February 25, 2025

Descripción General

Este proyecto se centró en el diseño de un sistema basado en inteligencia artificial para la gestión eficiente de incidencias en call centers, utilizando la infraestructura de AWS. El objetivo principal fue hacer un análisis exhaustivo para poder desarrollar a futuro un chatbot capaz de clasificar consultas de clientes mediante (PLN), optimizar recursos técnicos y mejorar la experiencia del usuario. La solución puede ser desplegada en una arquitectura serverless para garantizar escalabilidad y reducir costos operativos.

Características Principales

• Clasificación Inteligente: Implementación de un chatbot que analiza consultas en lenguaje natural y las clasifica en tres niveles de complejidad:
  • Primer nivel: Incidencias sencillas resueltas con pasos estandarizados.
  • Segundo y tercer nivel: Problemas que requieren intervención técnica especializada.
• Optimización de Recursos: Reducción del tiempo de respuesta y alivio de la carga del personal técnico mediante respuestas automatizadas para incidencias comunes.
• Mejora Continua: Recopilación y análisis de datos de interacción para optimizar el modelo de IA y los procesos del call center.
• Arquitectura Serverless: Uso de AWS Lambda y API Gateway para escalar automáticamente según la demanda.
• Personalización: Fine tuning en Amazon Bedrock con datos propios para alinear respuestas con los valores y procesos internos de la empresa.

Tecnologías Utilizadas

• AWS: Infraestructura principal, incluyendo:
  • Amazon Bedrock: Para PLN con modelos como Amazon Titan, Claude y GPT-3.5.
  • AWS Lambda: Para funciones serverless de procesamiento.
  • API Gateway: Para endpoints seguros.
  • DynamoDB: Almacenamiento de datos estructurados (incidencias y respuestas predefinidas).
  • Amazon S3: Almacenamiento de datos no estructurados (históricos).
  • AWS Glue y Athena: Para ETL y consultas.
  • Kinesis, CloudWatch, QuickSight: Monitoreo y análisis (opcional).
• React: Para la aplicación web/móvil (PWA) desplegada con AWS Amplify.
• Lenguaje Natural: Modelos preentrenados con capacidad de fine tuning.

Desafíos y Aprendizajes

El principal desafío fue equilibrar la precisión del chatbot con los costos asociados al uso de modelos de lenguaje (LLMs) en Amazon Bedrock. La estrategia híbrida de respuestas predefinidas en DynamoDB redujo significativamente el consumo de tokens, optimizando el gasto. Otro reto fue garantizar la escalabilidad en escenarios de alta variabilidad de carga, resuelto con la arquitectura serverless. El aprendizaje clave fue la importancia de personalizar modelos de IA con datos históricos para mejorar la relevancia de las respuestas.

Resultado

El sistema resultante puede ofrecer una gestión eficiente de incidencias en call centers, con las siguientes capacidades:

1. Clasificar y resolver automáticamente incidencias de primer nivel con respuestas paso a paso.
2. Escalar inteligentemente problemas complejos a técnicos especializados.
3. Reducir el tiempo de respuesta y optimizar recursos técnicos.
4. Adaptarse a variaciones de demanda con una arquitectura escalable.
5. Proporcionar datos para mejoras continuas mediante análisis histórico.

Este proyecto demuestra cómo la integración de IA y AWS puede transformar la atención al cliente, mejorando la experiencia del usuario, optimizando procesos y reduciendo costos operativos: si los tickets son de primer nivel, el propio chatbot puede ser capaz de responderlas indicando paso por paso el procedimiento al usuario; si son de segundo o tercer nivel, se le da la opción al usuario de poder contactar con un técnico especializado y también no perder ese contacto humano. Puedes ver el documento completo más detallado aquí (PDF)