Automatización en la Gestión de Incidencias y Consultas con Inteligencia Artificial

 

Automatización en la Gestión de Incidencias y Consultas con Inteligencia Artificial

Autor: Francisco Prats Quílez

Introducción

En el entorno empresarial moderno, la eficiencia en la gestión de incidencias y consultas es crucial para mantener altos niveles de satisfacción del cliente y optimizar los recursos internos. Este informe analiza la implementación de un sistema automatizado basado en inteligencia artificial para gestionar y clasificar consultas e incidencias recibidas por correo electrónico en una empresa tecnológica.

Objetivo

El objetivo principal de este proyecto es desarrollar un sistema automatizado que gestione de forma eficiente las incidencias y consultas recibidas, clasificándolas y asignándolas al personal adecuado mediante el uso de inteligencia artificial. Este sistema pretende mejorar la capacidad de respuesta, reducir el tiempo de resolución y proporcionar un historial detallado de las incidencias para futuras referencias.

Desarrollo

·       Monitorización del Email

Utilizando la librería pywin32 de Python, se ha desarrollado un módulo para monitorizar continuamente la bandeja de entrada del correo electrónico de la empresa. Este módulo detecta nuevos correos y extrae su contenido para su posterior procesamiento.

·       Clasificación de Incidencias/Consultas

Un modelo de lenguaje de gran tamaño (LLM) se utiliza para clasificar automáticamente los correos electrónicos en diferentes categorías editables por el usuario desde la aplicación Project Manager AI. Estas categorías incluyen Problemas Técnicos, Consultas de Uso, Requerimientos de Personalización, entre otras.

·       Gestión de Datos Adicionales

La interfaz de usuario permite añadir información adicional relevante para la gestión de la consulta o incidencia, como tipos de productos, descripción de la empresa, y características del personal.

·       Tablas de Incidencias y Histórico

Las incidencias/consultas abiertas se muestran en una tabla interactiva, mientras que un histórico detallado permite acceder a incidencias pasadas, facilitando el análisis y resolución de casos futuros.

·       Asignación de Incidencias

El backend utiliza la información recopilada para desglosar y clasificar la incidencia, asignándola automáticamente al personal adecuado mediante el LLM.

·       Análisis con Histórico

Utilizando técnicas de Recuperación-Augmentación-Generación (RAG), la incidencia o consulta entrante se compara con el histórico de incidencias y consultas almacenadas. Esto permite identificar patrones y similitudes con casos anteriores, proporcionando soluciones más rápidas y precisas. El sistema busca incidencias previas similares y sugiere resoluciones basadas en las experiencias anteriores, mejorando continuamente la eficacia de las respuestas.

·       Integración con Gestores de Proyectos

Utilizando APIs de programas como ClickUP, Asana, y Jira, se crean automáticamente tareas en el gestor de proyectos elegido, facilitando el seguimiento y resolución de las incidencias.

·       Almacenamiento en Base de Datos

Todas las incidencias se almacenan en una base de datos para mantener un registro histórico y permitir la reutilización de información en la resolución de incidencias futuras similares.

·       Generación de Informes

Se genera automáticamente un informe en formato .docx con los datos de la incidencia y un análisis preliminar realizado por el modelo LLM. Así, por ejemplo, en el informe pueden aparecer datos del proceso de fabricación de ese producto, así como el informe de calidad.

Conclusiones

La implementación de este sistema ha demostrado ser efectiva en la automatización de la gestión de incidencias y consultas, reduciendo significativamente los tiempos de respuesta y mejorando la precisión en la asignación de tareas. La integración con gestores de proyectos y el almacenamiento en una base de datos facilita un seguimiento exhaustivo y una resolución más rápida de problemas recurrentes.

Futuro Desarrollo

Las posibles mejoras para este sistema incluyen:

• Mejora de Prompts: Optimización de los prompts utilizados por el modelo LLM para mejorar la precisión y relevancia de las respuestas y clasificaciones.
• Ampliación de APIs: Integración con más plataformas de gestión de proyectos para una mayor flexibilidad y adaptabilidad.
• Análisis Predictivo: Implementación de modelos predictivos para anticipar posibles incidencias y proponer soluciones proactivas.
• Personalización Avanzada: Permitir configuraciones más detalladas y específicas para cada tipo de incidencia, adaptándose mejor a las necesidades particulares de la empresa.
• Interfaz de Usuario Mejorada: Desarrollo de una interfaz de usuario más intuitiva y rica en funciones para la gestión y visualización de incidencias.

La mejora continua de este sistema promete una gestión de incidencias y consultas aún más eficiente, adaptable y proactiva en el futuro.