De las preguntas frecuentes a la IA: cómo diseñar un agente de servicio al cliente que realmente funcione.
Hoy en día los agentes de servicio al cliente son esenciales para que las empresas se conecten con sus usuarios. Estas herramientas han evolucionado dramáticamente en las últimas décadas, desde simples secciones de preguntas frecuentes (FAQ) hasta complejos sistemas de inteligencia artificial (IA) conversacional. Sin embargo, no todo es positivo: a pesar de la tecnología avanzada, muchas empresas todavía cometen errores repetidos. Creen que comprar software resolverá automáticamente sus problemas sin preocuparse por lo básico: la experiencia del cliente.
Este enfoque basado sólo en la tecnología, crea más problemas de los que puede resolver. Al interactuar con sistemas mal diseñados, los usuarios se sienten frustrados, perdiendo el tiempo y en el peor de los casos enojados, lo que puede debilitar la relación con la marca. Exploremos cómo las empresas pueden evitar estos errores y crear experiencias significativas para sus clientes.
Descripción general de los agentes de servicio al cliente
El servicio al cliente utiliza una variedad de herramientas, desde tecnología tradicional hasta tecnología avanzada. Las preguntas frecuentes son probablemente la versión más sencilla, una lista de respuestas disponibles a preguntas comunes. A pesar de este hecho, a menudo se sienten que son espacios rígidos y que crean frustración si no responden correctamente a las preguntas de los clientes.
Por otro lado, tenemos un sistema de autoservicio en los sitios web. Estas interfaces permiten a los usuarios realizar tareas como rastrear pedidos o administrar cuentas, pero también pueden resultar complicadas si no se diseñan bien.
Los call center atendidos por humanos o sistemas automatizados aumentan el nivel de interacción personal, aunque la calidad varía dependiendo de los recursos invertidos en ellos.
Lamentablemente, la dinámica clásica es:
Llamar a un número 600 / 800.
Una grabación invita a ingresar el número de identidad fiscal.
A veces una clave.
Luego queda de fondo una música de dudosa calidad o una publicidad en loop insoportable para un cliente que llama porque tiene un problema y necesita asistencia.
Una vez que atiende un agente humano, pide que repitamos todos los datos ingresados (!) lo que demuestra que el software que usan no es un CRM robusto que le entregue información actualizada de quíen es el que llama y cuál es su tipología de cliente.
Normalmente, se escucha mucho ruido ambiental, el-la agente a veces es extranjero-a y habla un idioma que el usuario le cuesta entender y seguir.
No es cómún que dichos call-center estén midiendo el KPI “First Contact Resolution” por lo que en la mayoría de los casos no hay solución inmediata a los requerimientos de los clientes (intenta recuperar un dispositivo del que perdiste la clave en Apple, “después me la platicas”).
Así, continúa tu la lista…
Finalmente, los chatbots y los agentes de inteligencia artificial son la solución más reciente. Pueden responder en tiempo real y ofrecer enormes capacidades de personalización. Sin embargo, si no se hace bien, puede que sean tan impersonales e inútiles como las preguntas frecuentes más populares.
Todos estos actores están unidos por la necesidad de un diseño centrado en el usuario que evite que los clientes sientan que están interactuando con un sistema frío e inactivo, que los hace perder el tiempo y genera, al menos una gran insatisfacción.
El impacto del diseño de UX en el servicio de atención al cliente
Un agente de atención al cliente es una herramienta técnica que, sin un diseño centrado en la experiencia, pierde su propósito y se convierte en un gasto en el que no vale la pena invertir. A menudo, el desarrollo de estos sistemas se centra únicamente en aspectos técnicos como los algoritmos e inteligencia artificial, ignorando a las personas que realmente los utilizan: los clientes. El resultado en la mayoría de los casos es una experiencia desagradable e ineficaz.
El objetivo del diseño UX es humanizar estas interacciones. Esto significa que cada paso del proceso debe ser comprensible, intuitivo y empático. Por ejemplo, un chatbot bien diseñado no se limita a responder preguntas; comprende el contexto, anticipa necesidades y sobre todo permite que los clientes sientan que no están hablando con una pared.
Cuando se ignora la UX, los resultados son claros. ¿Quién no se ha sentido frustrado al interactuar con un chatbot respondiendo preguntas irrelevantes o navegando por un sistema de autoservicio que parece diseñado para confundir en lugar de ayudar? Estos errores no solo provocan una mala experiencia, sino que también pueden derivar en pérdida de clientes y dañar la reputación de una marca.
Diseño eficaz del(la) agente: principios clave
La gestión de servicios no es mágica, requiere un enfoque estratégico. Empieza por comprender a tus usuarios: ¿cuáles son sus necesidades reales? ¿Qué frustraciones enfrentan?, ¿cuáles son los temas principales de las llamadas?, acá las métricas mandan, por lo que conocer los números de desempeño que ha tenido el servicio de atención al cliente es crítico, como también escuchar a los agente humanos que hacen el trabajo actualmente.
