Por qué el Machine Learning no encaja con la evolución de la Atención al Cliente

Una buena definición de Machine Learning sería la siguiente: El Machine Learning consiste en procesar y analizar un volumen inmenso de datos con fin de hacer predicciones de comportamientos, especialmente para casos de uso relacionados con ventas y web. De hecho, todos hemos experimentado las sugerencias de compra mientras adquirimos algún producto por internet. En concreto, debajo del artículo aparece un apartado “Los clientes que vieron este producto también vieron…”, que brinda otros artículos de posible interés en base al análisis de otras compras similares.

Millones de comportamientos

Las páginas de comercio electrónico recolectan millones de comportamientos de sus usuarios en cuanto a procesos de compra, los analizan con el fin de predecir los comportamientos futuros de sus clientes, y con alta probabilidad logran incrementar las ventas en la web. No cabe duda de que esta metodología resulta ser un arma extremadamente potente a la hora de hacer marketing dirigido, previsiones de demanda o convertir las visitas a la web en ventas.

El requisito imprescindible del Machine Learning es disponer de un volumen – cuanto más amplio mejor – de datos históricos para procesar y analizar, a partir de los cuales vamos a poder construir modelos de comportamiento predictivos. Hoy en día, algunas corporaciones ya cuentan con estos volúmenes de datos tras años motorizando sus canales de atención y procesando la información manualmente para poder racionalizarla y clasificarla. Sin embargo, la realidad es que la mayoría de las compañías no disponen de estos historiales de sus clientes, por lo tanto no pueden beneficiarse del Machine Learning de forma sencilla. La alternativa que les queda es ir creando datos manualmente, como si fueran trazas recopiladas de usuarios, para “entrenar” un modelo de Machine Learning ad-hoc. Esta creación manual de datos para las compañías, se traduce tanto en una dilatación del time-to-market del proyecto, como en una desilusión con la Inteligencia Artificial.

A la hora de implementar un Chatbot o Asistente Virtual de Atención al Cliente, hay que desconfiar de las predicciones del Machine Learning poco seguras

A la hora de implementar un Chatbot o Asistente Virtual de Atención al Cliente, hay que desconfiar de las predicciones del Machine Learning poco seguras, para ser compatibles con el mundo del soporte. Si bien una predicción de venta recomendada no conlleva riesgos mayores – si te convierte la venta, bien, si no se convierte, también -, las respuesta que se dan a los usuarios por un canal de soporte oficial de una compañía pueden ser altamente sensibles: necesitan ser fiables, precisas y contextualizadas, tanto legal como comercialmente.

A lo largo de los últimos años, el uso desacertado de metodologías productivas como el Machine Learning en asistentes virtuales y Chatbots ha dado pie a decenas de artículos inventariando sus fallos en internet. En el mejor de los casos, respuestas erróneas y desadaptadas; en el peor, retroalimentación de comentarios políticos, religiosos y hasta xenófobos. Esto no significa que el Machine Learning sea una aproximación malvada, sino más bien que no siempre es el enfoque más adecuado según qué caso de uso. Si bien para potenciar las ventas en la web con recomendaciones parece ser la metodología más indicada – y con éxito demostrable –, para algo tan sensible como un Chatbot de Atención al Cliente, es probable que peque de desacierto y de falta de precisión; desventajas que acaban perjudicando la imagen de las compañías.

Procesamiento del Lenguaje Natural

La buena noticia es que la alternativa al Machine Learning en los canales de auto-servicio ya existe, está empíricamente demostrado que funciona y tiene suficiente potencial como para seguir acompañando la evolución de la Atención al Cliente. Se trata del Procesamiento del Lenguaje Natural (NLP por sus siglas en inglés), otra disciplina de la Inteligencia Artificial capaz de solventar las dos problemáticas principales que supone el Machine Learning: por un lado no requiere de volúmenes extensos de datos, por otro se basa en la ingeniería lingüística para ofrecer respuestas semánticamente relevantes, contextualizadas y altamente fiables. Por supuesto, estas ventajas contribuyen a un time-to-market ágil a la par que mejoran la confianza de los usuarios en la Inteligencia Artificial.

Un Chatbot o Asistente Virtual potenciado por NLP sabe percibir la intencionalidad del cliente desde el primer día de su lanzamiento a producción

Un Chatbot o Asistente Virtual potenciado por NLP sabe percibir la intencionalidad del cliente desde el primer día de su lanzamiento a producción, sin tener que esperar meses para observar una curva de aprendizaje. Se trata de una tecnología altamente escalable, tanto por volúmenes – otra vez, ¡no necesita entrenamiento! – como por su versatilidad. En efecto, la inteligencia de un Chatbot con NLP se basa en un cerebro semántico totalmente disociado de la interfaz de usuario. Significa que no existe dependencia entre donde se atiende al cliente (por ejemplo un bot de Facebook Messenger o un Asistente Virtual integrado en la web) y la capacidad de responder su duda. El Procesamiento del Lenguaje Natural permite deshacerse de las limitaciones de la interfaz web para adaptarse con bastante facilidad a los hábitos de los usuarios. Esta característica, que hasta ahora era meramente anecdótica, se está volviendo clave de cara a los próximos años.

La tendencia actual muestra que las personas dedicamos la gran mayoría de nuestra tiempo en el móvil usando sólo 3 o 4 aplicaciones, entre las cuales por lo menos una es de mensajería. Por otra parte, a día de hoy, muchas empresas renuncian a desarrollar, certificar y mantener su propia app nativa porque consideran que el esfuerzo no está compensado por la escasa adopción de la que gozan dichas apps. Surgen iniciativas como las apps compartidas entre varias empresas y los marketplace tecnológicos a base de APIs y multicanalidad. En el caso de España, además, se suma la altísima popularidad de WhatsApp y el lanzamiento de sus modalidades WhatsApp Business y WhatsApp Enterprise, especialmente pensadas para agilizar la comunicación entre las empresas y sus clientes. A pesar de una salida un tanto tímida, los proyectos de implementación de Chatbots y live chat en WhatsApp están empezando a brotar y prometen hacerse con un segmento considerable de las interacciones de Atención al Cliente.

Considerando todos estos elementos, es fácil predecir que el Chatbot seguirá alejándose de las webs y de los dispositivos fijos para integrarse en los entornos privilegiados por los usuarios, y que WhatsApp seguirá con toda seguridad al frente de esta evolución. En un mundo digital, donde lo que no evoluciona acaba desapareciendo, más vale anticiparse a las corrientes tecnológicas y mostrarse flexibles y ágiles con los cambios originados en el exterior. Las empresas necesitan asumir el reto cuanto antes y apostar por las tecnologías que les ayudarán a seguir liderando su propia Transformación Digital y la de este decenio.