Orquestación de chatbot a escala

La accesibilidad y los avances de la IA están marcando el comienzo de una nueva era de posibilidades para aumentar la automatización y la orquestación de chatbots, aportando más inteligencia y comprensión cognitiva a los procesos y procedimientos corporativos.

La automatización ha sido un área de progreso tecnológico en la automatización de las operaciones corporativas. Por otro lado, los recientes avances en la tecnología de chatbot y la IA conversacional pueden estar a punto de cambiar fundamentalmente la forma en que las empresas abordan la orquestación de chatbot.

Quizás el futuro esté en una mezcla de ambas tecnologías, como la automatización conversacional, que aprovecha el poder de la comprensión del lenguaje natural y el aprendizaje automático para automatizar las operaciones de cara al cliente o al empleado de principio a fin.

¿En qué se diferencian los chatbots de la automatización de procesos robóticos?

Los chatbots se crean para los clientes de una organización o sus empleados. Además, su función principal es ayudar a la transferencia conversacional de información y datos. Por lo tanto, un chatbot es capaz de reducir los tiempos de respuesta, resolver rápidamente los problemas y aumentar la exposición de la marca cuando se trata de la comunicación con el consumidor.

En términos de automatización, las partes interesadas y los trabajadores internos a menudo utilizan la automatización de procesos robóticos para automatizar las tareas de back-office y otros procesos iniciando el proceso con reglas y disparadores. Puede simplificar una gran variedad de procesos, como la limpieza de datos, la extracción de datos y los flujos de trabajo.

Afortunadamente, puede utilizar los chatbots y la automatización de procesos robóticos en conjunto para ayudar a la automatización de los procesos. Por ejemplo, puede utilizar una conversación con un chatbot para iniciar un flujo de procesos de back-end para actividades previamente repetitivas. Además, los chatbots conversacionales han avanzado hasta el punto de que pueden entender la intención del usuario a alto nivel y transmitirla a un bot RPA orientado a tareas. Más allá de eso, un chatbot puede organizar y automatizar múltiples procedimientos y actividades de back-end necesarios para satisfacer la solicitud de un cliente.

Por ejemplo, un chatbot "inteligente" puede entender e imitar el habla humana, mientras que un robot RPA puede representar comportamientos humanos. Si ambas tecnologías utilizan el procesamiento del lenguaje natural (PNL), los chatbots pueden interpretar las interacciones a través de la voz o el texto. Al mismo tiempo, los robots RPA recogen el lenguaje y los datos de diversas fuentes, como documentos, archivos, formularios y navegadores.

Para profundizar un poco más, un chatbot puede mostrar una interfaz conversacional para interactuar con interfaces de usuario no conversacionales, mientras que el RPA puede raspar datos de interfaces de usuario no conversacionales. Sin embargo, ambas tecnologías se basan en la automatización de actividades o procesos empresariales subyacentes. Los chatbots se basan en el deseo expresado por el usuario para un propósito concreto y ejecutan las actividades asociadas. Los bots RPA recogen datos de varias fuentes y luego trabajan para completar una serie de actividades empresariales muy repetitivas.

La belleza de ambos es que los bots nunca duermen, operando las veinticuatro horas del día para satisfacer las peticiones de los consumidores o realizar enormes cantidades de actividades repetitivas, reduciendo o eliminando la necesidad de contactos y traspasos humanos, costosos y a menudo propensos a errores.

Sí, es un desorden que consiste en una plétora de componentes "únicos" conectados a una pila tecnológica de servicio al cliente caótica (lo que se espera en la mayoría de las organizaciones). Indudablemente, las herramientas de RPA, las herramientas del centro de contacto, las herramientas de CRM, el contenido preexistente, los sistemas back-end personalizados y las herramientas analíticas fuera de línea son todos componentes críticos para ofrecer una experiencia de asistencia personalizada y eficiente, pero a menudo se mantienen separados.

¿En qué se diferencia la automatización de la orquestación?

