Un nuevo modelo de trabajo: IA que potencia personas y entornos productivos

Desafíos clave: datos, confianza y experiencia omnicanal

Brent Hayward, Head of Competitive Intelligence de Salesforce junto con Madhav Thattai, COO of Salesforce AI explicaron cómo las olas de innovación en IA están cambiando y los nuevos desafíos que enfrentan las compañías. Uno de los principales es el desorden de la información: arrojar IA a grandes volúmenes de datos sin curar ni estructurar puede resultar inútil. “A veces, no se trata de que los modelos “alucinen”, sino de que la calidad de los datos de origen es deficiente”, destacaron con relación a un problema clave que enfrentan las firmas al momento de empezar a trabajar con agentes.

Adicionalmente, enfatizaron en las capacidades de los agentes, en especial mencionaron cómo la decodificación del contexto y la semántica están entre los desafíos más complejos al momento de diseñar los bots autónomos, junto con los aspectos relacionados a la voz.

Asimismo, destacaron la necesidad de confianza, gobernanza y escalabilidad de los datos, así como la importancia de la integración fluida entre sistemas, humanos y máquinas. En ese contexto, surgieron conceptos como transparencia y diseño responsable de los agentes.

Respecto de las olas de innovación de los bots, señalaron una gran diferencia: “Los bots tradicionales, hasta ahora, eran más controlables, pero también más rígidos y condicionados a la hora de las respuestas. Los nuevos agentes, en cambio, son más espontáneos y adaptativos, aunque eso implica -a veces- renunciar a cierto grado de control”.

Entre los temas más relevantes, los voceros insistieron en que la información no estructurada sigue siendo un gran desafío para las compañías que quieren implementar inteligencia artificial, y que la experiencia del usuario debe ser realmente omnicanal para que la adopción tecnológica tenga impacto real en el negocio. Además, destacaron la creciente relevancia de nuevos roles como el Agent Manager o el Test Manager, “responsables de supervisar, evaluar y optimizar el desempeño de los agentes dentro de las organizaciones”, puntualizaron.

Banco Macro: de las campañas masivas a las conversaciones inteligentes

Uno de los casos presentados en el marco del evento fue el del Banco Macro, una de las principales entidades financieras privadas de la Argentina, con presencia en todo el país y un fuerte foco en la inclusión financiera.

Banco Macro se encontraba ante el desafío de transformar su modelo de comunicación con los clientes y potenciar las capacidades de sus empleados. “Queríamos evolucionar desde un esquema de campañas masivas hacia conversaciones inteligentes y personalizadas con cada individuo”, explicó Nicolás Martins, Gerente de Inteligencia Comercial de Banco Macro. “Para lograrlo, necesitábamos integrar datos, personalización e inteligencia artificial en un flujo operativo común que nos garantizara velocidad, consistencia y gobernanza”.

Esa necesidad de generar interacciones más relevantes y eficientes sentó las bases para la exploración -y posterior adopción- de soluciones como Agentforce.

Actualmente, el banco se encuentra en la fase de prototipado de distintos agentes dentro del ecosistema Agentforce, entre ellos Next Best Action, Smart Retention y Financial Education Coach. “Estos agentes experimentales están diseñados para permitir decisiones más autónomas y personalizadas en tiempo real, integrándose dentro de nuestra plataforma de Martech e Inteligencia Comercial”, detalló Martins.

Los desarrollos combinan señales predictivas con gobernanza de IA responsable, y sientan las bases de una operación más inteligente, contextual y conversacional.

Los primeros resultados ya son visibles. Desde la implementación del motor de decisión basado en IA, Banco Macro logró automatizar procesos, reducir tiempos de activación y aumentar la relevancia de cada interacción con el cliente.

“El impacto se mide con indicadores como la tasa de conversión, el engagement y la fatiga del cliente”, precisó Martins y finalizó: “Observamos mejoras de entre 10% y 50% según el producto, y una reducción del 55% en la sobreexposición de contactos. Esto refleja no solo mayor eficiencia operativa, sino también una mejor experiencia para nuestros clientes”.

Andina ART: agentes inteligentes para optimizar procesos críticos

Otro caso relevante aplicación de agentes para mejora de procesos vino de la mano de Andina ART, una de las principales aseguradoras de riesgos del trabajo de Argentina, que enfrentaba un desafío operativo crítico: la gestión de traslados médicos para los trabajadores asegurados. Tras un fuerte crecimiento en 2023 y 2024, varios procesos internos comenzaron a mostrar signos de estrés, especialmente el de coordinación de traslados.

Los tiempos de resolución eran excesivamente largos -con una demora promedio de 23 horas para asignar un traslado-, lo que generaba un alto nivel de presión sobre los equipos operativos, afectaba la organización interna y, sobre todo, ponía en riesgo la puntualidad de los trabajadores en sus tratamientos y controles médicos. La situación impactaba directamente tanto en la experiencia del asegurado como en la eficiencia del negocio.

Frente a este escenario, la compañía decidió incorporar Agentforce, con el objetivo de automatizar y optimizar la gestión de traslados. El primer agente desarrollado se enfocó en coordinar y agilizar este servicio crítico, manteniendo contacto directo con los trabajadores para asegurar su llegada puntual a las citas médicas. Además, Andina ART implementó un segundo agente de IA orientado a la carga estructurada de información clave que se intercambia con los prestadores médicos, dentro de una estrategia más amplia de mejora de procesos operativos y de soporte.

Los resultados fueron inmediatos. La aseguradora logró una reducción del 95% en los tiempos de espera, pasando de 23 horas a solo 8 minutos en la asignación de traslados. El sistema de autogestión 7x24 eliminó las limitaciones horarias y permitió resolver el 85% de los casos directamente vía WhatsApp, reduciendo además un 50% las consultas relacionadas con el servicio.

El segundo agente, orientado a la gestión de datos, permitió reducir los costos operativos en un 50% y alcanzar un 99% de precisión en la información generada en apenas dos semanas. “Los resultados se ven tanto en la experiencia del asegurado -que hoy recibe respuestas mucho más rápidas- como en la productividad del equipo interno, que puede enfocarse en tareas de mayor valor”, concluyeron desde la compañía.