Cómo los expertos utilizan la IA para convertir transcripciones de llamadas y datos históricos de ventas en palancas de crecimiento en tiempo real

Durante décadas, la inteligencia empresarial ha sido una calle de sentido único. Haces una pregunta, le pides al equipo de ingeniería que cree un rastreador, esperas meses a que se acumulen los datos y solo entonces puedes encontrar una respuesta. Pero un nuevo enfoque impulsado por IA está dejando obsoleto ese modelo lineal, convirtiendo archivos de datos estancados en activos vivos que puedes consultar con preguntas que ni siquiera se te habían ocurrido todavía.

En este escenario donde el futuro es ahora, John Hughes, director de crecimiento del gigante de plataformas comerciales Vintage Cash Cow, explica cómo su plataforma de reventa con sede en el Reino Unido es pionera en un enfoque no lineal de los datos que potencia la agilidad estratégica.

Escapar de la hoja de ruta: El avance, explica Hughes, es que la IA ahora puede analizar retroactivamente datos históricos con criterios totalmente nuevos, liberando a las empresas del ciclo tradicional de desarrollo de productos. “Realmente puede liberar tu hoja de ruta de producto”, afirma. “Ahora podemos usar nuestros datos existentes para responder preguntas que ni siquiera sabíamos que teníamos. Anteriormente, para capturar nueva información, teníamos que añadir una nueva categoría en nuestro software y esperar a que ocurrieran suficientes eventos antes de sacar conclusiones”.

Reescribir la historia: Hughes ofrece un ejemplo potente de esto en acción. "Ahora, simplemente puedes darle una instrucción a la IA: 'Aquí tienes mi conjunto de datos de 50.000 transcripciones de llamadas. Solía tener cuatro formas de clasificar una llamada, pero ahora quiero añadir una quinta. Por favor, reclasifícalas todas por mí'", dice. El resultado es transformador. "De repente, descubres que este 'nuevo' proceso ha aparecido en el 25% de tus llamadas del último año", continúa Hughes. "Puedes obtener esa información al instante, sin necesidad de cambiar el producto ni volver a capacitar a tus agentes".

Del análisis a la acción: Esta misma tecnología subyacente (una IA capaz de escuchar y comprender) puede aplicarse para automatizar los flujos de trabajo de los agentes en tiempo real. Hughes describe la creación de un sistema de agentes secuenciales y especializados. “Tenemos un agente que escucha las llamadas y está entrenado para detectar si el cliente menciona dónde se enteró de nosotros”, explica. “Al finalizar la llamada, transfiere esa información a otro agente entrenado para dar sentido a esos datos e introducirlos en nuestro CRM”.

Carga cognitiva: El resultado de esta automatización centrado en las personas es profundo. Al delegar el trabajo administrativo, los agentes pueden liberar su atención por completo. “Cualquier agente sabe lo que distrae estar hablando con un cliente y, al mismo tiempo, tener que cambiar de pantalla en el CRM o tomar notas”, comenta Hughes. “Al eliminar esa carga cognitiva, les permites concentrarse plenamente y estar más presentes en la llamada”.

Aportar valor: En última instancia, ya sea analizando datos pasados o automatizando tareas actuales, el objetivo es el mismo: aclarar qué parte del trabajo es exclusivamente humana. “Mucha gente piensa que la IA viene a quitarles el trabajo, pero en realidad los hará mejores en él”, afirma. “Simplemente no te das cuenta de qué partes son tu trabajo y cuáles no. Tu verdadero trabajo no son las tediosas tareas administrativas; tu trabajo es aportar valor”. Y concluye: “Esa llamada en el centro de atención al cliente no es repetitiva. Es una interacción entre dos seres humanos diferentes cada vez”.