Stefan Preusler, Director General de LeapLytics
En algún momento del año pasado, tuve uno de esos momentos en los que piensas: esto no puede estar bien. Nuestro equipo acababa de responder exactamente a la misma pregunta por tercera vez en una misma semana: cómo licenciar nuestros visuales de Power BI cuando una empresa tiene creadores y espectadores puros. La misma pregunta. La tercera vez. Un viernes por la tarde, cuando ya nadie quería estar en su mesa.
El problema no era la pregunta, sino el momento
Nuestros clientes proceden de distintas zonas horarias. Una gran parte de nuestros usuarios se encuentran en Sudamérica, principalmente en Argentina y Brasil. Nos escriben a medianoche, nuestra hora. Y cuando les respondemos, ya están durmiendo. Este bucle de desfases horarios y preguntas repetidas nos cuesta más horas de las que me gustaría admitir.
La primera idea era sencilla: crear una página de preguntas frecuentes. Lo hicimos. Nadie la leyó. O al menos no las personas adecuadas en el momento adecuado. No puedo culparles: yo también prefiero escribir una pregunta en una barra de búsqueda que desplazarme por la documentación.
El segundo intento fue una herramienta de chatbot estándar: incrustarla, escribir unas cuantas plantillas de respuestas y listo. Tampoco funcionó. Las respuestas eran demasiado estáticas, demasiado genéricas. En el momento en que alguien formulaba su pregunta de forma ligeramente diferente a lo que la plantilla esperaba, nada. Silencio. O peor: una respuesta que no iba en absoluto al grano.
El punto de inflexión: RAG
Fue entonces cuando nos pusimos serios con RAG (Retrieval-Augmented Generation). Suena técnico, pero la idea central es simple: en lugar de codificar las respuestas en el bot, le das acceso a tus propios documentos, descripciones de productos, tickets de soporte, preguntas frecuentes... y él mismo recupera la información relevante antes de responder.
Ese fue el momento en que las cosas encajaron para nosotros.
Empezamos a recopilar sistemáticamente nuestros temas de asistencia más frecuentes. No nos basamos en intuiciones, sino que preguntamos a nuestros clientes: ¿Cuál fue su primera pregunta cuando empezó a utilizar nuestro producto? ¿Qué problema le ha costado más tiempo? Algunas de las respuestas nos sorprendieron: cosas que considerábamos autoexplicativas claramente no lo eran.
Introducimos este contenido en la base de conocimientos del chatbot. Y la parte clave: podemos ampliarla dinámicamente. Lanzamientos de nuevos productos, nuevas preguntas recurrentes... lo añadimos a la base y el bot lo conoce desde ese momento. Sin necesidad de reconstruir desde cero, sin tickets de TI, sin esperas.
El problema lingüístico y su solución
He aquí un detalle que subestimé: muchos de nuestros datos de producto, documentación y descripciones internas están en inglés. Pero nuestros clientes de Sudamérica escriben en español. Y esperan, con razón, una respuesta en español.
Parece un pequeño problema. No lo era. Un bot al que se le pregunta algo en español y responde en inglés no es soporte, es frustración.
La solución era configurar el bot para que detectara el idioma del usuario y respondiera en ese idioma, aunque la información subyacente estuviera en inglés. Ahora funciona de forma fiable. Nuestro cliente de Buenos Aires recibe su respuesta en español, incluso cuando nuestro equipo está dormido.
Qué hace realmente el Bot en la actualidad
Tres meses después de la puesta en marcha, vemos que aproximadamente 60-70% de solicitudes de asistencia recibidas las resuelve completamente el bot, sin intervención humana. Las preguntas restantes siguen llegando a nuestra bandeja de entrada, pero con una diferencia crucial: el bot ya ha captado el contexto, ha categorizado la solicitud y nosotros vemos inmediatamente de qué se trata.
Pero hay otro efecto que no había previsto: el chatbot ayuda a los clientes a aclarar sus propias preguntas. A veces no sabes muy bien cuál es tu problema, escribes algo, el bot te hace una pregunta complementaria y de repente te das cuenta: ah, eso es lo que quería decir. No era una función prevista. Simplemente ocurrió.
Lo que me gustaría que se llevara
Si tiene un equipo pequeño que no para de responder a las mismas preguntas de asistencia una y otra vez, no empiece por la tecnología. Empiece por recopilar y comprender esas preguntas. A continuación, analiza si un enfoque basado en RAG tiene sentido para ti.
El robot no sustituye a la ayuda humana. Pero nos devuelve el tiempo que necesitamos para ocuparnos de problemas realmente complejos y dormir toda la noche.
Stefan Preusler es el fundador y CEO de LeapLytics, una empresa de software especializada en visuales Power BI y visualización de datos. Crea productos que simplifican los procesos de datos y los hacen más accesibles para las empresas.