La empatía es la base de una planificación exitosa. A partir de ahí, se pueden aplicar varios principios claves:
Claridad: asegúrate de que los usuarios sepan qué esperar del sistema y cómo utilizarlo. Los mensajes poco claros o las instrucciones confusas son enemigos del buen diseño.
Empatía: los usuarios deben sentir que el sistema, los conoce y comprende sus problemas. Incluso algo tan simple como mensajes de error claramente escritos puede marcar la diferencia. En este sentido el tono de la voz, la cadencia del habla, los descansos y reacciones verbales son fundamentales en el diseño.
Personalización: un buen agente de soporte se adapta al cliente, y no al revés. Esto es especialmente importante en la inteligencia artificial, que puede utilizar datos para dar respuestas más precisas. Si el LLM está alimentado con los contenidos (accesibles) de la empresa como, las grabaciones de las llamadas recibidas y los datos duros, como por ejemplo en un banco, las tasas de interés, restricciones crediticias, etc. permitirán que la IA se desenvuelva con mayor naturalidad y entregue respuestas certeras y creíbles por quien la escucha.
Iteración continua: ningún sistema es perfecto desde el principio. Debe medir continuamente su rendimiento, escuchar a los usuarios y realizar ajustes si es necesario. Esto quiere decir que nunca es el mejor momento para su liberación, sin embargo haría alfas largos y betas segmentados, por ejemplo a un tipo de cliente para así observar el despemeño del agente, corregir y mejorar la performance.
Diseño de IA conversacional para banca
Estoy trabajando en un proyecto para un banco que quiere implementar un agente de IA conversacional en su contact-center.
El objetivo es crear un sistema que pueda satisfacer consultas repetitivas pero que también pueda resolver problemas más complejos. A diferencia de la mayoría de las empresas, éste banco sí le preocupa que la inversión en diseño UX tenga retornos, pero también cuida su relación con los clientes.
Algo curioso, ya que los bancos, como muchas empresas, inicialmente vieron la IA como una solución milagrosa (no es el caso). Pensaron que con el software adecuado, todo funcionaría y esa ha sido la visión aplicada desde el comienzo de la internet: respuestas basadas en la tecnológía, la mayoría invirtiendo lo menos posible.
El primer paso es cambiar esa percepción: Diseñamos sistemas basados en la experiencia del cliente, no en características de software. Creamos flujos de chat que imitan la interacción humana. Nos concentramos en la claridad y definimos que el o la agente IA (cuidado con los sesgos), debe tener en primer lugar empatía hacia quien le habla. También agregamos elementos de personalización como la capacidad de recordar interacciones pasadas para darle una sensación más humana. Sin embargo si hay un aspecto al que hay que prestar especial atención es lo cultural ya que los seres humanos construímos y usamos el lenguaje desde la complejidad de nuestro ethos y en particular a nuestra socialización, o sea aquel espacio cultural donde nos desenvolvemos en el “lenjuagear” que construye lo colectivo y por ende el sentido de pertenencia.
¿Cómo simular y probar un(a) agente?
Para guiarnos y aprender, diseñamos un agente conversacional y así entender los requerimientos técnicos, selección de voz del agente, y detalles de alimento al LLM de forma que sea lo más empático y realista posible. Son muchos más parámetros pero la clave es de dónde aprende el sistema para que genere respuestas en contexto.
En la descripción ingresamos parámetros de medición sobre la calidad de la atención que el agente está entregando de modo de medir y entender su comportamiento. Usamos Gemini 1.5 Flash.
Este ejemplo de investigación cualitativa y muchos otros los ejecutamos en el Curso de Investigación UX con IA que iniciamos el próximo sábado 07 de diciembre y que está con un 50% de descuento de Black Friday.
Al momento de comprar incluye el código DISCOUNT10Ingresa al agente y dile que perdiste tu tarjeta de crédito e inicia una interacción simulando que estás en problemas y que necesitas anular la tarjeta.
En los comentarios cuéntanos cómo fue tu experiencia.
Conclusión
Los agentes de atención al cliente son más que simples herramientas; Representan la marca. Diseñarlos bien requiere algo más que tecnología; requiere un compromiso real con la experiencia del cliente. Las empresas deben dejar de tratar el software como una solución mágica y comenzar a priorizar el diseño de UX. Solo así podrán evitar la frustración de sus clientes y ofrecer interacciones que realmente importen y agreguen valor.
Como diseñador UX, sé que tenemos la responsabilidad de apoyar a los usuarios en cada paso del proceso, en este caso conversacional. Pero nuestra misión también es educar a las empresas sobre la importancia de este enfoque. Si lo hacemos bien, podemos convertir cada interacción en una oportunidad para conectar, resolver y, en última instancia, generar confianza.