¿No puede hacer frente a una gran cantidad de quejas de clientes? IA al rescate

Los viejos tiempos del movimiento de Calidad parecen pintorescos en retrospectiva:las pancartas, los lemas, los premios y los eventos de formación de equipos. Hoy en día, la gestión de la calidad se trata de información o, más concretamente, de cómo evitar quedar enterrado en ella.

En la era de las redes sociales, hay tantos datos valiosos disponibles de los consumidores que las empresas deberían poder convertir esos comentarios en la creación de productos perfectos. Si solo. El problema es de gran volumen. ¿Cómo pueden los comerciantes, especialmente en industrias enfocadas en la calidad como la farmacéutica, entender toda esa información?

La respuesta corta es que no pueden, no sin la ayuda de la inteligencia artificial y la ciencia emergente del modelado predictivo.

Un fabricante de medicamentos suele recibir decenas de miles de comentarios y quejas de diversas fuentes en todo el mundo. La unidad estándar de manejo de quejas tendría dificultades para clasificar esta abrumadora información, separando lo positivo de lo negativo, lo trivial de lo que amenaza la vida.

De hecho, la preponderancia de las quejas suele ser de bajo riesgo, según Steve McCarthy, vicepresidente de innovación digital de Sparta Systems, un proveedor de software de gestión de calidad. Sin embargo, dice, todas las quejas deben ser "tocadas". El truco consiste en filtrar el "ruido" y concentrarse en los comentarios realmente importantes.

Con las mejoras en el procesamiento del lenguaje natural, la IA se ha convertido en un medio cada vez más viable para interpretar todos esos datos. La idea es permitir que la automatización clasifique los datos sin procesar y luego presentar a la unidad de manejo de quejas una evaluación de la gravedad, las posibles causas fundamentales e incluso sugerencias de acción.

Sigue siendo, al menos por ahora, el trabajo de las personas aceptar o rechazar las categorizaciones y sugerencias generadas por computadora. "En esta etapa", dice McCarthy, "no estamos eliminando al ser humano del proceso de toma de decisiones, pero estamos tratando de mejorar la capacidad de tomar decisiones más inteligentes y efectivas".

En teoría, el sistema debería mejorar sus capacidades analíticas con la experiencia. Esa es la base del aprendizaje automático, un aspecto clave de la IA actual. Cuanto más digiera datos y los transmita a ingenieros de calidad, mayor será el nivel de precisión que probablemente tendrá, dice McCarthy.

Más allá de satisfacer la prioridad obvia de la seguridad del paciente, un sistema impulsado por IA también será más rentable que una evaluación manual dirigida por humanos. (Suponiendo que esto último sea incluso posible, dada la avalancha de información con la que los fabricantes deben lidiar en la actualidad).

Pero el costo no es la única razón para buscar un medio más eficiente de procesar las quejas. "Existe el factor de la velocidad y la puntualidad", dice McCarthy. "Es importante llegar a un conocimiento sólido de la probable gravedad y [nivel de] riesgo asociado con una queja, para que pueda completar la investigación de la causa raíz".

El siguiente paso en el uso de la IA, y uno que está lejos de alcanzar la madurez completa en este punto, es el modelado predictivo. Después de haber demostrado su capacidad de contextualización de datos, categorización de pedidos y evaluación de riesgos automatizada, el sistema puede comenzar a anticipar los tipos de quejas que recibirá. Mediante el uso del análisis de tendencias, en realidad puede prever el nivel de gravedad o riesgo que probablemente represente una queja.

Armado con volúmenes crecientes de entrada, el motor de inteligencia artificial puede identificar el número y la naturaleza de las desviaciones de los puntos de referencia de calidad. De hecho, dice McCarthy, se está aprendiendo de esos datos antes de que se lance un producto.

“Esos conjuntos de datos se pueden juntar para que si ve un patrón determinado en el piso de producción que se ha vinculado a los datos de quejas posteriores a la comercialización, pueda correlacionar esos conjuntos de datos y comenzar a predecir que este patrón determinado podría dar lugar a una queja, ”Explica McCarthy.

La retroalimentación se convierte en parte de un sistema de circuito cerrado mediante el cual se incorpora nuevamente a la fabricación del producto. El fabricante puede descubrir que un manómetro no funciona correctamente. O se podría detectar una falla en la fase de diseño, lo que requeriría un cambio en las materias primas y las configuraciones iniciales de producción.

Si bien el valor de un proceso de calidad impulsado por la inteligencia artificial parece más evidente en las ciencias de la vida, McCarthy considera que la tecnología se aplica por igual a muchas otras industrias. Los fabricantes de dispositivos médicos, por ejemplo, se beneficiarán enormemente al poder modificar costosos equipos de capital antes de que salgan al mercado. "Al final del día", dice McCarthy, "se trata de detección de señales".

La tecnología aún tiene mucho camino por recorrer antes de que el modelado predictivo se convierta en un ejercicio confiable y eficaz. En los últimos años, la IA ha logrado grandes avances en la comprensión de las sutilezas y los sentimientos detrás de las respuestas humanas, pero está lejos de ser perfecta. ¿Cómo, por ejemplo, un fabricante de lentes de contacto analiza quejas como "picazón", "picazón", "ardor" y simplemente "una sensación incómoda"?

McCarthy espera ver avances continuos en la tecnología, ya que los fabricantes de ciencias biológicas se esfuerzan por satisfacer tanto los gustos de los consumidores como las restricciones regulatorias. La industria automotriz también se beneficiará del uso de IA para mejorar la seguridad y desarrollar pruebas de calidad en la fabricación.

"Se está probando en varias áreas", dice McCarthy. “La capacidad de aplicar modelos predictivos a ese proceso es muy emocionante. Ni siquiera puedo imaginar las capacidades que tendremos en unos pocos años ".