De chatbots a agents d'IA: atenció al client amb RAG

Tothom s’ha trobat amb el chatbot d’abans. Aquell que t’oferia cinc botons, cap dels quals no encaixava amb el teu problema, abans d’admetre finalment que et “passaria amb un agent”. Va acostumar tota una generació de clients a escriure “humà” tan bon punt s’obria una finestra de xat.

La tecnologia que l’ha substituït només en comparteix el nom. Els assistents d’IA actuals, ancorats en el teu coneixement real i capaços d’actuar en els teus sistemes, resolen problemes en lloc d’esquivar-los. Passar del chatbot a l’agent pot ser un dels projectes d’IA més rendibles per a moltes empreses. Aquí tens què ha canviat de debò i com fer-ho bé.

Per què fallaven els chatbots d’abans

Els chatbots d’abans eren arbres de decisió disfressats. Algú dibuixava per endavant cada camí possible de la conversa, i el bot només podia seguir el guió. Tan bon punt un client deia alguna cosa d’una manera inesperada (és a dir, gairebé sempre), l’arbre se n’anava en orris. No entenien matisos, no tenien accés a dades en temps real i no podien fer res. Eren una pàgina de preguntes freqüents, pitjor i amb personalitat.

La primera onada de grans models de llenguatge va resoldre el problema de l’idioma: de cop i volta, el bot entenia gairebé qualsevol cosa que escrivís el client. Però en va crear un altre. Un model tal com ve respon a partir de les dades amb què s’ha entrenat, i això vol dir que s’inventa amb tota la seguretat del món detalls sobre el teu negoci (la teva política de devolucions, els teus preus, el teu horari) que no té manera de saber. En atenció al client, equivocar-se amb aplom és pitjor que un carreró sense sortida.

RAG: ancorar la IA a la teva informació real

La tècnica que ho resol és la generació augmentada per recuperació, o RAG. La idea és senzilla i potent. En lloc de demanar al model que respongui de memòria, primer recuperes la informació pertinent de les teves pròpies fonts fiables (documents d’ajuda, polítiques, dades de producte, tiquets anteriors) i la hi passes juntament amb la pregunta. Aleshores el model respon a partir d’aquest material i no de la seva imaginació.

L’efecte es nota de seguida. Ara l’assistent respon amb la teva política de devolucions real al davant. Quan actualitzes un document, la resposta s’actualitza. Quan no sap alguna cosa, ho pot dir, perquè veu que el material recuperat no respon la pregunta. El RAG és el que converteix un model que sembla espavilat en un de fiable per al teu negoci concret.

Construir un bon sistema RAG és més complex del que sembla: la qualitat depèn de com es fragmenten, s’indexen, es recuperen i es mantenen al dia els documents. Encertar tota aquesta cadena és el nucli del que fem en integracions d’IA: connectar un model al teu coneixement perquè les respostes tinguin fonament i no siguin suposicions.

De respondre a actuar

Les respostes ancorades són un gran pas, però el salt de debò arriba quan l’assistent deixa de limitar-se a dir coses als clients i comença a fer coses per ells. “On és la meva comanda?” no hauria de tornar instruccions per consultar-la, sinó l’estat real de l’enviament, consultat en temps real als teus sistemes. “Vull canviar l’adreça de lliurament” hauria de canviar l’adreça.

Aquí és on un chatbot es converteix en agent. Necessita un accés segur i controlat als teus sistemes interns (comandes, CRM, facturació), amb límits clars sobre què pot fer automàticament i què ha de passar a una persona. Fer una devolució petita per un motiu clarament vàlid: endavant. Una reclamació de 2.000 €: recull el context i la passa a una persona. Dissenyar aquests límits i connectar l’assistent amb seguretat als sistemes que executen les accions és tant un problema d’automatització de processos com d’IA.

Com canvien els números del teu servei d’atenció

El que fa que això convenci un negoci són els números, no la tecnologia. Un assistent ben construït, ancorat i capaç d’actuar acostuma a resoldre de cap a cap, a l’instant i a qualsevol hora, una gran part de les consultes rutinàries: l’estat de les comandes, els canvis de contrasenya, les preguntes sobre polítiques i els canvis senzills que representen el gruix del volum de suport.

Això té tres efectes alhora. Els clients obtenen una solució immediata en lloc de fer cua. El teu equip deixa d’ofegar-se en tiquets repetitius i dedica l’atenció a les converses complexes, de més valor i realment humanes, on aporta de debò. I el cost del suport deixa de créixer al mateix ritme que el negoci. L’objectiu no és treure persones, sinó deixar de malbaratar-les en feina que hauria de fer una màquina; aquesta és tota la filosofia de la nostra feina d’automatització amb IA.

Com fer-ho sense caure en els errors de sempre

Els errors habituals ja es coneixen, així que es poden evitar:

• Comença pel coneixement, no pel bot. Si els teus documents d’ajuda estan desfasats, el RAG servirà fidelment respostes desfasades. Netejar i estructurar el material d’origen és el primer pas, poc vistós, que ho determina tot.
• Digues clarament que és una IA. A part que és un requisit de transparència en normatives com el Reglament Europeu d’IA, els clients responen molt millor a un assistent competent que va de cara que no pas a un que fa veure que és humà i falla.
• Dissenya primer el camí cap a una persona. La manera més ràpida de perdre la confiança és un agent que deixa un client enfadat atrapat en un bucle. Passar el cas a una persona, net i amb context, és una funcionalitat, no una rendició.
• Mesura la resolució, no la desviació. “Converses gestionades sense intervenció humana” és una mètrica de vanitat si aquells clients simplement van desistir. Mesura si el problema es va resoldre de debò.
• Desplega-ho per fases. Comença responent en mode només lectura, comprova que és precís, després activa accions de baix risc i, finalment, amplia.

En resum

La distància entre el chatbot que la gent odiava i l’assistent que la gent fa servir de gust és evident, però no tan gran com sembla: sovint és un projecte acotat, no una transformació inacabable, un cop el coneixement i els sistemes estan endreçats. Les empreses que ho fan bé poden reduir una font habitual de frustració dels clients i contenir el cost del suport. Les que encara funcionen amb arbres de decisió del 2019 estan acostumant els seus clients a tenir por de contactar-les.

---

Vols que el teu suport deixi de ser un centre de cost i passi a ser una cosa que als clients els agradi de debò? Contacta amb nosaltres i veurem com seria, per al teu negoci, un assistent ancorat i capaç d’actuar.