Una de las tendencias que actualmente está generando más interés en muchos de los clientes de MTP (empresa de aseguramiento de negocios digitales en las áreas de QA, UX, DevOps &Agile y ciberseguridad) es el abordaje de proyectos para la automatización de procesos a través de la combinación de técnicas de robotización RPA (Robotic Process Automation) y aprendizaje automático ML (Machine Learning).
El uso conjunto y coordinado de ambos enfoques genera un valor añadido sobre la ya de por sí potente automatización de tareas de negocio basadas en reglas, que aporta RPA.
El quid de la cuestión está en que algunos de los procesos de la organización requieren dotar a esta automatización de cierta capacidad de interpretación de situaciones y de tener la posibilidad de realizar predicciones en base a la información disponible como método para la toma de decisiones, de una forma más parecida a como actuaría una persona ante el problema.
En estos casos, el enfoque clásico de programación imperativa en base a reglas podría derivar en una explosión combinatoria de opciones, que puede ser extremadamente difícil de analizar, identificar y de manejar.
Por ello, cada vez más se prefiere implementar esta ‘inteligencia’ usando técnicas de aprendizaje automático, en las que más que programar al sistema indicándole qué tiene que hacer en cada situación se le entrena para tomar decisiones en base a la experiencia.
Beneficios
Los beneficios que se pueden obtener de esta alianza de tecnologías también se multiplican al permitir dar cobertura a un mayor número de procesos de negocio que sin la aplicación de estas técnicas conjuntas estarían fuera de alcance.
De esta forma, se logra un mayor incremento de eficiencia de los procesos y minimización de errores además de asegurar la calidad en un mayor número de operaciones de negocio asociadas.
Proyecto ML-CAU
En MTP no somos ajenos a los avances en ésta línea y nos encontramos inmersos en un interesante proyecto de aplicación práctica del binomio RPA-ML.
Nuestro proyecto tiene como escenario de operaciones el Contact Center (CAU) de uno de nuestros principales clientes, del sector de ‘Utilities’.
El objetivo fundamental del proyecto es disponer de una herramienta que basándose en la experiencia previa permita asignar a la primera y sin errores el resolutor que ha de encargarse de un determinado ticket que entra en el CAU, junto con la capacidad de discriminar tickets que no incluyen información correcta o deben ser escalados a otro CAU.
Este objetivo se concreta en:
- Crear los modelos de ML (Machine Learning) necesarios para implementar la lógica de decisión para mejorar el enrutamiento del ticket a la empresa o área resolutora.
- Partiendo de la información histórica calibrar y entrenar los modelos definidos, con técnicas de aprendizaje automático de manera que se permita la identificación de patrones relacionados con la generación de falsas incidencias e incidencias irresolubles.
- Identificar otros conceptos de información que mejorarían los modelos y permitirían mejorar la eficiencia en el enrutamiento de los tickets.
- Integrar la herramienta de asignación automatizada en el proceso de ticketing.
Los beneficios inmediatos de este proyecto, que se espera esté plenamente en producción a finales de septiembre de este año implicarán fundamentalmente:
- Disminución costes de la actividad en la operación del CAU, que están cuantificados de manera precisa para el cliente.
- Disminución de costes trasladados por proveedores por asignación incorrecta.
- Mejoras en ratios fundamentales, como el tiempo de resolución y tiempo de asignación de avisos.
Jesús Saavedra Azqueta
Senior Service Manager en MTP