Intact Financial Corporation es el proveedor líder de seguros de propiedad y accidentes en Canadá, un proveedor líder de seguros especializados a nivel mundial y líder en líneas comerciales en el Reino Unido e Irlanda. Intact enfrentó un desafío al administrar su amplia red de centros de llamadas de atención al cliente y necesitaba una solución viable en 6 meses y una solución a largo plazo en 1 año. Con hasta 20.000 llamadas por día, el proceso de auditoría manual era ineficiente y tenía dificultades para mantenerse al día con el creciente tráfico de llamadas y las crecientes expectativas de servicio al cliente. Los agentes de control de calidad tenían que seleccionar manualmente las llamadas para auditar, lo que no era una solución escalable. Para abordar esto, Intact recurrió a la inteligencia artificial y la tecnología de voz a texto para obtener información valiosa de las llamadas y mejorar el servicio al cliente. La empresa desarrolló una solución automatizada llamada Call Quality (CQ) utilizando servicios de inteligencia artificial de Servicios web de Amazon (AWS). La implementación de CQ permitió a Intact manejar un 1500 % más de llamadas (15 veces más llamadas por auditor), reducir el tiempo de atención de los agentes en un 10 % y generar información valiosa sobre el comportamiento de los agentes, lo que condujo a un mejor servicio al cliente.
Amazon Transcribe es un servicio de reconocimiento automático de voz (ASR) totalmente administrado que ayuda a los desarrolladores a agregar capacidades de voz a texto a las aplicaciones. Utiliza el aprendizaje profundo para convertir audio en texto de forma rápida y precisa. En esta publicación, demostramos cómo la solución CQ utilizó Amazon Transcribe y otros servicios de AWS para mejorar los KPI críticos con auditoría y análisis de llamadas de centros de contacto con tecnología de inteligencia artificial.
Esto permitió a Intact transcribir las llamadas de los clientes con precisión, entrenar modelos de lenguaje personalizados, simplificar el proceso de auditoría de llamadas y extraer información valiosa de los clientes de manera más eficiente.
Descripción general de la solución
Intact tenía como objetivo desarrollar una plataforma de análisis de llamadas rentable y eficiente para sus centros de contacto mediante el uso de tecnologías de voz a texto y aprendizaje automático. El objetivo era perfeccionar los guiones de servicio al cliente, brindar oportunidades de capacitación para los agentes y mejorar los procesos de manejo de llamadas. Al hacerlo, Intact esperaba mejorar la eficiencia de los agentes, identificar oportunidades comerciales y analizar la satisfacción del cliente, posibles problemas con el producto y brechas de capacitación. La siguiente figura muestra la arquitectura de la solución, que se describe en las siguientes secciones.
Intact seleccionó Amazon Transcribe como su solución de inteligencia artificial de voz a texto por su precisión en el manejo tanto del inglés como del francés canadiense. Este fue un factor clave en la decisión de Intact, porque la empresa buscaba una plataforma versátil capaz de adaptarse a sus diversas necesidades comerciales. Amazon Transcribe ofrece capacidades de aprendizaje profundo, que pueden manejar una amplia gama de características acústicas y del habla, además de su escalabilidad para procesar desde unos pocos cientos hasta más de decenas de miles de llamadas diarias, también jugó un papel fundamental. Además, a Intact le impresionó que Amazon Transcribe pudiera adaptarse a diversos casos de uso de análisis posteriores a la llamada en toda su organización.
Procesamiento de llamadas y servicio de modelos.
Intact tiene centros de contacto locales y centros de contacto en la nube, por lo que crearon un proceso de adquisición de llamadas para recibir llamadas de ambas fuentes. La arquitectura incorpora un flujo de trabajo totalmente automatizado, impulsado por Puente de eventos de Amazonlo que desencadena una Funciones de paso de AWS flujo de trabajo cuando se carga un archivo de audio en un lugar designado Servicio de almacenamiento simple de Amazon (Amazon S3) balde. Este proceso de procesamiento sin servidor se basa en Amazon Transcribe, que procesa las grabaciones de llamadas y las convierte de voz a texto. Las notificaciones de transcripciones procesadas se envían a un Servicio de cola simple de Amazon (Amazon SQS) cola, que ayuda a desacoplar la arquitectura y reanudar el flujo de trabajo de la máquina de estado de Step Functions. AWS Lambda se utiliza en esta arquitectura como un procesador de transcripción para almacenar las transcripciones procesadas en un Servicio de búsqueda abierta de Amazon mesa.
El flujo de trabajo de procesamiento de llamadas utiliza modelos personalizados de aprendizaje automático (ML) creados por Intact que se ejecutan en Amazon Fargate y Nube de computación elástica de Amazon (Amazon EC2). Luego, las transcripciones en OpenSearch se enriquecen aún más con estos modelos de aprendizaje automático personalizados para realizar la identificación de componentes y proporcionar información valiosa, como el reconocimiento de entidades nombradas, la identificación de la función del orador, el análisis de sentimientos y la redacción de información de identificación personal (PII). Las mejoras periódicas en los modelos nuevos y existentes agregaron información valiosa que se puede extraer, como el motivo de la llamada, el cumplimiento del guión, el resultado de la llamada y el análisis de sentimientos en varios departamentos comerciales, desde reclamos hasta líneas personales. AmazonDynamoDB Se utiliza en esta arquitectura para controlar los límites de las colas. Luego, las transcripciones de llamadas se comprimen de WAV a formato MP3 para optimizar los costos de almacenamiento en Amazon S3.
