Chatbot de atención al cliente que cita sus fuentes y sabe cuándo derivar

La mayoría de los equipos de soporte responden las mismas preguntas cada día. ¿Cómo restablezco mi contraseña? ¿Por qué me han cobrado dos veces? ¿Funciona el producto con esta otra herramienta? Los agentes copian una y otra vez los mismos enlaces del centro de ayuda, mientras los casos complejos esperan en la cola.

Muchas empresas probaron un chatbot y se arrepintieron. Los bots guionizados atrapan a los clientes en menús. Los bots de IA genéricos suenan fluidos, pero se inventan funciones, políticas y reglas de reembolso. En ambos casos, los clientes pierden la confianza y los agentes tienen que arreglar el desaguisado. El objetivo es un chatbot que responda solo a partir de su contenido real y muestre de dónde procede cada respuesta. Cuando no puede ayudar, se aparta con elegancia.

Qué hace este asistente

El chatbot utiliza generación aumentada por recuperación (RAG): busca en su propio contenido y luego un modelo de lenguaje responde usando solo lo que encontró. En concreto:

• Responde a partir de sus fuentes. Artículos del centro de ayuda, documentación de producto, notas de versión y ejemplos depurados de tickets resueltos.
• Cita sus fuentes. Cada respuesta enlaza al artículo en el que se basa, para que los clientes puedan leer más y los agentes puedan comprobarlo.
• Se abstiene cuando duda. Si no encuentra nada relevante, lo dice en lugar de adivinar.
• Deriva con contexto. Cuando un cliente pide hablar con una persona, está molesto o plantea un tema delicado, abre un ticket. El ticket incluye la conversación y un breve resumen.
• Funciona donde están los clientes. Primero un widget web y luego correo o canales de mensajería si los necesita.

Cómo funciona, paso a paso

1. Incorporar documentos. Obtenemos los artículos del centro de ayuda y la documentación mediante sus API o sitemaps. Exportamos los tickets resueltos de su help desk, eliminamos los datos personales y conservamos solo las respuestas que los agentes marcaron como buenas.
2. Dividir e indexar. El contenido se divide en secciones que conservan sus títulos y áreas de producto. Cada sección se almacena como un embedding, una representación numérica de su significado, junto con un índice de palabras clave para términos exactos como códigos de error.
3. Recuperar para cada pregunta. El bot reformula la pregunta como una búsqueda clara, encuentra las mejores secciones y prefiere los artículos oficiales a los ejemplos de tickets cuando se solapan.
4. Responder con citas. El modelo redacta una respuesta breve a partir de esas secciones y las enlaza. Por debajo de un umbral de relevancia, ofrece una derivación en su lugar.
5. Registrar y mejorar. Se registran las conversaciones, las fuentes utilizadas, las derivaciones y las valoraciones de los clientes. Cada semana revisamos los fallos y los convertimos en artículos de ayuda nuevos o mejores.

Herramientas que utilizamos

• Backend: Python con FastAPI para la incorporación de datos, la recuperación y la API del chat.
• Base de datos vectorial: pgvector en Postgres, o Qdrant para índices más grandes o de varias marcas.
• Modelo de lenguaje: OpenAI o Anthropic Claude mediante API empresariales, o un modelo privado de código abierto si sus normas de datos lo exigen.
• Interfaz y derivación: un widget web ligero, además de la API de su help desk, como Zendesk, Freshdesk, Intercom o HubSpot.

Revise los precios actuales, los límites de uso y las condiciones de conservación de datos de cada proveedor. Cambian a menudo y afectan tanto a sus costes como a su situación en materia de privacidad.

Qué necesita para empezar

• Un centro de ayuda que cubra sus preguntas principales, aunque sea imperfecto.
• Acceso a la API de su help desk y una exportación de tickets resueltos recientes.
• Una lista de temas que el bot debe derivar siempre, como disputas de facturación, cancelaciones, reclamaciones legales o cuestiones de seguridad.
• Uno o dos responsables de soporte que puedan revisar las respuestas durante el piloto.
• Sus pautas de tono de voz, para que las respuestas suenen como su equipo.

Alcance y plazos habituales

Una primera versión suele llevar de 2 a 4 semanas, según cuántas fuentes tenga y lo profunda que sea la integración con el help desk. Es una estimación, no un presupuesto cerrado. Un único centro de ayuda con un widget web y una derivación sencilla está en el extremo corto. Varios productos, idiomas o la depuración del historial de tickets lo alargan.

