En los últimos dos años, las empresas españolas han vivido una aceleración en la integración de tecnologías emergentes. Desde la inteligencia artificial (IA), el Internet de las Cosas (IoT), blokchain, big data, etc. De hecho, según el estudio, «Uso de tecnologías digitales por empresas en España«, elaborado por el Observatorio Nacional de Tecnología y Sociedad (ONTSI), recoge que el uso de sistemas de IA ha aumentado un 1,3 puntos, pasando del 7% en 2020 al 8,3% en 2021.
La primera vez que se escuchó hablar sobre inteligencia artificial fue en 1956, cuando el profesor Stanford John McCarthy acuñó el concepto para nombrar a la disciplina informática que busca crear sistemas que sean capaces de imitar comportamientos humanos. Desde ese momento han pasado cerca de 70 años. Siete décadas tras las cuáles se han creado asistentes virtuales, como Aura; robots autónomos para tareas industriales; sistemas de creación de imágenes, como DALL-E, o de elaboración de texto, como BERTIN, etc.
Una de esas compañías, que lleva años investigando en torno al ámbito de la IA, es Telefónica. A lo largo de este artículo explicaremos dos inteligencias artificiales que han nacido dentro de la telco para cubrir necesidades específicas.
Algoritmos para detectar clientes insatisfechos
Esta tecnología ya forma parte de nuestro día a día y, todo indica que sus ámbitos de actuación serán infinitos. Rus Mesas, data scientist en el equipo de Innovación Telefónica, confiesa que prefiere pensar en «una IA amiga que, por ejemplo, sea capaz de analizar si una persona está contenta o no a partir de su voz«.
Bajo esa premisa, Rus y el resto del equipo de Innovación han creado una inteligencia artificial que detecta clientes insatisfechos. Este caso de uso utiliza redes neuronales -dentro del área del deep learning– para ayudar a la máquina a entender lo que dicen los humanos durante una conversación, entendiendo el contexto de la situación. Para ello, han enseñado al algoritmo cuáles son las llamadas de los clientes insatisfechos y cuáles de los contentos, y lo han entrenado en base a estas dos casuísticas.
Así, cuando el call center recibe llamadas, la máquina transcribe la conversación en tiempo real para que «cuando el cliente cuelgue, nosotros podamos calcular la probabilidad de que haya acabado insatisfecho para elaborar una lista de clientes de mayor a menor enfado y llamarlos al día siguiente para solucionar el problema», explica Rus. En ese proceso de transcripción hay que mencionar que una vez se ha pasado la conversación a texto, esta se convierte a números porque es el lenguaje que entiende la máquina.
A lo largo de un mes, el call center de la compañía recibe más de 1,5 millones de llamadas, que son 50 mil llamadas al día. En base a todas ellas y tras el uso de este algoritmo durante un año, han podido comprobar que tiene un 90% de precisión para detectar a aquellas personas descontentas, cerciorándose de ello con el posterior envío de una encuesta. Rus reconoce que con la aplicación de esta metodología están logrando mejorar la satisfacción de los clientes, lo que deriva en una mayor fidelidad hacia la compañía y en mejores resultados económicos.
En cuanto al uso de los datos de los clientes, todo está recogido bajo la Ley de Protección de Datos y solo pueden acceder a dichos datos los profesionales que tienen permiso para ello. «Todo lo que hacemos es bajo el marco de ese reglamento«, afirma Rus. Definitivamente, el desarrollo y posterior aplicación de este algoritmo supone un antes y un después en la atención al cliente. Durante muchos años, los clientes han quedado insatisfechos por diferentes razones, dando lugar a la búsqueda de nuevas opciones. Ahora, con el uso de este algoritmo esa situación podría quedar en el pasado simplemente con una llamada para solucionar el problema.
