.jpg)
Cada día, las conversaciones con clientes revelan lo que ocurre en un negocio: los problemas de producto que el cliente no resuelve solo, las políticas que generan confusión y los comportamientos que separan a los mejores agentes del resto de la primera línea.
Sin embargo, extraer esa inteligencia y convertirla en conclusiones útiles ha exigido tradicionalmente demasiado trabajo manual y demasiado conocimiento previo. Los sistemas de analítica convencionales responden preguntas y extraen conclusiones… siempre que alguien sepa ya qué buscar. Y siempre que tenga tiempo, capacidad y experiencia para encadenar varias fases de análisis, cálculo y verificación. El proceso sigue teniendo valor, pero es lento, propenso a errores y limitado por los supuestos de partida.
Hoy presentamos la nueva generación de Cresta Insights: con mejoras importantes en AI Analyst y Topic Discovery, además de la llegada de Real-Time Trends. Juntas, estas capacidades hacen que Cresta Insights sea más sólida, más inmediata y más autónoma que nunca. Ayudan a las empresas a entender qué lleva al cliente a contactar, qué ocurre durante la conversación y qué debe hacer el negocio después.
AI Analyst: de responder preguntas a investigar por su cuenta
Desde su lanzamiento, AI Analyst permite a los usuarios de negocio preguntar sobre sus conversaciones con clientes en sus propias palabras. Con las mejoras de hoy va más lejos: planifica y ejecuta la investigación necesaria para dar una respuesta completa y luego recomienda qué acciones deben tomar los responsables.
Un usuario puede empezar con una pregunta amplia: «¿cómo están gestionando los agentes las consultas sobre la reciente interrupción del servicio?». AI Analyst localiza las conversaciones relevantes y razona en varios pasos: acota los datos y comprueba si los hallazgos son significativos. Después ejecuta el análisis, construye comparativas, evalúa los resultados y decide qué pasos adicionales pueden ser útiles.
En lugar de esperar a que el usuario defina cada filtro y cada paso analítico, AI Analyst diseña un plan y lo ejecuta de forma autónoma. En esencia, es un agente de investigación de CX que trabaja de forma proactiva para el negocio.
Un detalle importante: AI Analyst razona con mucho más que las transcripciones de las conversaciones, así que puede responder preguntas que van bastante más allá de la superficie. Incorpora los motivos de contacto y momentos concretos, como comportamientos del agente o del cliente y objeciones definidos en Cresta Opera, los resultados y otro contexto de negocio relevante.
Con una entrada más rica, la salida también lo es. Según la pregunta, AI Analyst genera gráficos, comparativas cuantitativas, consultas sobre conversaciones, informes de detección de comportamientos, recomendaciones de coaching y borradores de comunicaciones. El resultado está pensado para que el equipo actúe de inmediato y lo comparta con más gente.
Por ejemplo, en un periodo de incertidumbre en el sector, una gran aerolínea usó AI Analyst para examinar cómo gestionaban sus agentes las preguntas sobre un problema en curso. El análisis no se quedó en identificar temas comunes: propuso un árbol de decisión que puede guiar a los agentes en esas conversaciones a partir de ahora.
Los equipos que protegen la experiencia de cliente durante una interrupción del servicio pueden preguntar qué comportamientos de los agentes están apareciendo en esas conversaciones. Y cuáles se asocian con más fuerza a resultados inferidos por Cresta, como el CSAT. AI Analyst sacó a la luz esos patrones dentro de las llamadas sobre la incidencia, todo a partir de preguntas formuladas en las palabras del propio usuario.
Eso resume la promesa del nuevo AI Analyst: no solo convierte una pregunta de dirección en una respuesta sólida y respaldada por datos, sino que recomienda de forma proactiva el siguiente paso. Con una síntesis de todo lo que necesitan saber sobre su experiencia de cliente, los equipos pasan de la conclusión a la acción mucho antes.
Topic Discovery: una visión con matices de por qué llaman los clientes
Las empresas necesitan una forma coherente de entender por qué las contactan sus clientes. Históricamente eso pasaba por crear y mantener grandes conjuntos de categorías basadas en palabras clave. Son sistemas costosos en tiempo y que quedan obsoletos enseguida.
Topic Discovery ya resolvía una parte clave del problema al aplicar clustering no supervisado con LLM a los motivos de contacto. Con la actualización de hoy resulta más fácil alinear esa taxonomía derivada del LLM con el negocio y mantenerla alineada en el tiempo. Esa visión de referencia de los motivos de contacto se puede aplicar en toda la plataforma Cresta: dashboards, workflows y análisis.
Topic Discovery genera una taxonomía exhaustiva con hasta tres niveles de subcategorías. En lugar de pedir a los equipos que definan cada motivo de contacto por adelantado, el sistema identifica la estructura que ya existe en las conversaciones.
En banca, una organización puede usar Topic Discovery para generar una taxonomía con categorías como rechazos de tarjeta, transacciones reclamadas, acceso a la cuenta, retrasos en transferencias y consultas sobre comisiones, con subcategorías más específicas debajo. El equipo de CX revisa la estructura propuesta, fusiona los grupos que se solapan y renombra o reordena varias categorías para ajustarlas a la terminología interna del banco.
