Hablemos de inteligencia artificial en el ecosistema de CRM

20.04.24 02:42 PM Comment(s)

La inteligencia artificial ha existido desde hace muchos años y ha sido aplicada con diferentes modelos en muchas aplicaciones de CRM, pero ahora nos tocó la puerta el Generative AI. Y como ya sabemos empresas como Salesforce, Zendesk, Twilio, Genesys, Creatio, Hubspot, Microsoft y la gran variedad de soluciones de Martech ya tienen sus CoPilots y/o sus integraciones con GenAI, y tenemos los OpenAI y Claude, entre muchas otras plataformas de IA con sus prompts, LLMs, RAG, base de datos Vertex y/o sus fine-tuning, entre otras funcionalidades de IA. Por ejemplo, Zoho ya tenía desde hace muchos años a ZIA, su IA, embebido en su plataforma.

Y vemos una gran carrera entre los proveedores de CRM de tener la IA integrado en todo el CRM utilizando Customer Data Cloud y Data Clouds como Snowflake y Databricks para poder ofrecer soluciones completas. Por ejemplo, el nuevo Einstein CoPilot de Salesforce que combina su Data Cloud con IA el CRM, el rumor que Salesforce va a adquirir a Informatica, el otro rumor que Google va a adquirir a HubSpot, el CoPilot de Microsoft, el CoPilot de Creatio y las nuevas alianzas de AdTech, Martech y CDP que anuncio Snowflake recientemente.

¿Qué significa todos esto entonces? Como empresas enfocadas en mejora la relación con el cliente, y poder vender más y bajar costos tienen que ver los diferentes enfoques para integrar la IA en el ecosistema de CRM (CX, Customer Engagement, Marketing, Ventas, Servicio, etc., etc.) y los factores clave a considerar para una implementación exitosa.

Opciones para vincular el CRM con la Inteligencia Artificial.

Te presentamos varias opciones en donde depende del estado de madurez de datos y IA de tu empresa, puedes considerar (o ya estás usando algunas de estas opciones):

1. Exportación de datos para análisis predictivo

Una práctica común es exportar datos del CRM para que un científico de datos realice análisis predictivos y machine learning usando herramientas como Python y R (y/o uses modelos de LLMs en la nube). Los resultados obtenidos pueden reintegrarse en el CRM o utilizarse para tomar decisiones estratégicas. Esta opción puede ser a nivel de un departamento o puede ser establecido para toda la empresa, pero son los inicios. Tradicionalmente, el científico de datos es el que limpia y perfila los datos.

2. Uso de data lakes o data warehouses en la nube

Empresas con infraestructuras más avanzadas pueden optar por almacenar sus datos en data lakes o warehouses en la nube (por ejemplo, Google Cloud, AWS, Databricks, Snowflake). Esta estrategia permite un análisis más ágil y escalable, facilitando la implementación de modelos de IA directamente sobre grandes volúmenes de datos. Tradicionalmente, usan herramientas de analíticos como SAS, PowerBI, Tableau, Oracle, SAP, Qlik, IBM, Domo y MicroStrategy, entro otros.

3. Inteligencia artificial en marketing

Las agencias de marketing utilizan tecnologías de IA (sus propios modelos de LLM o terceros) para crear contenido personalizado y gestionar campañas. Esto incluye desde el análisis de tendencias hasta la automatización de interacciones con los clientes, permitiendo campañas más efectivas y medibles. Pero es la IA de la agencia. Esos datos y resultados tradicionalmente no son de la empresa.

4. Modelos de IA embebidos en soluciones de CRM

Muchos proveedores de CRM ya ofrecen modelos de IA embebidos que pueden predecir, por ejemplo, el mejor momento para enviar correos electrónicos de marketing, calcular el scoring de oportunidades o recomendar artículos de un knowledge base. Estos modelos suelen ser específicos para cada módulo del CRM, y son modelos tradicionales, que usan datos solamente del CRM. Nos son modelos de GenAI que usan LLM internos o externos.

5. Soluciones externas como es la IA conversacional

Algunas empresas optan por implementar soluciones de IA conversacional externas para mejorar el servicio al cliente o tener proceso de compras automáticas, usan IA con chats y voz. Estos sistemas pueden manejar consultas comunes de forma automática, liberando a los agentes humanos para tareas más complejas. Ejemplos son el use de plataformas como Yalo, Kore.ai, Yellow.ai, proveedores de CaaS (Twilio, Five9, etc.), Watson, AWS, LivePerson y Mindsay, entre otras más.