Aunque la orquestación y la automatización pueden parecer idénticas en teoría, sus objetivos para aumentar la eficiencia organizativa son bastante diferentes. Además, la automatización y la orquestación son componentes críticos en el entorno empresarial, ya que ayudan a las organizaciones a reducir el tiempo que se tarda en completar determinadas actividades. Por lo tanto, las empresas pueden aumentar la producción, incrementando así la productividad total. 

La automatización y la orquestación pueden ayudar a reducir la cantidad de tiempo dedicado a la configuración y ejecución de actividades repetitivas en varias divisiones de la empresa. Esto permite a una empresa ahorrar dinero al eliminar trabajadores adicionales para realizar actividades repetitivas. Además, la orquestación automatizada optimiza de forma eficaz y eficiente las operaciones de la empresa, permitiéndole reasignar su personal a tareas más esenciales.

¿Cómo se inicia la orquestación del chatbot a escala?

Comience con un recorrido del flujo de datos y tenga en cuenta estos puntos esenciales:

• Hay disponibles canales de webchat, teléfono y mensajes.
• Orquestación de llamadas de pre-mensaje
• Cuando se realizan tareas específicas, se activan los webhooks.
• Traspasos: Contenidos existentes, combinados con agentes humanos
• En respuesta a la orquestación de un mensaje, se realiza una llamada de webhook.

En lugar de crear una aplicación de orquestación grande y complicada, aprender varias API de integración y mantener el estado/historial de la conversación, puede utilizar ProcessMaker con Watson Assistant.

¿Por qué querría hacerlo así? Imagina un escenario en el que tienes usuarios que hablan varios idiomas. Usted no quiere estar a cargo de un gran número de asistentes multilingües - después de todo, es posible que no domine todos ellos. En su lugar, utilizando el webhook previo al mensaje, puede interceptar y traducir las comunicaciones de cualquier idioma al único idioma nativo que soporte, como el inglés. Además, Watson Assistant puede traducir en inglés utilizando un único dato de entrenamiento, responder, y luego ser interceptado a través del webhook post-mensaje y traducido de nuevo al idioma local del usuario.

Si cree que el flujo de orquestación de su chatbot no está claro, ProcessMaker le permite interceptar la entrada del usuario en cada etapa de la interacción, modificarla y, a continuación, enviar una carga útil JSON comparable a Watson Assistant para su análisis. También puede utilizar el webhook posterior al mensaje para interceptar cualquier respuesta del asistente y realizar las modificaciones necesarias en el contenido JSON antes de responder.

Además de la traducción de idiomas, el webhook pre-mensaje es el estándar frecuente para la gestión de los identificadores de usuario y los alias, el filtrado/redacción de PII y la adición de contexto desde otros sistemas, como la información básica del usuario o su ubicación. El webhook post-mensaje se utiliza a menudo para recibir respuestas de un sistema de gestión de contenidos (CMS)* o para sustituir datos personales sensibles (PII).

Activación de webhooks

Este tipo de orquestación del chatbot se basa en sus capacidades de diálogo (o acciones) y se vincula a una tarea concreta, orientada a la acción, que el ayudante desea realizar. A diferencia de los webhooks previos y posteriores al mensaje, que se activan en cada etapa de la conversación, la llamada de un webhook específico para una tarea se activa solo cuando es necesario. 

Por lo tanto, es excelente para las solicitudes transaccionales, como el envío de un nuevo cliente potencial a un CRM, el pago de una factura, la recuperación de la información de la cuenta o la comprobación del saldo de la cuenta. No estás obligado a enviar la información del saldo del usuario en cada mensaje; pero, si el usuario solicita consultar su saldo, puedes utilizar una API para obtenerlo y ofrecer la información necesaria.

¿Qué pasa con los traspasos?

Su chatbot, como cualquier otro empleado, no tiene todas las respuestas. Afortunadamente, el diseño del Asistente Watson incorpora traspasos entre conversaciones. A la hora de diseñar un asistente, hay que tener en cuenta dos traspasos críticos.