Operaciones de aprendizaje automático (MLOps)
Intact también creó una canalización MLOps automatizada que utiliza Step Functions, Lambda y Amazon S3. Este canal proporciona capacidades de autoservicio para que los científicos de datos realicen un seguimiento de los experimentos de aprendizaje automático e introduzcan nuevos modelos en un depósito de S3. Ofrece flexibilidad para que los científicos de datos realicen implementaciones paralelas y planificación de capacidad, lo que les permite cambiar sin problemas entre modelos tanto para fines de producción como de experimentación. Además, la aplicación ofrece paneles de control backend adaptados a las funcionalidades de MLOps, lo que garantiza un seguimiento y optimización fluidos de los modelos de aprendizaje automático.
Interfaz y API
La aplicación CQ ofrece una sólida interfaz de búsqueda especialmente diseñada para agentes de calidad de llamadas, equipándolos con poderosas capacidades de auditoría para el análisis de llamadas. El backend de la aplicación funciona con Amazon OpenSearch Service para la funcionalidad de búsqueda. La aplicación también utiliza Cognito Amazonas para proporcionar un inicio de sesión único para un acceso seguro. Por último, las funciones Lambda se utilizan para la orquestación para recuperar contenido dinámico de OpenSearch.
La aplicación ofrece paneles de tendencias personalizados para brindar información empresarial procesable, lo que ayuda a identificar áreas clave donde los agentes asignan su tiempo. Utilizando datos de fuentes como Amazon S3 y Snowflake, Intact crea paneles integrales de inteligencia empresarial que muestran métricas clave de rendimiento, como períodos de silencio y tiempo de atención de llamadas. Esta capacidad permite a los agentes de calidad de llamadas profundizar en los componentes de las llamadas, lo que facilita oportunidades de capacitación para agentes específicos.
Panel de tendencias de calidad de llamadas
La siguiente figura es un ejemplo del Panel de tendencias de calidad de llamadas, que muestra la información disponible para los agentes. Esto incluye la capacidad de filtrar según múltiples criterios, incluidos fechas e idiomas, tiempo promedio de manejo por componentes y administradores de unidad, y tiempo de conversación versus tiempo de silencio.
Resultados
La implementación del nuevo sistema ha supuesto un aumento significativo de la eficiencia y la productividad. Ha habido un aumento del 1.500% en la velocidad de auditoría y un aumento del 1.500% en el número de llamadas revisadas. Además, al crear MLOps en AWS junto con la solución CQ, el equipo ha reducido la entrega de nuevos modelos de ML para proporcionar análisis de días a meras horas, lo que hace que los auditores sean un 65 % más eficientes. Esto también ha resultado en una reducción del 10% en el tiempo de los agentes por llamada y una reducción del 10% en el tiempo promedio de espera a medida que reciben capacitación específica para mejorar sus conversaciones con los clientes. Esta eficiencia ha permitido un uso más eficaz del tiempo de los auditores para diseñar estrategias de coaching, mejorar guiones y capacitar a los agentes.
Además, la solución ha proporcionado beneficios intangibles, como una disponibilidad extremadamente alta sin tiempos de inactividad importantes desde 2020 y una previsibilidad de altos costos. El diseño modular de la solución también ha dado lugar a implementaciones sólidas, lo que redujo significativamente el tiempo para las nuevas versiones a menos de una hora. Esto también ha contribuido a una tasa de fallas cercana a cero durante el despliegue.
Conclusión
En conclusión, la implementación de CQ por parte de Intact Financial Corporation, impulsada por los servicios de IA de AWS, ha revolucionado su enfoque de servicio al cliente. Este estudio de caso sirve como testimonio del poder transformador de la inteligencia artificial y la tecnología de voz a texto para mejorar la eficiencia y eficacia del servicio al cliente. El diseño y las capacidades de la solución posicionan bien a Intact para utilizar IA generativa en futuros proyectos de transcripción. Como próximos pasos, Intact planea seguir utilizando esta tecnología procesando llamadas usando Transmisión de Amazon Transcribe para la transcripción en tiempo real y la implementación de un agente virtual para proporcionar a los agentes humanos información relevante y respuestas recomendadas.
El viaje de Intact Financial Corporation es un ejemplo de cómo la adopción de la IA puede conducir a mejoras significativas en la prestación de servicios y la satisfacción del cliente. Para los clientes que buscan comenzar rápidamente su viaje de análisis de llamadas, explore Análisis de llamadas de Amazon Transcribe para análisis de llamadas en vivo y asistencia de agentes y análisis posteriores a la llamada.
Acerca de los autores
Étienne Brouillard es arquitecto principal de IA de AWS en Intact Financial Corporation, el mayor proveedor de seguros de propiedad y accidentes de Canadá.
ami dani es gerente sénior de programas técnicos en AWS y se centra en servicios de IA/ML. Durante su carrera, se ha centrado en ofrecer proyectos de desarrollo de software transformadores para el gobierno federal y grandes empresas en industrias tan diversas como la publicidad, el entretenimiento y las finanzas. Ami tiene experiencia impulsando el crecimiento empresarial, implementando programas de capacitación innovadores y gestionando con éxito proyectos complejos y de alto impacto.
Prabir Sekhri es arquitecto senior de soluciones en AWS en el sector de servicios financieros empresariales. Durante su carrera se ha centrado en proyectos de transformación digital dentro de grandes empresas en industrias tan diversas como las finanzas, multimedia, telecomunicaciones así como los sectores de energía y gas. Su experiencia incluye DevOps, seguridad y diseño y arquitectura de soluciones de almacenamiento empresarial. Además de la tecnología, a Prabir siempre le ha apasionado tocar música. Dirige un conjunto de jazz en Montreal como pianista, compositor y arreglista.