Caso real · Atención al cliente · Cliente anónimo
Agentes de atención que comparten conocimiento y resuelven solicitudes
Eigen implementó una base de conocimiento común para coordinar las respuestas, las acciones y la derivación entre bots de atención al cliente y asistentes internos.
El cliente solicitó mantener su identidad reservada. Eigen comparte el problema, la solución y los resultados de la evaluación sin divulgar información que permita identificarlo.
El problema: respuestas distintas según el canal
La empresa ya tenía bots de servicio de atención al cliente (SAC) y asistentes internos, pero consultaban manuales, preguntas frecuentes y procedimientos dispersos, con versiones contradictorias. Una misma persona podía recibir respuestas distintas según el canal.
Cuando el bot derivaba la solicitud, el equipo humano debía reconstruir la conversación y buscar nuevamente la información.
Una fuente común para responder y actuar
Eigen implementó una base de conocimiento común para los agentes, con fuentes aprobadas, responsables y fechas de vigencia. Los agentes respondían usando esa documentación.
Después de verificar la identidad del cliente y dentro de los permisos definidos, podían consultar el estado de sus solicitudes y actualizar tickets. Si faltaba información o el caso requería una excepción, escalaban a una persona con el contexto y los antecedentes reunidos.
La solución mantenía alineados el conocimiento, las respuestas y las acciones de todos los agentes, incluso cuando cambiaban los procedimientos.
Probar cada cambio antes de incorporarlo
Cada cambio en una política activaba pruebas con preguntas históricas antes de incorporarse a las respuestas de los agentes. Así, la actualización del conocimiento se revisaba antes de su uso en la atención.
Resultados de la evaluación
| Indicador | Sistema anterior | Sistema nuevo |
|---|---|---|
| Solicitudes resueltas sin intervención humana y sin recontacto por el mismo motivo durante siete días | 28% | 51% |
| Respuestas con información incorrecta o desactualizada en la muestra auditada | 10% | 2% |
La resolución aumentó 23 puntos porcentuales. Las respuestas incorrectas o desactualizadas disminuyeron 8 puntos porcentuales en la muestra auditada.
Cómo se comprobaron los resultados
Durante ocho semanas se asignaron consultas comparables al sistema anterior o al nuevo. Se cruzaron conversaciones y tickets para identificar resolución y recontactos.
Dejar de conversar con el bot, por sí solo, no contaba como resolución. El indicador exigía resolver la solicitud sin intervención humana y sin un nuevo contacto por el mismo motivo durante siete días.
Un equipo independiente revisó una muestra de respuestas contra la documentación vigente para identificar información incorrecta o desactualizada.
Las cifras describen esta evaluación. El resumen público no incluye el tamaño de muestra, el desglose por tipo de consulta ni los registros originales de la auditoría.
Información que puede compartirse
Este caso comparte el problema, el funcionamiento general y el método de evaluación. Permanecen reservados los datos personales, las conversaciones originales, los procedimientos confidenciales y las condiciones comerciales particulares.
Las conversaciones que se utilicen para ilustrar el funcionamiento se recrearán con datos sintéticos y se identificarán como tales.
Del diseño a la operación
Eigen ofrece consultoría de IA para empresas en Chile, desde el diagnóstico del proceso hasta la implementación de agentes e integraciones.
¿Tus agentes responden con información contradictoria?
Conversemos sobre tus fuentes de conocimiento, las acciones que necesitas integrar y cómo evaluar la atención.
Hablar con Eigen