Algoritmo con Machine Learning supervisado, para el diagnóstico de problemas de los clientes.

El proyecto parte del conocimiento de los posibles problemas que pueden afectar al servicio de un cliente y las preguntas que son necesarias para detectar dicho problema. En base a estos datos de entrenamiento, se han utilizado técnicas de aprendizaje automático supervisado (como modelos probabilísticos, no probabilísticos, deep learning…), para obtener la forma óptima de realizar las preguntas, auto orquestando el orden de evaluación de las mismas, lo que permite obtener la solución más óptima para las historias de usuario sintomáticas y mixtas, aportando nuevas mejoras técnicas a los desarrollos previos de la compañía en el ámbito de las soluciones tecnológicas, al tiempo que se proporciona un entorno de mayor seguridad mediante herramientas de apoyo.

La incorporación de técnicas de Inteligencia Artificial como tecnología principal, concretamente utilizando métodos de aprendizaje automático (Machine Learning o ML), han permitido mejorar la eficiencia como el objetivo principal del producto SCHAMAN, basado en la detección de problemas presentados en el servicio de un cliente, minimizando los riesgos de diversa severidad que puedan incidir en su correcto funcionamiento y mejorando la experiencia de calidad por parte de los usuarios finales de los servicios avanzados de telecomunicaciones.

El resultado alcanzado resulta un significativo avance y contribución en uno de los mecanismos con mayor implantación en el mundo empresarial, como es la organización del trabajo mediante flujos de trabajo (Workflows), mediante nuevas técnicas de generación, preparación y adaptación del conjunto de datos utilizados por los algoritmos de Inteligencia Artificial preexistentes, abstrayendo sus capacidades y desarrollando aquellas inexistentes para la generación del nuevo algoritmo, que clasifica de manera eficiente y precisa una amplia gama de interacciones con los clientes, mejorando tiempos de respuesta y mejorando la experiencia general y  la satisfacción de estos al tiempo que es capaz de  identificar aquellos patrones emergentes de quejas en servicios al cliente. Una solución altamente escalable y adaptable a diferentes tipos de quejas y variaciones en el lenguaje utilizado por los clientes, lo que proporciona una sólida base para futuras expansiones.