Inteligencia artificial para buscar la mejor oferta para cada cliente
Otra de las inteligencias artificiales desarrolladas por Telefónica es Next Best Action (NBA). Un producto de big data, desarrollado por el área de AI Product, que utiliza la IA para encontrar la mejor oferta personalizada de Movistar para cada cliente y en cada momento. «Cuando nos referimos a la mejor oferta, mencionamos aquella que sea capaz de maximizar el impacto en base a los objetivos definidos por el equipo de marketing«, explica Matteo Salvatori, senior data scientist en CDO.
Este proyecto utiliza el aprendizaje profundo por refuerzo, una nueva generación dentro de las técnicas de aprendizaje automático que se caracteriza por ir un paso más allá en la forma en que la máquina aprende a ejecutar una tarea. Concretamente, la unión entre el machine learning y el deep learning da lugar a este tipo de inteligencia artificial.
NBA se alimenta de toda información de clientes que hay dentro de Telefónica Kernel y todos los insights que han sido producidos por diferentes modelos de IA, que la telco tiene en cada país. A lo que hay que sumar la información de las recomendaciones, ya que NBA puede sugerir acciones que pueden ir desde tarifas, servicios, promociones, etc., hasta recomendaciones que mejoran la experiencia del cliente.
Una vez cuenta con datos sobre estos dos aspectos anteriores, el siguiente paso es fijar el objetivo de negocio medible a maximizar. Este puede ser ventas, ingresos, etc., siempre que sea medible. A partir de ahí, NBA es capaz de recomendar la mejor oferta para el cliente en el momento y canal adecuado.
Pero, ¿cómo aprende una máquina? Para que este proyecto se pueda ejecutar de manera correcta, primero se definen dos actores: un agente inteligente -quien implementa el algoritmo- y los clientes. Una vez se sabe esto, el primer paso dentro del flujo de aprendizaje por refuerzo es que el agente inteligente tenga la información del estado actual del usuario y del catálogo de ofertas comerciales.
Con esa información, el agente inteligente -usando una política de toma de decisiones- selecciona la mejor oferta comercial para cliente. El siguiente paso del flujo es recibir la opinión del cliente. Por ejemplo, si ha abierto o no el correo donde se le enviaba una oferta personalizada, si ha hecho clic o si ha realizado la compra. Este feedback puede utilizarse para actualizar la política de toma de decisiones del agente inteligente. Cuando el resultado es positivo, el agente aprende automáticamente a repetir esa acción en el futuro. Mientras que, si el resultado es negativo, la IA aprende a evitar tomar esa decisión.
«Lo que estamos haciendo desde NBA es utilizar como política de decisiones para nuestro agente inteligente, una red neuronal profunda, que ha sido 100% desarrollada por la compañía«, cuenta Matteo.
Por el momento, NBA ha sido puesto en marcha en España y en Chile. A pesar de las diferencias entre ambos mercados, el éxito ha estado presente en los dos países, lo que ha dado lugar a un aumento del número de ventas generadas por esta inteligencia artificial que ha sido creada por el equipo de Telefónica. Matteo asegura que este proyecto está listo para ser automatizado dentro de Telefónica Kernel.
El inicio de una transformación digital sin precedentes
Gracias a este tipo de iniciativas queda claro que la inteligencia artificial es una realidad que ya está siendo aplicada en el día a día de las personas, facilitando sus labores y el acceso a información que, de otra manera, se tardaría demasiado tiempo en obtener.
«Dentro de cinco años, probablemente, nos situemos entre las empresas punteras a la hora de desarrollar e implementar soluciones basadas en IA«, pronostica Matteo. Telefónica es uno de los mejores casos para ejemplificar el esfuerzo de las actuales compañías para mantenerse a la vanguardia en la actual transformación digital. La telco lo ha demostrado con el desarrollo de iniciativas, como las mencionadas anteriormente, y con las diversas alianzas que ha llevado a cabo en materia de metaverso y web3.
Todo apunta que este es solo el inicio de la aplicación de estas nuevas tecnologías que llegan para facilitar nuestro día a día.