Antes de elegir cómo reaccionar ante una solicitud concreta, el asistente comprobará si existe una respuesta precisa para las habilidades de diálogo/acciones. Si no tiene ninguna, busca entre el material de asistencia existente.

Además, la habilidad de búsqueda es la fuente de información preexistente en Watson Assistant. Está impulsada por Watson Discovery, que analiza e indexa tu material existente antes de buscar en él para descubrir las respuestas más concisas a una consulta, todo ello sin necesidad de formación.

Orquestación de chatbots y humanos

Cuando se agotan las opciones de un chatbot, éste transfiere la conversación a un agente de ayuda en vivo o a una herramienta del centro de contacto por teléfono. Esto puede ocurrir por varias razones, como cuando el chatbot no recibe respuesta, cuando ha proporcionado una respuesta inadecuada demasiadas veces o cuando el usuario indica su deseo de hablar con alguien. De hecho, puede conectar sus chatbots con el servicio de atención al cliente de su elección. 

¿Qué pasa con los modelos en línea por lotes o en tiempo real? Puede utilizar un flujo de datos limitado pero constante para entrenar los algoritmos del chatbot en línea. Asegúrese de que los modelos en línea del marco pueden calcular los resultados en tiempo real, y la respuesta se envía directamente al conjunto de entrenamiento. Además, si los modelos se actualizan continuamente, pueden responder rápidamente a las señales del cliente.

Considere el siguiente escenario de uso de la orquestación de chatbot para acelerar la resolución de reclamaciones de seguros. Imagínese que las reclamaciones de seguros son todo un viaje del cliente con muchas interacciones y procesos en los que interviene diferente personal. Cualquiera que sea la velocidad, la precisión y la eficiencia de la parte de compromiso con el cliente, cualquiera que sea el tamaño y la capacidad de respuesta del tiempo que tarda una reclamación en ser validada, aprobada y pagada, todo depende de toda la cadena de eventos que se produce desde el momento en que un cliente presenta una reclamación hasta que es validada, aprobada y pagada.

Inevitablemente, se produce una reclamación cuando un cliente informa de un accidente, una pérdida u otros incidentes. Los clientes pueden ponerse en contacto con un chatbot en el momento y el lugar del incidente a través de la mensajería, la web o la voz, y el chatbot puede apoyar y recopilar documentación y detalles sobre el incidente. También puede cargar vídeos, imágenes o documentos que proporcionen un contexto adicional para ayudar a validar y gestionar la reclamación más adelante.

Al conectarse de forma segura a los sistemas de gestión de siniestros del back-office, el chatbot puede obtener información sobre los servicios que reúnen los requisitos (por ejemplo, remolque o alquiler de coches), la franquicia del cliente, los datos pertinentes de terceros u otros datos de la póliza que sean relevantes para la reclamación del cliente. La IA conversacional también ayuda a hacer posibles estas interacciones conversacionales y el acceso a los datos del cliente.

Sin embargo, a la hora de procesar la reclamación, entra en juego la orquestación. Una vez iniciada la reclamación con los datos o imágenes disponibles, puede enviarse directamente a los sistemas correspondientes, obviando la necesidad de intervención humana. A continuación, se verificará la reclamación, lo que afectará a la situación, los derechos y la elegibilidad del reclamante. El chatbot puede utilizar esta información para notificar al cliente su elegibilidad para determinados servicios o las restricciones de la póliza.

En conclusión

Es imprescindible que las organizaciones comprendan el papel de la orquestación del chatbot en las operaciones operativas para mejorar la eficiencia y la productividad. Sin duda, se puede lograr una mayor producción y eficiencia, así como la reducción de los gastos de funcionamiento. ProcessMaker ofrece una galardonada plataforma BPM de bajo código que ha ayudado a organizaciones de todo el mundo a orquestar sus chatbots.