6. Generative AI en CRM y Call Centers (CoPilots)

La incorporación de Generative AI, como la funcionalidad de modelos de lenguaje de última generación (ya hay una gran variedad de todo tipo de LLMs en el mercado), permite mejorar la interacción en tiempo real con clientes, tanto en CRM como en centros de llamadas, ofreciendo respuestas más naturales y efectivas. Esto es, por ejemplo, los CoPilots de Salesforce, Microsoft y Creatio.

7. Plataformas de IA

Plataformas y LLMs como Claude, Hugging Face, OpenAI y Vertex ofrecen soluciones transversales que se pueden adaptar a diversos casos de uso dentro de la empresa, desde el servicio al cliente hasta la optimización de procesos internos. Pero ya sabemos que estas plataformas ya están incluidas con los CoPilots de los CRM dependiendo del nivel de partnership. La pregunta es si usar el CoPilot de tu CRM y/o usar unas de estas plataformas. Creo que será un modelo hibrido.

La necesidad de una estrategia integral

Para que la implementación de IA sea efectiva no importa el estado de madurez según las opciones explicadas en este artículo, es crucial no operar en silos. Debe existir un Champion de IA dentro de la empresa, idealmente dentro del equipo de CRM, que promueva la integración de la IA en todos los aspectos del ciclo de relación con el cliente. Esto incluye el desarrollo de una estrategia de IA a corto y largo plazo, la selección cuidadosa de aliados tecnológicos y la implementación gradual mediante pruebas de concepto, pilotos o MVPs. Además, es esencial validar los casos de uso relevantes, asegurarse de la calidad y accesibilidad de los datos, y cumplir con las normativas legales y de privacidad.

Optimizando el CRM con IA: Validación de Casos de Usos

Al integrar la inteligencia artificial con el CRM (todo tu ecosistema de customer engagement) tienen que considerar como explicamos antes todo el ciclo de relacionamiento con el cliente. Sin embargo, tienes que empezar a identificar y validar los casos de uso adecuados para garantizar que las mejoras sean efectivas y contribuyan a los objetivos comerciales de la empresa.

Identificar y validar casos de uso no solo implica identificar dónde la IA puede tener un impacto directo, sino también asegurar que los datos utilizados sean de alta calidad y que los sistemas estén configurados para poder usar los resultados de la Inteligencia artificial. Pero no es solo la tecnología y los datos: ¿tienes a la gente capacitada?, ¿tienes los procesos adecuados para implementar las recomendaciones de la IA?

A continuación, exploraremos varios casos de usos donde la IA puede optimizar operaciones y mejorar la interacción con el cliente.

Reducción del tiempo para lanzar campañas de marketing

Una de las aplicaciones más valiosas de la IA en el CRM es la capacidad de reducir el tiempo necesario para lanzar campañas de marketing. Utilizando técnicas de aprendizaje automático, es posible automatizar la segmentación de clientes y la personalización de mensajes, lo que reduce drásticamente los ciclos de planificación y ejecución. Además, la IA puede analizar datos en tiempo real para ajustar las campañas y maximizar su efectividad antes de su lanzamiento.

Caso de Uso / Historia: Como CMO, me enfrento al desafío de mantener nuestra competitividad y relevancia en el mercado acelerando nuestros ciclos de campaña de marketing. Actualmente, nuestros ciclos de lanzamiento toman 60 días, lo cual resulta ineficiente en un mercado que evoluciona rápidamente. Mi objetivo es reducir este ciclo a la mitad, optimizando los procesos de creación de contenido y aprobación legal mediante la implementación de soluciones basadas en inteligencia artificial y la realización de pruebas A/B para optimizar la efectividad de nuestras campañas.

Reduzca los costos en la formación y la contratación de agentes en el call center

Los call centers enfrentan desafíos significativos debido a la alta rotación de personal. El uso de IA Conversacional puede ayudar a mitigar esta taza de rotación de agentes. Igualmente, se pueden implementar sistemas de IA que faciliten la capacitación de nuevos agentes mediante simulaciones y entrenamientos personalizados, puede reducir significativamente los tiempos y costos asociados con estos procesos. Además, la IA puede ayudar a predecir y mitigar la rotación de empleados al analizar patrones de comportamiento y satisfacción en el trabajo.

Caso de Uso / Historia: Como Director de Servicio al Cliente enfrentamos un alto volumen de consultas repetitivas y una rotación considerable de agentes, lo que afecta la continuidad y la calidad del servicio al cliente. Mi objetivo es implementar un chat bot inteligente que utilice la inteligencia artificial para analizar el perfil del cliente y sus últimas transacciones, ofreciendo recomendaciones personalizadas de artículos de nuestro knowledge base para resolver casos durante el mismo chat. Si el caso no puede ser cerrado automáticamente, el chat bot deberá escalarlo rápidamente a un agente humano, gestionando así las expectativas del cliente de manera eficaz. Igualmente, necesito identificar áreas dentro de las operaciones donde los agentes reasignados podrían maximizar su contribución, como en atención personalizada de casos complejos o en tareas de valor agregado.

