Liberando la productividad: Descubra cómo la IA aumenta la productividad del equipo de atención al cliente en un 14 %, según investigadores de Stanford y el MIT

¿Qué sucede cuando la IA generativa se encuentra con el lugar de trabajo? En este episodio especial, nos sumergimos en un estudio innovador en el que los humanos asistidos por IA redefinen los límites de la productividad.

La IA generativa puede haber captado una atención considerable del público y, sin embargo, a partir de ahora, sus implicaciones económicas en el mundo real siguen sin explorarse en gran medida. A pesar de las señales prometedoras en los escenarios de prueba, cualquier beneficio inmediato desde el punto de vista empresarial parecía estar fuera de alcance, hasta ahora.

Investigadores de la Universidad de Stanford y el MIT realizaron un estudio de un año de duración para medir el impacto en el mundo real de la IA generativa entre más de 5000 agentes de servicio al cliente en una empresa de software Fortune 500, y los resultados están listos. La productividad de los trabajadores de servicio al cliente aumentó en un 14 % en promedio, con un salto asombroso del 35% entre los trabajadores más nuevos o de menor rendimiento.

El sistema de inteligencia artificial, que combinó el modelo de aprendizaje de idiomas GPT de OpenAI con algoritmos de aprendizaje automático, analizó las conversaciones entre los de alto rendimiento y las comparó con las de los de bajo rendimiento. Luego generó sugerencias en tiempo real sobre cómo responder a los clientes, lo que terminó reduciendo el tiempo de manejo del chat, aumentando las tasas de resolución del chat y mejorando la satisfacción del cliente. De hecho, los agentes de servicio al cliente recién contratados podrían, con la ayuda de la IA, desempeñarse tan bien como los agentes con seis meses de experiencia trabajando sin IA.

En el episodio de hoy, tuvimos la oportunidad de conversar con MIT Ph.D. la candidata Lindsey Raymond, una de las investigadoras detrás del innovador estudio, sobre su trabajo y el impacto transformador de la IA en el lugar de trabajo.

¿Poco de tiempo? Aquí hay algunos puntos clave:

• La IA generativa prospera con la abundancia de datos, que es lo que hace que la atención al cliente, con su gran cantidad de datos de texto, sea un sector principal para el desarrollo de herramientas de IA.
• La brecha de productividad entre los agentes de soporte de alto rendimiento y los de bajo rendimiento, así como la creciente dependencia de los centros de contacto, son los principales impulsores de las mejoras en la industria del servicio al cliente.
• Los trabajadores poco calificados se beneficiaron más de la herramienta de IA, ya que los ayudó a adoptar las mejores prácticas que aún no habían descubierto por sí mismos.
• Las importantes ganancias de productividad que permite la IA, como la mejora en la resolución de problemas y la satisfacción del cliente, podrían incluso respaldar el aumento de la semana laboral de cuatro días.

Si disfruta de la discusión, vea más episodios de nuestro podcast. Puede seguir en Apple Podcasts, Spotify, YouTube o tomar la fuente RSS en su reproductor de elección. Lo que sigue es una transcripción ligeramente editada del episodio.

Haciendo olas en la atención al cliente

Liam Geraghty: Hola y bienvenido a Inside Intercom. Soy Liam Geraghty. Es un poco loco pensar que ChatGPT de Open AI se lanzó hace solo un par de meses. La velocidad a la que la IA se convirtió en parte de nuestras vidas es algo que nadie podría haber predicho. Ya está comenzando a transformar el servicio de atención al cliente y el espacio de soporte.

“Una máquina humana más es mejor que una máquina, que a su vez es mejor que un humano. Creo que eso es lo que veo en este mundo de soporte”

El cofundador de Intercom, Des Traynor, habló sobre cómo cree que el futuro de la informática es la automatización y los humanos, los bots y los cerebros trabajando juntos, en un episodio reciente de nuestro podcast.

Des Traynor: Una máquina humana más es mejor que una máquina, que a su vez es mejor que un humano. Creo que eso es lo que veo en este mundo de apoyo. Creo que, en última instancia, los humanos controlarán la inteligencia con la que trabaja la IA.

