segunda-feira, 5 de agosto de 2019

Como melhorar a Produtividade e o Atendimento ao Cliente por meio da Transformação Digital


Fornecedores de soluções baseadas em Inteligência Artificial (IA), como a Intellimetri (www.intellimetri.com.br), buscam melhorar a forma como as empresas interagem com os clientes, aumentando a conversão de vendas e melhorando a experiência do cliente.

Uma das áreas que a IA começa a disromper é o atendimento ao cliente, especialmente no mundo repetitivo e de mão-de-obra intensiva dos Call Centers, que está sendo revolucionado por meio de tecnologias baseadas em Inteligência Artificial, como o Processamento de Linguagem Natural (Natural Language Processing - NLP).

Existem basicamente dois tipos de Call Centers:

- os Inbound Call Centers, onde os clientes ligam para os operadores e normalmente são gerenciados por empresas que prestam serviços de pós-venda; e
- os Outbound Call Centers, onde os operadores ligam para os clientes. Esses Call Centers são normalmente usados para campanhas de pré-venda e de venda e realização de pesquisas de mercado.

A Transformação Digital aplicada aos Call Centers pode ser dividida em três categorias: Reconhecimento de Fala em tempo real; Gerenciamento de Conversa, que garante o processamento simultâneo de chamadas telefônicas; e Análise de Conversação e Intenção, que decifra o diálogo dos usuários, considerando sua semântica.


--> Essas três categorias são viabilizadas pelas abordagens tecnológicas e processos detalhados no infográfico a seguir:


Um dos segmentos de mercado onde os Call Centers encontram-se mais automatizados é o de e-commerce, onde encontram-se focados em operações de atendimento a clientes mais exigentes e hiperconectados. Neste caso, Assistentes de Voz inteligentes e Chatbots já são comumente usados para lidar com inúmeras consultas de clientes, entendendo e atendendo as demandas a vários tipos de serviços online.

A nova e pujante aplicação da tecnologia de NLP no cenário de Call Centers, todavia, é a análise de dados de registros de chamadas. Neste caso, a fim de fornecer um atendimento mais assertivo e personalizado, os algoritmos assumem a análise das conversas entre clientes e atendentes, identificando emoções e intenções dos interlocutores.

A demanda por esse tipo de serviço está aumentando sensivelmente nos setores de atendimento massivo a clientes, que recebem grandes quantidades de consultas telefônicas e exabytes de dados de mensagens de texto. Até então, o BigData gerado por estes atendimentos transformavam-se em dark data, que não chegavam a ser sequer acessados. Todavia, por meio da tecnologia NLP, algoritmos passam a organizar e analisar automaticamente todos esses dados, em tempo real, gerando informação para a tomada de decisão e melhoria dos processos.

Um resultado imediato da transformação desse antigo emaranhado de dark data em inteligência estratégica pode ser alcançado por meio do uso de tecnologias de análise de dados não estruturados para a geração e fornecimento de recomendações personalizadas de produtos aos clientes, ajudando no cross-sell e up-sell, além de reduzir as taxas de reclamação.

Como cada vez mais empresas estão registrando e retendo os dados de seus serviços de atendimento ao cliente, espera-se que a análise de dados dos registros de chamadas cresça exponencialmente. Neste cenário, tecnologias baseadas em IA, como a NLP, são capazes converter os áudios das chamadas telefônicas em texto, entendendo seu conteúdo a fim de gerar inteligência estratégica capaz de alavancar a lucratividade e aumentar a satisfação dos clientes.

Dessa forma, a NLP e os Assistentes de Voz inteligentes passam a se tornar parte de nossas vidas cotidianas, seja em plataformas de comércio eletrônico, em serviços de reservas de viagens ou até nos assistentes domésticos como Alexa, Siri e Google Home.

A disrupção que a NLP e a IA exercerão nos Call Centers irá contribuir de forma inexorável para a redução de custos de mão-de-obra, ao libertar os seres humanos de trabalhos redundantes e entediantes, tornando os serviços de atendimento telefônico mais personalizados, automatizados, eficientes e convenientes.

Na Intellimetri, desenvolvemos ferramentas de NLP baseadas em tecnologias de conversão da fala em texto (speech to text), machine learning e deep learning associadas para desenvolver soluções personalizadas para cada contexto empresarial. Após identificar as palavras usadas tanto pelo cliente, quanto pelo atendente, nosso algoritmo cria vetores de palavras a fim de analisar o conteúdo e o contexto dessas chamadas, procurando o grau de semelhança entre o script sugerido pela gerência do Call Center e o script efetivamente praticado pelo operador.

Dessa forma, podemos encontrar inconsistências entre esses dois scripts, para que possamos orientar os tomadores de decisão em relação ao nível de experiência do cliente no atendimento e grau de vinculação do script efetivamente praticado pelo atendente àquele fornecido por seu gerente. Também podemos automatizar a classificação de chamadas em relação à sua qualidade. Após essa análise, é gerada uma grande quantidade de dados, ficando disponível na forma dashboards contendo insights estratégicos para a alta gerência. Esses dashboards são gerados em tempo real para que os operadores obtenham feedback e melhorem seu desempenho continuamente.

Como a maioria das bibliotecas na NLP foi desenvolvida para o idioma inglês, fizemos um esforço especial para adaptar e usar essas bibliotecas para a língua portuguesa. Usamos, por exemplo, vetores de palavras da Wikipedia e baseamos nossas análises em coeficientes de similaridade para identificar os sentimentos presentes nas chamadas.

Por fim, consideramos a interação humana por meio da NLP como a área mais bonita para direcionar nossos esforços em IA, sendo este um dos cenários mais promissores para aplicação da inteligência artificial na [r]evolução dos negócios. Essas são ferramentas empresariais de fato, que ajudarão a transformar as organizações em negócios inovadores, eficientes e sustentáveis.


Rubens Zimbres, Diretor de Artificial Intelligence - in/Rubens-Zimbres
Gerson Rolim, Chief Innovation Officer - in/GersonRolim