Aceleración del ciclo de ventas

En ventas, la velocidad con la que se cierran los acuerdos es crucial. La IA puede contribuir enormemente en esta área mediante la identificación de señales de compra en comportamientos de clientes o en su interacción con la plataforma online. Al integrar sistemas predictivos que sugieran el momento óptimo para contactar a un cliente u ofrecer un producto específico, las empresas pueden acelerar sus ciclos de ventas significativamente.

Caso de Uso / Historia: Como Director Comercial, enfrentamos el desafío de un ciclo de ventas prolongado que actualmente dura 120 días. Mi objetivo es reducir este ciclo a 90 días mediante la implementación de un sistema de inteligencia artificial que pueda analizar datos de órdenes de ventas, cotizaciones y actividades de oportunidad para identificar cuellos de botella y áreas de mejora. Este sistema deberá proporcionar un scoring de eficiencia y recomendaciones concretas para acelerar el proceso de ventas.

Mejora de la conversión en eCommerce sin descuentos

Mejorar la conversión en plataformas de eCommerce sin recurrir a descuentos o cupones es otro caso de uso impactante para la IA. Al utilizar modelos de recomendación avanzados y personalización en tiempo real, las plataformas pueden mostrar productos que mejor se alineen con las preferencias y comportamientos pasados del usuario, aumentando así las probabilidades de conversión. Además, la IA puede optimizar la disposición del sitio web y la interfaz de usuario para facilitar una experiencia de compra más fluida y satisfactoria.

Caso de Uso / Historia: Como Director de eCommerce tengo que optimizar la efectividad de nuestras campañas de marketing sin depender de descuentos y promociones. Queremos centrarnos en atraer y retener clientes que reconocen el valor agregado y los beneficios de nuestros productos. La inteligencia artificial será crucial para analizar y segmentar nuestra base de clientes, identificando aquellos con un alto valor de vida útil del cliente (CLV), buenos puntajes de Net Promoter Score (NPS), y que son propensos a dejar recomendaciones y reseñas en nuestro sitio web. Esta tecnología también nos permitirá personalizar las campañas para cada segmento de cliente y mejorar continuamente nuestras estrategias basadas en el aprendizaje automático.

¿Pero cómo empiezo a implementar la IA, ya que definí mis casos de usos?

La implementación exitosa de inteligencia artificial (IA) en el ecosistema de CRM es una iniciativa compleja que requiere más que solo tecnología avanzada. Es fundamental tener en cuenta aspectos como la calidad de datos, la gestión de la privacidad, el cumplimiento legal y el desarrollo estratégico de habilidades dentro de la organización. Esta sección profundiza en cómo abordar estos desafíos y asegurar una integración efectiva de la IA en las operaciones de CRM.

1. Evaluación y mejora de la calidad de datos
Antes de implementar soluciones de IA, es crucial validar la calidad de los datos que alimentarán estos sistemas. Los datos deben ser precisos, actualizados y relevantes para los casos de uso específicos. Herramientas como los Customer Data Platforms (CDP) y soluciones robustas de Data Cloud son esenciales para centralizar y gestionar los datos de manera eficaz, asegurando que la información esté disponible y sea accionable para las aplicaciones de IA. Existen herramientas en el mercado para mejorar la calidad de datos. En Solvis usamos Informatica y Zoho DataPrep, entre otras.

2. Manejo de la propiedad intelectual y la privacidad
La implementación de IA en CRM debe manejar cuidadosamente la propiedad intelectual y cumplir con las leyes de privacidad tanto locales como globales. Las regulaciones como GDPR en Europa y CCPA en California exigen un manejo riguroso de los datos personales, lo que implica implementar prácticas de seguridad avanzadas y obtener consentimientos claros y explícitos para el uso de datos.

3. Desarrollo de nuevas habilidades y recursos
Adoptar IA requiere que los equipos adquieran nuevas habilidades técnicas y estratégicas. Es esencial invertir en capacitación continua y, si es necesario, incorporar talento especializado que pueda manejar las complejidades de los sistemas de IA modernos. Establecer un centro de innovación o un equipo dedicado a la IA puede facilitar la experimentación y la adopción de nuevas tecnologías.

4. Evitar el Shadow AI y la fragmentación
Es crucial evitar la implementación fragmentada de la IA, conocida como Shadow AI, donde diferentes departamentos desarrollan soluciones de manera aislada. Un enfoque integrado, dirigido por un Champion de IA dentro de la empresa, puede asegurar que todas las iniciativas de IA se alineen con la estrategia corporativa y se implementen de manera coherente a través de todos los canales y puntos de contacto con el cliente.