Una vez aprobada, esa estructura se convierte en una taxonomía estable. Cada conversación cerrada se clasifica automáticamente con ella, sin que los equipos tengan que mantener bibliotecas enormes de palabras clave ni rehacer una y otra vez el mismo análisis.
Los motivos de contacto pasan a ser un atributo de primer nivel en Cresta. Se pueden usar como métricas y filtros en Dashboard Builder, como filtros en AI Analyst y como condiciones de activación en las reglas de Opera. Así Topic Discovery deja de ser un análisis aislado y se convierte en una fuente de verdad que sostiene informes, investigación, reglas operativas y orientación en primera línea en toda la plataforma.
Real-Time Trends: detectar lo que nadie sabía que había que vigilar
Una taxonomía sólida ofrece una visión duradera de las necesidades recurrentes del cliente, pero no puede anticipar cada caída de servicio, incidencia regional, cambio de política, fallo de producto o imprevisto. Real-Time Trends existe para identificar esos hechos según ocurren.
Imagine que un retailer lanza una gran promoción y olvida activar el código de descuento en su sistema de pago. Como es lógico, los clientes empiezan a llamar en masa cuando el código falla al pagar. En lugar de enterarse por los agentes, los responsables de experiencia de cliente ven ese pico de conversaciones sobre códigos fallidos en cuestión de minutos en Real-Time Trends. Así pueden corregir la situación y dar a los equipos el contexto que necesitan.
El sistema analiza sin parar las conversaciones en busca de expresiones emergentes, picos inusuales y patrones transversales, incluidas tendencias que aún no figuran en la taxonomía de la empresa. Suelen ser las «incógnitas desconocidas»: cuestiones que importan precisamente porque nadie las previó ni creó un tracker para ellas.
Real-Time Trends detecta esos cambios al minuto. Cada tendencia incluye un titular generado automáticamente y una explicación de la causa raíz probable, elaborada por AI Analyst. El usuario puede configurar alertas por correo para enterarse en cuanto un problema nuevo empieza a dispararse.
Piense en una aseguradora de automoción cuando una granizada repentina atraviesa una gran área metropolitana. Los clientes empiezan a llamar por daños en el vehículo, abren siniestros y preguntan por franquicias y coche de sustitución. Todas esas etiquetas ya existen en la taxonomía de la aseguradora. Lo que la taxonomía no puede mostrar por sí sola es que un único evento rápido y destructivo está detrás de ese pico de volumen. Real-Time Trends conecta las señales, identifica el pico, explica la causa raíz probable y avisa a los equipos que deben decidir si activan el protocolo de catástrofes.
Esa visibilidad adicional acelera la respuesta cuando cada hora cuenta. Las aseguradoras suelen tener protocolos de catástrofe (CAT) para movilizar peritos, reservar coches de alquiler y hoteles, coordinar contratistas y dar a los agentes orientación específica del evento. Real-Time Trends no sustituye a la vigilancia meteorológica ni a los umbrales de catástrofe. Añade una visión directa de cómo afecta el evento a los asegurados en tiempo real, y ayuda a difundir argumentarios, mostrar la orientación pertinente de Agent Assist y desplegar recursos antes del pico de demanda.
De la analítica de conversaciones a un sistema de decisión
El mercado de la inteligencia conversacional va más allá de los dashboards, los trackers y los informes retrospectivos. Las empresas necesitan sistemas capaces de mantener una comprensión fiable de lo que necesita el cliente, de detectar cambios emergentes sin que nadie les diga qué buscar y de asumir buena parte del trabajo analítico que convierte esas señales en decisiones con datos.
Cada una de las capacidades que presentamos hoy resuelve un ángulo distinto de esta evolución:
- Topic Discovery aporta la estructura duradera: una visión fiable de sobre qué tratan las conversaciones con clientes.
- Real-Time Trends aporta la señal inmediata: visibilidad de lo que está cambiando ahora mismo, incluidos los eventos que ninguna taxonomía se diseñó para captar.
- AI Analyst aporta la capa de razonamiento: investiga las pruebas, las conecta con el contexto general y ayuda a decidir el siguiente paso del negocio.
Juntas, las tres capas convierten los datos escondidos en sus conversaciones con clientes en las decisiones que mueven su negocio, con más rapidez, más seguridad y más profundidad que cualquier otro sistema del mercado.
A gran escala, eso se traduce en menores costes de servicio y en mejores experiencias de cliente. El sistema revela cuándo se puede simplificar un recorrido, dónde eliminar fricción innecesaria y dónde el cliente puede resolver por sí mismo antes de llamar o abrir un chat. También sienta las bases para una mejor resolución en el primer contacto (FCR): ayuda a entender antes las nuevas necesidades y a guiar mejor al agente en el momento.
¡Para ver estas novedades en acción, solicite hoy mismo una demo personalizada!
