Por Kathleen McNair y Tonya Webber
Revisar todas las interacciones con los clientes parece algo impresionante, sobre todo para los equipos de calidad que llevan años trabajando con muestras reducidas. El control de calidad tradicional de los centros de atención al cliente se basaba en la escasez. La mayoría de los equipos solo podían revisar entre el 2 % y el 5 % de las interacciones y utilizaban esa muestra para formar a los agentes, supervisar el cumplimiento normativo y evaluar el rendimiento del programa.
La supervisión de la calidad con ayuda de la IA amplía el alcance de lo que los equipos pueden observar. El problema es que el hecho de supervisar más interacciones no indica automáticamente a los responsables dónde se está perdiendo valor ni qué es lo que hay que cambiar en primer lugar. Los equipos siguen necesitando saber qué es lo que están midiendo, por qué es importante y cómo se utilizará esa información.
Una interacción con un cliente puede parecer impecable sobre el papel y, aun así, no satisfacer al cliente. El agente siguió el procedimiento. La respuesta fue correcta. Se aplicó la política. La documentación estaba completa.
El control de calidad tradicional de los centros de atención al cliente suele quedarse ahí.
En nuestro trabajo en COPC Inc., analizamos esa misma interacción desde una perspectiva diferente. Queremos saber si el problema del cliente se resolvió realmente, qué impidió su resolución y si ese obstáculo era algo que el agente podía controlar.
Esa pregunta cambia el papel de la calidad. Desplaza el debate más allá del cumplimiento por parte de los agentes y lo centra en las políticas y los procesos que determinan la experiencia real de los clientes.
Por qué el departamento de control de calidad de los centros de atención al cliente debe cuestionar la política, y no solo al agente
Los agentes necesitan normas claras, y las organizaciones deben saber si esas normas respaldan el resultado que espera el cliente. Una política puede aplicarse correctamente y, aun así, dar lugar a un resultado que el cliente perciba como un problema sin resolver.
En COPC, creemos que la pregunta aún más difícil es:«¿Cuánto te está costando esa póliza en términos de resolución de incidencias? ¿Y merece la pena?».
Aquí es donde las herramientas de IA para el control de calidad pueden resultar útiles, al señalar cuándo se repite el mismo problema relacionado con una política, un proceso o una herramienta en las distintas interacciones. El valor reside en utilizar esos patrones para comprender su impacto en la resolución del problema y, a continuación, decidir si la empresa debe mantener la norma tal y como está redactada, modificar el flujo de trabajo, crear una opción digital u ofrecer a los agentes una vía más eficaz para resolver el problema.
Cómo el control de calidad de los centros de atención al cliente puede poner de manifiesto las discrepancias en las políticas
Tomemos como ejemplo un caso relacionado con la garantía. Un cliente se pone en contacto con el servicio de atención al cliente porque quiere que le reparen el producto o que le devuelvan el dinero. El agente consulta la política de garantía, comprueba que el artículo ya ha superado el plazo de garantía, explica la norma correctamente, deniega la solicitud y documenta la interacción.
Desde el punto de vista tradicional de la calidad, el agente hizo lo correcto.
Desde el punto de vista del cliente, el problema no se había «resuelto».
La siguiente pregunta es qué impidió la resolución. ¿Se saltó el agente algún paso? ¿Dio una respuesta incorrecta? ¿Necesitaba más coaching? A veces, la respuesta es sí. En muchos casos, los datos de calidad apuntan a otra causa. Es posible que el agente haya seguido el proceso correctamente, pero que la política, el flujo de trabajo, la herramienta o la norma empresarial hayan dado lugar a un resultado que el cliente percibió como un caso sin resolver.
Cuando realizamos este análisis para nuestros clientes, agrupamos los contactos sin resolver en función de lo que el agente podía controlar y lo que no podía controlar debido a políticas, procesos, herramientas, normas financieras, requisitos de cumplimiento u otras limitaciones empresariales.
