Un cliente que informa de una avería, vuelve a pedir una pieza o pregunta por el mantenimiento no está comparando en ese momento su producto con el de un competidor. Está comparando la experiencia de ser atendido. Con qué rapidez responde alguien, cuán bien conoce esa persona la instalación, si el problema se resuelve a la primera. Esa experiencia ha empezado a pesar más para muchos clientes que la propia compra, porque la compra es única y el servicio abarca toda la vida útil del producto.
Hasta hace poco, esto era sobre todo una cuestión de ocupación. Quien tenía más empleados de servicio, con más experiencia, podía responder más preguntas y más rápido. El tiempo de espera y el conocimiento avanzaban en gran medida en paralelo al número de empleados. Esa relación está bajo presión.
Detrás de cada contacto de servicio hay una serie de acciones. La primera es la triaje: cuál es el problema, cuán urgente es, quién debe encargarse de él. La segunda es la búsqueda: qué información sobre este producto, este cliente, este historial de instalación es relevante. La tercera es el diagnóstico: si se trata de un patrón conocido o de algo nuevo. La cuarta es la propia solución, y la quinta es registrar lo ocurrido para que la próxima vez sea más rápido.
De estos cinco pasos, la triaje ya suele ser automatizable: un sistema que categoriza y dirige las notificaciones entrantes lo hace de forma consistente y sin tiempo de espera. La búsqueda es una tarea en la que la IA con supervisión humana asume cada vez más trabajo: rastrear manuales, tickets anteriores y registros de mantenimiento puede hacerlo un sistema más rápido que una persona, pero la traducción a lo que debe hacerse en este caso concreto sigue siendo evaluada por alguien que aprueba o rechaza. El diagnóstico en patrones conocidos se desplaza en la misma dirección. Ejecutar la solución, especialmente si es física, y tranquilizar al cliente en una conversación difícil, sigue siendo trabajo humano.
Si la búsqueda y parte del diagnóstico los realiza un sistema, cambia lo que resulta distintivo. El tiempo de respuesta era una función de cuánta gente atendía la línea; si un sistema categoriza las notificaciones al instante y ya prepara la información correcta para el empleado que mantiene la conversación, el tiempo de respuesta pasa a depender menos de la ocupación y más de lo bien organizado que esté ese sistema. Una empresa con menos personas al teléfono puede así responder más rápido que una empresa con más personas pero sin sistema de apoyo.
El conocimiento también se desplaza de algo que reside en las cabezas a algo que se puede encontrar. Antes, un técnico con experiencia que conocía todas las instalaciones por su nombre era una ventaja inigualable. Esa ventaja se mantiene para los casos excepcionales, pero para los problemas reconocibles y recurrentes —la mayor parte de las notificaciones en la mayoría de las empresas— la pregunta ya no es quién tiene más años de experiencia, sino quién ha registrado y hecho más fácilmente localizables los casos anteriores. Un proveedor que solo lleva dos años en el mercado pero ha estructurado bien su historial de servicio puede ser más rápido en este punto que un proveedor con treinta años de experiencia y expedientes desestructurados.
Este cambio no avanza a la misma velocidad en todas partes, y ello no se debe principalmente al tamaño de la empresa. Se debe al estado de los datos subyacentes. Una empresa cuyos registros de mantenimiento, historial de tickets y comunicación con clientes están en sistemas separados que no se comunican entre sí no puede alimentar un sistema de IA con lo que este necesita, por muy avanzado que sea dicho sistema. Una empresa que sí lo tiene bien organizado ve cómo la triaje y la búsqueda se transforman con mayor rapidez, mientras que una empresa comparable del mismo sector sigue dependiendo en ese punto casi por completo de las personas. Esa diferencia se puede medir en el tiempo de espera, en el tiempo de resolución en el primer contacto, y en si un cliente tiene que repetir su historia cada vez que hace preguntas recurrentes.
Esta dimensión no funciona de forma aislada respecto a los demás ejes en los que las empresas se diferencian. Hasta qué punto un proveedor puede ampliar su oferta de servicios sin contratar proporcionalmente a más personas está relacionado con lo que ocurre aquí, igual que en cómo cambia la IA la competencia en la amplitud de producto. También la pregunta de cuán profundo es el conocimiento técnico que recibe un cliente por teléfono está relacionada con lo que aquí se trata, como se explica en cómo cambia la IA la competencia en el conocimiento técnico. Y la disponibilidad —si un cliente encuentra en todo momento a alguien o algo útil al otro lado de la línea— es en realidad la otra cara de la misma moneda, desarrollada en cómo cambia la IA la competencia en disponibilidad.
Esto no es un alegato para sustituir a los empleados de servicio. Qué papel adopta la IA en la organización de servicio y qué significa eso para la plantilla es una decisión del empleador, sujeta a sus propios requisitos legales. Lo que aquí se describe es un cambio en lo que experimenta un cliente y en aquello por lo que se diferencian los proveedores, no una afirmación sobre quién debería seguir haciendo qué trabajo.
Si su servicio posventa es más lento o menos consistente que el de un competidor, la primera pregunta no es cuánta gente hay que añadir, sino qué parte del trabajo se atasca por falta de información o por información fragmentada. Cómo abordar ese retraso depende de en qué punto del proceso se encuentra el problema, algo que se trata en qué hacer ante un retraso en una dimensión.
Si usted afirma responder más rápido o mejor que sus competidores, la pregunta de si esa afirmación resiste una comprobación es algo que conviene tener claro primero para uno mismo, tal como se explica en cómo fundamentar una afirmación sobre la propia calidad. La verificación gratuita de dimensión ayuda en esto: usted indica en qué cree que gana en el servicio posventa, y ve cuáles de esas afirmaciones se pueden defender con pruebas. El benchmark completo, con su posición y la de su grupo de referencia en todas las dimensiones, está en construcción.
La pregunta subyacente —qué parte del trabajo detrás de su servicio posventa puede asumir hoy ya la IA, y qué parte sigue siendo trabajo humano— se responde por tarea con el escáner de trabajo de FTE TO AI.