Normalmente lo lanzamos primero para una parte de los visitantes de la web o para una línea de producto. La cobertura crece a medida que las revisiones semanales demuestran que es seguro.

Diseñar la derivación

La derivación merece tanto diseño como las respuestas. Los clientes deben poder pedir hablar con una persona en cualquier momento, con sus propias palabras. El bot no debe discutir ni devolverlos en bucle a los artículos.

Cuando deriva, el agente recibe la transcripción completa y un resumen de dos líneas. El ticket también enumera las fuentes que el bot consultó y los datos de la cuenta ya facilitados. Fuera del horario de soporte, el bot indica cuándo responderá una persona y recoge lo que el agente necesitará. Una buena derivación ahorra tiempo al agente incluso cuando el bot no pudo responder.

Cómo mantenemos la precisión de las respuestas

• Un conjunto de evaluación con preguntas reales. Lo construimos a partir de sus tickets, con la respuesta y la fuente correctas para cada una. Cada cambio se prueba frente a él antes de publicarse.
• Citas obligatorias. No se envía ninguna respuesta sin una fuente que la respalde.
• Reglas de negativa y derivación. La baja relevancia, los temas delicados o la frustración repetida del cliente se derivan siempre a una persona.
• Revisión humana. Los responsables de soporte revisan cada semana una muestra de conversaciones y señalan las respuestas erróneas o flojas.

Medir la deflexión y la precisión

La deflexión y la precisión deben medirse juntas. Un bot puede cerrar muchas conversaciones dando respuestas erróneas con aparente seguridad. Eso parece deflexión, pero genera contactos repetidos y pérdida de clientes.

• Deflexión: cuente una conversación como resuelta solo si el cliente no abrió un ticket sobre el mismo problema dentro de un plazo determinado.
• Precisión: la proporción de respuestas de la muestra que los revisores consideran correctas y con fuentes adecuadas.
• Calidad de la derivación: si los agentes pudieron actuar a partir del resumen sin pedir al cliente que se repitiera.

En nuestro proyecto de atención al cliente con IA para Branify, el 70% de los tickets se resolvieron sin intervención humana y el tiempo medio de gestión se redujo un 45%. Los resultados dependen de la calidad del contenido y de la tipología de preguntas, así que mida primero su propia línea de base.

Riesgos y cómo los gestionamos

• Privacidad: el historial de tickets contiene nombres, correos y datos de pedidos. Eliminamos los datos personales antes de indexar y conservamos los registros del chat según un calendario de conservación. Consulte privacidad desde el diseño en RAG para conocer el enfoque general.
• Permisos: las respuestas específicas de una cuenta, como el estado de un pedido, proceden de llamadas a la API autenticadas para el cliente que ha iniciado sesión, nunca de un índice compartido.
• Respuestas erróneas: los umbrales de negativa, las citas y la revisión semanal limitan los daños, y los clientes siempre pueden contactar con una persona.
• Documentos desactualizados: los artículos se vuelven a sincronizar cuando cambian, y las notas de versión señalan los artículos que hay que actualizar cuando se lanzan funciones.

Cuándo no conviene construirlo

• Su centro de ayuda está casi vacío. Escriba primero los artículos principales; el bot necesita algo cierto que decir.
• La mayoría de los contactos requieren acciones sobre la cuenta o criterio, como reembolsos complejos o disputas. Una herramienta de triaje puede ayudar más.
• Su volumen de tickets es lo bastante bajo como para que los agentes respondan rápido de todos modos.
• La IA integrada en su help desk ya gestiona bien sus fuentes. Pruébela antes de desarrollar algo a medida.

Cómo puede ayudar UnlockLive

Construimos chatbots de soporte basados en fuentes, desde la depuración del contenido y la recuperación hasta la derivación al help desk y la evaluación que los mantiene fiables. Empiece por nuestro servicio de desarrollo RAG. Si el bot también necesita realizar acciones, como consultar pedidos o actualizar tickets, consulte desarrollo de agentes de IA.

Si muchos contactos se resuelven mejor asignándolos que respondiéndolos, lea nuestra guía sobre triaje de tickets de soporte con IA. Para canales de mensajería, consulte asistentes de IA en WhatsApp. Para hablar de su centro de ayuda y de la tipología de sus tickets, reserve una llamada gratuita de 30 minutos.