En el caso de uno de nuestros clientes de comercio electrónico B2B de Norteamérica, las cifras cambiaron el panorama. El 60 % de los problemas se resolvieron desde el punto de vista del cliente, mientras que el 40 % restante no se resolvió. De ese 40 % sin resolver, 12 puntos porcentuales estaban relacionados con factores que dependían de los agentes y 28 puntos se debían a políticas, procesos, herramientas u otras limitaciones empresariales.
Cómo las herramientas de IA para el control de calidad convierten los patrones en decisiones empresariales
COPC utiliza herramientas de inteligencia artificial para el control de calidad con el fin de que nuestros clientes puedan identificar las tendencias. Organizan esos datos para que los responsables puedan ver de un vistazo en qué puntos se está fallando en la resolución de incidencias y cuáles son las causas, ya sea una política, un proceso, una carencia en las herramientas o el comportamiento de los agentes.
El objetivo es pasar de miles de interacciones supervisadas a una breve lista de decisiones empresariales.
- ¿Qué política hay que revisar?
- ¿Qué proceso genera una demanda recurrente?
- ¿Qué problema relacionado con las herramientas está creando dificultades tanto a los clientes como a los agentes?
- ¿Qué cambio mejoraría la resolución más rápidamente?
El siguiente paso para los equipos de calidad
En lo que respecta a las operaciones relacionadas con la experiencia del cliente, el valor reside en comprender cuál debe ser el siguiente paso de la empresa. La supervisión de la calidad respaldada por la inteligencia artificial puede aportar escala. Los equipos de calidad son los que generan el valor. Son ellos quienes definen qué significa «resuelto» desde la perspectiva del cliente, validan los resultados, interpretan las causas fundamentales y presentan a la empresa argumentos basados en datos para la toma de decisiones.
Así es como el control de calidad de los centros de atención al cliente pasa de ser un mero recuento de puntuaciones a convertirse en inteligencia estratégica. Permite identificar en qué casos el agente actuó correctamente, en cuáles el cliente quedó sin una solución y en qué políticas, procesos o herramientas conviene profundizar.
Para profundizar en el tema, lee el artículo completo: «Supervisión de la calidad mediante IA en los centros de atención al cliente: cómo convertir el control de calidad de un centro de costes en inteligencia estratégica», y descubre cómo los equipos de calidad pueden utilizar la supervisión basada en la IA para convertir los datos sobre los resultados de los clientes en conclusiones sobre las causas fundamentales y en decisiones empresariales.
Acerca de las autoras
Kathleen McNair, directora ejecutiva para la región de las Américas
Kathleendirige las prácticas de consultoría, certificación y formación en experiencia del cliente de COPC en América. Es responsable de toda la prestación de servicios y de la cuenta de resultados. Con una amplia experiencia en gestión de proveedores, contratación y mejora del rendimiento, ha liderado proyectos de transformación en gestión de operaciones, BPO y diseño del recorrido del cliente para operaciones globales a gran escala. Kathleen cuenta con una trayectoria contrastada en la creación de programas multicanal que abarcan las ventas, la atención al cliente y el soporte técnico, ayudando a los clientes a ampliar tanto las experiencias de cliente asistidas como las digitales.
Tonya Webber, directora de consultoría
. Tonyacuenta con más de dieciséis años de experiencia en liderazgo en la experiencia del cliente (CX), y está especializada en transformación operativa, optimización de procesos y mejora del rendimiento. Colabora con los clientes de COPC para reforzar las operaciones de interacción con los clientes mediante el análisis de deficiencias en los procesos, la gestión del conocimiento, gobernanza e iniciativas de mejora basadas en datos. Como antigua directora de operaciones del proveedor de SaaS RealPage, Tonya dirigió equipos de analistas para impulsar la eficiencia, apoyar el lanzamiento de productos y subsanar deficiencias críticas en los procesos. Con amplia experiencia en gestión de proyectos, calidad y gestión estratégica de relaciones con proveedores, es reconocida por aplicar el análisis de causas raíz y prácticas de mejora continua que generan un impacto empresarial cuantificable.