similar al que vivimos cuando se digitalizaron los procesos de trabajo y pasamos del papel a la computadora. Es un momento de profunda innovación, pero también de sentar bases sólidas para crecer junto a nuestros clientes.
Armados con las nuevas tecnologías nos pensamos como un equipo técnico de Fórmula 1, capaz de analizar miles de variables, encontrar e implementar mejoras en tiempo real. Y como buen equipo con experiencia y miles de kilómetros encima, trabajamos para que el piloto, un ser humano que toma decisiones, pueda llegar a la meta de la mejor manera posible.
