Promover DX para usar el feedback de los clientes en las operaciones empresariales mediante IA generativa

Tokio Marine & Nichido Anshin Life Insurance (en adelante "Anshin Life") estuvo trabajando para aprovechar el feedback de los clientes para mejorar las operaciones y la calidad del servicio, con el fin de realizar operaciones empresariales completamente orientadas al cliente.

La empresa recibe anualmente hasta 18 000 feedbacks de clientes procedentes de puntos de contacto, incluidas llamadas telefónicas, Internet y encuestas. Hasta hace poco, la lectura y clasificación de estos datos no estructurados se hacía visualmente, uno por uno. Además de llevar una enorme cantidad de tiempo, este proceso también estaba sujeto al juicio humano que generaba incongruencias en la clasificación, lo que era una barrera para utilizar y reflejar rápidamente el feedback en las operaciones comerciales.

En el pasado, se consideraba la clasificación mediante IA no generativa, pero con el machine learning convencional era difícil mantener la precisión esperada debido al considerable esfuerzo necesario para preparar grandes cantidades de datos de entrenamiento y volver a entrenar.

En respuesta a este problema, Anshin Life creó conjuntamente con IBM Client Engineering y comenzó a desarrollar un modelo de clasificación y análisis utilizando IBM® watsonx.ai. El proyecto avanzó gracias a la colaboración entre los departamentos comercial y de TI, que integraron sus respectivos conocimientos especializados. El departamento comercial se encargó de definir los requisitos y las pruebas de usuario, mientras que el departamento de TI se ocupó de la gestión del proyecto y el diseño de la arquitectura. IBM presentó propuestas de implementación y proporcionó conocimientos sobre IA generativa. Al proceder con un desarrollo ágil en un ciclo semanal, las respectivas iniciativas se llevaron a cabo con rapidez.

En la primera fase centrada en la "eficiencia empresarial", la IA generativa capturó el feedback de los clientes a través de llamadas telefónicas y otras fuentes y lo clasificó en aproximadamente 40 códigos de industrias. En la segunda etapa, con el propósito de "análisis avanzado", se extrajeron palabras clave importantes establecidas por la empresa como hashtags y se realizó un análisis de clústeres, lo que permitió analizar datos de texto, lo que antes era un desafío.

En términos de precisión de clasificación y análisis, la combinación de la tecnología de procesamiento de lenguaje natural de watsonx.ai y la tecnología de generación aumentada por recuperación (RAG, por sus siglas en inglés) lograron alta precisión y flexibilidad. Dado que watsonx.ai se ejecutaba en la nube, la empresa también podía manejar la información personal con tranquilidad.

El progreso fluido del proyecto estuvo respaldado por el "sistema de propietario de aplicaciones", un marco bajo el cual los departamentos de negocio y TI trabajaban juntos para identificar funciones necesarias y asignar los recursos adecuados, pasando del PoC al desarrollo a gran escala desde un pequeño comienzo. Además, al asumir el reto de "probar primero" con un objetivo de precisión del 70-80 %, en lugar de buscar la perfección desde el principio, los esfuerzos generales se revitalizaron, ayudando al proyecto a moverse con rapidez y agilidad.

Koji Imakiire, responsable del proyecto perteneciente al grupo de soporte digital del departamento de planeación de TI de Anshin Life, habla sobre cómo trabajó para impulsarlo sin problemas. “Controlar las expectativas de la IA generativa es clave, para evitar caer en la subestimación o, por el contrario, en el exceso de confianza en que es una 'herramienta universal que puede hacer cualquier cosa'. Para ello, era importante que todos en el departamento de usuarios se involucraran con el proyecto con un sentido de satisfacción. Al realizar la verificación del usuario en cada instancia con productos que realmente funcionan en el desarrollo ágil semanal, hicimos mejoras constantes”.

La introducción de la IA generativa dio lugar a cuatro áreas: eficiencia operativa, estandarización de clasificación, utilización de datos y mantenimiento.

• Eficiencia operativa
  En una prueba de demostración, el proceso de clasificación y aprobación, que solía tardar entre 7 y 8 minutos manualmente, se redujo a 2 o 3 minutos, logrando una mejora de la eficiencia de alrededor del 75  %. El tiempo ahorrado fue equivalente a 500 horas (aproximadamente 20 días hábiles) por año.
• Estandarización de la clasificación
  La IA presentó las bases para el juicio, haciéndola fácilmente visible. Se eliminó la variación en los juicios de clasificación entre el personal, que había sido un problema.
• Utilización de datos
  El análisis de clústeres mediante la extracción de palabras clave y la visualización de palabras clave relacionadas permitió obtener sugerencias útiles a partir de datos no estructurados. Se aclararon tendencias en el feedback de los clientes que no se pudieron ver a través del análisis convencional, lo que condujo a una mayor precisión en la formulación de hipótesis y la consideración de políticas.
• Mantenimiento
  Las instrucciones del sistema y la RAG eliminaron la necesidad de un ajuste al lanzar nuevos productos y actualizar la información, lo que llevó a una reducción en los esfuerzos de mantenimiento.

Imakiire agrega: "Esta iniciativa aumentó el impulso para el uso de la IA generativa dentro de Anshin Life". La empresa revisó activamente otros procesos después de la introducción de la IA generativa, avanzando para mejorar aún más la eficiencia operativa. De hecho, se utilizaron más de 200 tipos de código en el PoC durante la etapa de análisis, pero después de la operación real, consideraron operaciones optimizadas sin ellos. "Antes de usar la IA generativa, la clasificación por sí sola tomaba mucho tiempo, por lo que no teníamos tiempo para pensar en la eficiencia. Hoy podemos darnos el lujo de revisar otros procesos existentes", concluye Imakiire.

Koji Yamamoto, director de Anshin Life, también comenta: "Ahora vemos tendencias en el feedback de los clientes que antes pasaban desapercibidas. Tenemos previsto formular hipótesis al respecto en el futuro, lo que nos permitirá adoptar medidas aún más eficaces".

De cara al futuro, Anshin Life tiene previsto ampliar este sistema a otros departamentos y continuar explorando el potencial de la IA generativa en nuevas áreas.

Anshin Life está creando un sistema que puede leer rápidamente las necesidades diversificadas de los clientes mediante el uso de IA generativa y reflejarlas de manera flexible en las estrategias comerciales. Al transferir estos resultados al entorno de producción, la empresa pretende crear un nuevo valor en la industria de seguros fortaleciendo las "operaciones comerciales orientadas al cliente". También ampliarán la atención al cliente, los productos y los servicios mediante esta demostración del valor del trabajo humano facilitado por la transición de la IA al entorno de producción.

Tokio Marine & Nichido Anshin Life Insuranceofrece tranquilidad a través de un seguro de vida como miembro de Tokio Marine Group. Con la confianza del cliente como punto de partida de todas las actividades comerciales, brindan tranquilidad a través del negocio de seguros de vida, contribuyendo al desarrollo de una sociedad próspera y cómoda y una economía robusta.