{"id":19616,"date":"2019-09-02T16:14:34","date_gmt":"2019-09-02T14:14:34","guid":{"rendered":"https:\/\/www.mtp.es\/?p=19616"},"modified":"2019-09-02T16:14:34","modified_gmt":"2019-09-02T14:14:34","slug":"machine-learning-contact-center","status":"publish","type":"post","link":"https:\/\/mtp.global\/es\/blog\/archivo\/machine-learning-contact-center\/","title":{"rendered":"Caso pr\u00e1ctico IA: C\u00f3mo MTP est\u00e1 aplicando Machine Learning a un Contact Center"},"content":{"rendered":"

Una de las tendencias que actualmente est\u00e1 generando m\u00e1s inter\u00e9s en muchos de los clientes de MTP<\/strong><\/a> (empresa de aseguramiento de negocios digitales<\/strong> en las \u00e1reas de QA, UX, DevOps &Agile<\/a> y ciberseguridad) es el abordaje de proyectos para la automatizaci\u00f3n de procesos<\/strong> a trav\u00e9s de la combinaci\u00f3n de t\u00e9cnicas de robotizaci\u00f3n RPA<\/strong> (Robotic Process Automation<\/em>) y aprendizaje autom\u00e1tico ML<\/strong> (Machine Learning<\/em>).<\/p>\n

El uso conjunto y coordinado de ambos enfoques genera un valor a\u00f1adido sobre la ya de por s\u00ed potente automatizaci\u00f3n de tareas de negocio basadas en reglas, que aporta RPA<\/strong>.<\/p>\n

El quid de la cuesti\u00f3n est\u00e1 en que algunos de los procesos de la organizaci\u00f3n requieren dotar a esta automatizaci\u00f3n de cierta capacidad de interpretaci\u00f3n de situaciones<\/strong> y de tener la posibilidad de realizar predicciones<\/strong> en base a la informaci\u00f3n disponible como m\u00e9todo para la toma de decisiones, de una forma m\u00e1s parecida a como actuar\u00eda una persona ante el problema.<\/p>\n

En estos casos, el enfoque cl\u00e1sico de programaci\u00f3n imperativa en base a reglas podr\u00eda derivar en una explosi\u00f3n combinatoria de opciones, que puede ser extremadamente dif\u00edcil de analizar, identificar y de manejar.<\/p>\n

Por ello, cada vez m\u00e1s se prefiere implementar esta \u2018inteligencia\u2019 usando t\u00e9cnicas de aprendizaje autom\u00e1tico<\/strong>, en las que m\u00e1s que programar al sistema indic\u00e1ndole qu\u00e9 tiene que hacer en cada situaci\u00f3n se le entrena para tomar decisiones<\/strong> en base a la experiencia.<\/p>\n

Beneficios <\/strong><\/p>\n

Los beneficios que se pueden obtener de esta alianza de tecnolog\u00edas tambi\u00e9n se multiplican al permitir dar cobertura a un mayor n\u00famero de procesos de negocio<\/strong> que sin la aplicaci\u00f3n de estas t\u00e9cnicas conjuntas estar\u00edan fuera de alcance.<\/p>\n

De esta forma, se logra un mayor incremento de eficiencia de los procesos y minimizaci\u00f3n de errores adem\u00e1s de asegurar la calidad<\/strong> en un mayor n\u00famero de operaciones de negocio asociadas.<\/p>\n

Proyecto ML-CAU<\/strong><\/p>\n

En MTP<\/strong> no somos ajenos a los avances en \u00e9sta l\u00ednea y nos encontramos inmersos en un interesante proyecto de aplicaci\u00f3n pr\u00e1ctica del binomio RPA-ML<\/strong>.<\/p>\n

Nuestro proyecto tiene como escenario de operaciones el Contact Center (CAU)<\/strong> de uno de nuestros principales clientes, del sector de \u2018Utilities<\/em>\u2019<\/a>.<\/p>\n

El objetivo fundamental del proyecto<\/strong> es disponer de una herramienta que bas\u00e1ndose en la experiencia previa permita asignar a la primera y sin errores el resolutor que ha de encargarse de un determinado ticket <\/em>que entra en el CAU, junto con la capacidad de discriminar tickets <\/em>que no incluyen informaci\u00f3n correcta o deben ser escalados a otro CAU.<\/p>\n

Este objetivo se concreta en:<\/p>\n