Liam Geraghty: Muchos líderes de atención al cliente se han sumergido directamente en la IA y están nadando en sus aguas generativas. Pero otros, aunque están emocionados, solo están metiendo la punta del pie, sintiéndose un poco intimidados.

Bueno, para cualquiera de ustedes, podría estar interesado en conocer un nuevo estudio realizado por investigadores de la Universidad de Stanford y el Instituto de Tecnología de Massachusetts, todo sobre la IA generativa en el trabajo, con algunos hallazgos realmente interesantes. El estudio fue realizado por Eric Brynjolfsson, Danielle Li y Lindsey Raymond.

Perspectivas de la IA generativa en el lugar de trabajo

Lindsey Raymond: Soy Lindsey Raymond. Soy un estudiante de posgrado en el MIT.

Liam Geraghty: Lindsey y sus colegas estudian el impacto de las herramientas de IA generativa en la productividad en una empresa Fortune 500. Es la primera vez que se mide el impacto de estas herramientas en el trabajo fuera de un entorno de laboratorio.

Lindsey Raymond: La idea de la IA generativa en sí misma es bastante nueva. En términos de lo que la gente ha estudiado, ha habido algún trabajo sobre cómo funcionan estas herramientas en cosas como el examen de la barra.

Liam Geraghty: AI aplastó el examen de la barra.

Lindsey Raymond: O exámenes de codificación, exámenes de las capacidades muy basados ​​en laboratorio. Y el nuestro es el primero que dice lo que sucede cuando estudias lo que estas herramientas pueden hacer en un lugar de trabajo real y durante un largo período de tiempo porque nuestro estudio se realiza a lo largo del año.

Liam Geraghty: Entonces, ¿de qué se trataba exactamente el estudio?

Lindsey Raymond: Observamos una herramienta generativa basada en IA que está diseñada para ayudar a los trabajadores de soporte técnico cuando están resolviendo los problemas de soporte técnico de las personas.

Liam Geraghty: ¡ Suena familiar!

Lindey Raymond: Diciéndoles qué decir, cómo resolver el problema específico de soporte técnico y también orientación sobre cómo deben comunicarlo al cliente.

“La IA generativa necesita muchos datos para funcionar realmente bien. Si observa un sector de la economía donde hay una penetración alta en comparación con cualquier otro lugar, la atención al cliente es esa área”.

Y hacemos un análisis de diferencia en diferencia: una implementación muy lenta de esta herramienta entre las personas a lo largo del tiempo para que podamos tratar de llegar al efecto causal de la herramienta. Buscamos trabajadores que brinden soporte técnico para una empresa Fortune 500 que desarrolla software de contabilidad y pequeñas empresas principalmente para pequeñas empresas con sede en EE. UU.

Liam Geraghty: Observaron muchos resultados diferentes, como la rapidez con la que las personas resolvieron las llamadas, la cantidad de problemas que pudieron resolver, la satisfacción del cliente, así como algunas cosas que son más un cambio organizacional.

Lindsey Raymond: ¿Cómo afecta esto la rotación de empleados? ¿Cómo afecta esto la frecuencia con la que hablan entre ellos o con sus gerentes?

Liam Geraghty: Quizás se pregunte por qué, de todas las áreas potenciales de la IA generativa, Lindsey y sus colegas eligieron la atención al cliente para centrarse.

“Existen diferencias de productividad bastante grandes entre los agentes de servicio al cliente con mejor rendimiento y los de peor rendimiento”

Lindsey Raymond: La IA generativa necesita muchos datos para funcionar realmente bien. Si observa un sector de la economía donde hay una penetración alta en comparación con cualquier otro lugar, la atención al cliente es esa área. Ha habido una sorprendente cantidad de actividad para la implementación y el desarrollo de estas herramientas. Y eso es porque hay tantos datos en esa área, particularmente datos de texto.

Gran parte se asocia automáticamente con los resultados: ¿qué tan rápido resolvió ese trabajador ese problema? Y también hay mucho margen de mejora. Es un hecho bien conocido que existen diferencias de productividad bastante grandes entre los agentes de servicio al cliente de mejor rendimiento y los de peor rendimiento. También es un área en la que ha habido un gran cambio para hacer más con los centros de contacto en los últimos dos años. Y entonces, es un área donde hay una gran necesidad comercial de mejorar en esto.