5. Implementación gradual mediante pruebas de concepto
Implementar IA en el CRM no tiene que ser un proceso abrumador si se maneja por etapas. Comenzar con pruebas de concepto, pilotos o MVPs permite a las empresas aprender y adaptar sus estrategias en función de los resultados obtenidos. Este enfoque iterativo ayuda a mitigar riesgos y a ajustar las soluciones antes de un despliegue a gran escala.

Desarrollar una estrategia de IA para CRM que contemple tanto el corto como el largo plazo es vital para el éxito continuado. Seleccionar cuidadosamente aliados tecnológicos y establecer una hoja de ruta clara para la implementación y escalado de soluciones de IA son pasos fundamentales. Además, la organización debe estar preparada para manejar el cambio constante y fomentar una cultura de innovación continua.

¿Cómo te podemos ayudar? Impulsando tu CRM con Inteligencia Artificial - Un Enfoque Práctico

A continuación, exploraremos cómo Solvis puede apoyarte a integrar la IA en su CRM, desde mejorar la calidad de los datos hasta desarrollar capacidades internas de IA.

1. Optimización del ecosistema de CRM: Antes de integrar la IA, es crucial evaluar y optimizar el ecosistema de CRM existente. Esto puede incluir la actualización de software, la mejora de las interfaces de usuario y la simplificación de los flujos de trabajo internos para garantizar que la infraestructura de CRM pueda soportar nuevas tecnologías y procesos sin problemas.

2. Integrar o implementar un Customer Data Cloud: Un Customer Data Platform (CDP) o Data Cloud en tu CRM permite un manejo centralizado y más eficiente de los datos del cliente. Un CDP recopila y organiza datos de múltiples fuentes, proporcionando una vista única y accesible del cliente que facilita análisis más precisos y personalización a través de la IA.

3. Mejora de la calidad de los datos: La calidad de los datos es fundamental para el éxito de cualquier iniciativa de IA. Es esencial implementar procesos para la limpieza regular de datos, la eliminación de duplicados, y la verificación de la precisión y relevancia de los datos. Unos datos bien mantenidos son cruciales para entrenar modelos de IA efectivos.

4. Optimización de la Omnicanalidad: Sincronizar y optimizar la comunicación a través de diversos canales para proporcionar una experiencia de cliente coherente y personalizada. Esto incluye la integración de puntos de contacto digitales y físicos para que la información fluya sin problemas entre ellos, mejorando así la satisfacción y la retención del cliente.

5. Identificación y priorización de iniciativas de IA: Asumiendo que ya tienes el CRM optimizado, que la omnicanalidad esta alineada y que tienes los datos adecuados, en Solvis podemos ayudar a determinar cuáles iniciativas de IA tendrán el mayor impacto en la organización es clave. Esto puede incluir proyectos basados en los casos de usos ya mencionados en este artículo. Priorizar iniciativas realistas y de alto retorno sobre la inversión permitirá una implementación más efectiva.

6. Identificación de métricas para el crecimiento: Es vital identificar qué métricas específicas se espera mejorar con la implementación de la IA. Esto podría incluir la tasa de conversión, la satisfacción del cliente, el tiempo de respuesta del servicio al cliente o la eficiencia operativa. Estas métricas ayudarán a medir el éxito de las iniciativas de IA y a ajustar las estrategias según sea necesario.

7. Desarrollo de capacidades internas de IA: Capacitar al personal existente y/o contratar nuevos talentos con habilidades en IA es esencial para mantener las iniciativas internamente. Ofrecer formación y recursos para aprender sobre IA no solo empodera a los empleados, sino que también fomenta la innovación dentro de la empresa.

8. Adopción ágil de las iniciativas de IA: Adoptar un enfoque ágil para la implementación de la IA permite iterar y adaptar proyectos rápidamente en respuesta a los cambios en el mercado o en los datos obtenidos. Esto incluye establecer prototipos rápidos, pruebas piloto y escalado gradual de operaciones exitosas.

Resumen

Para implementar IA con el CRM tienes que entender la madurez de tu empresa en el uso de datos y las diferentes opciones de AI que puedas usar, tienes que definir los casos de uso, debes tener una plataforma de IA que escale, y tienes que empezar con Pruebas de Concepto. En Solvis te podemos apoyar a tu Champion de AI.

Si estás buscando transformar la manera en que te relacionas con tus clientes e impulsar el crecimiento de tu empresa, contáctanos. Ya estamos apoyando a empresas a usar la IA con los CRMs que ya tienen, entre otras opciones.

Puedes buscar directamente a Valentín Valle (Director Comercial) vía LinkedIn o me puedes contactar a mí, Jesús Hoyos, vía LinkedIn para charlar al respecto.