De cero a heroe

Liam Geraghty: Entonces, en el transcurso de un año, estudiaron todo esto utilizando datos de 5179 agentes de atención al cliente. Y lo que encontraron es intrigante.

Lindsey Raymond: La cifra principal es que, en promedio, el acceso a la IA mejoró la productividad en un 14 %, pero eso esconde mucha heterogeneidad. Para los trabajadores menos experimentados y con menos habilidades, en realidad mejoró en un 35%. Los trabajadores más experimentados y productivos casi no ven ningún efecto.

Liam Geraghty: Entonces, las ganancias se acumulan de manera desproporcionada para los trabajadores menos experimentados y menos calificados. ¿Por qué ocurre eso?

Lindsey Raymond: Creo que esa es probablemente la parte más interesante del estudio. Cualquier herramienta basada en aprendizaje automático utiliza un conjunto de datos de entrenamiento y busca patrones en los datos. Así que usted, como programador, no diga: "Bueno, sé que esta frase funciona bien, así que haga esto, y sé que esta es la solución común a este problema, y ​​esta es la solución común a ese problema", y usted pone esa información en su programa. Así no es como funciona ML.

“Son los trabajadores que son muy nuevos o que están en la parte inferior de la clasificación de productividad los que realmente se benefician de esas sugerencias porque esas son las cosas que aún no han descubierto cómo hacer”

En nuestro entorno, específicamente, la herramienta analiza las conversaciones de los de alto rendimiento y las compara con las de los de bajo rendimiento. Busca diferencias entre lo que hacen los de alto y bajo rendimiento que están asociadas con resultados exitosos. ¿Cómo es la forma en que saludan a los clientes? ¿Cuáles son las soluciones que proponen? ¿Cómo empiezan a hacer preguntas de diagnóstico? Luego, toma todas esas cosas y las convierte en sugerencias que genera para todos. Los trabajadores altamente calificados proporcionan el contenido para la IA; en su mayoría son cosas que ya están haciendo porque es de donde la IA ha estado aprendiendo. Cuando tiene una herramienta que le sugiere hacer cosas que ya está haciendo, probablemente no verá grandes efectos en la productividad al acceder a esa herramienta. Son los trabajadores que son muy nuevos o que se encuentran en la parte inferior de la clasificación de productividad los que realmente se benefician de esas sugerencias porque esas son las cosas que aún no han descubierto cómo hacer. Son los trabajadores poco calificados los que cambian mucho y comienzan a acercarse a comunicarse como trabajadores altamente calificados.

Lo que creemos que está sucediendo es esta difusión de las mejores prácticas habilitadas por la IA. Y es por eso que vemos esos aumentos de productividad realmente grandes para los trabajadores poco calificados e inexpertos y no tanto para los trabajadores altamente calificados. Y eso, creemos, es solo una función de la forma en que funciona el aprendizaje automático.

“En cualquier estudio en el que se vean aumentos de productividad del 35 %, eso es bastante impactante. Podrías imaginar bajar a una semana laboral de cuatro días con esos efectos”

Liam Geraghty: ¿Te sorprendieron los resultados?

Lindsey Raymond: Esa es una gran pregunta. En cualquier estudio en el que vea aumentos de productividad del 35%, eso es bastante impactante. Podrías imaginar bajar a una semana laboral de cuatro días con esos efectos. Creo que fue bastante sorprendente desde el principio. El hecho de que vimos efectos no solo en que los trabajadores manejaran las llamadas un poco más rápido, sino también en mejorar la proporción de problemas que resuelven, que es más un resultado basado en el conocimiento, les permite resolver problemas que no eran poder resolver antes. Y luego, vemos aumentos bastante grandes en la satisfacción del cliente. Esos fueron, creo, todos sorprendentes.

Liam Geraghty: ¿Crees que la IA alguna vez podrá intervenir y hacer este tipo de estudios?

Lindsey Raymond: Probablemente, sí. Estoy seguro de que existe una IA generativa que puede redactar documentos económicos mejor que yo.

Liam Geraghty: Lindsey, muchas gracias por hablar conmigo hoy.

Lindsey Raymond: Sí, absolutamente. Fue un placer.