[12/05/2025] Durante el AWS Innovate, llevado a cabo recientemente, Latam Airlines expuso sobre la implementación de IA generativa en la forma de un voicebot señalando que ha dado a la compañía una nueva forma de atender las consultas de sus clientes, mejorando la experiencia del cliente.
Latam Airlines, una de las aerolíneas líderes en Latinoamérica, ha emprendido un viaje de transformación digital con la implementación de inteligencia artificial (IA) generativa. Este proyecto, que comenzó en el 2023, busca mejorar la atención al cliente y optimizar la eficiencia operativa. En un pequeño panel, Gonzalo Barahona, digital team lead, y Miguel de Orué Díaz, digital professional, ambos de Latam Airlines Group, compartieron los detalles de esta iniciativa con Rosmar Torres, arquitecta de soluciones de AWS.
Gonzalo Barahona, digital team lead, y Miguel de Orué Díaz, digital professional, ambos de Latam Airlines Group, compartieron los detalles de esta iniciativa con Rosmar Torres, arquitecta de soluciones de AWS.
Barahona reveló que la motivación principal detrás de la adopción de la IA generativa es la visión de Latam de convertirse en una compañía digital. "En este tiempo estamos trabajando fuertemente en incorporar IA generativa en ciertos procesos de cara a generar un outcome que entregue valor”, afirmó el ejecutivo. En ese sentido, la IA se considera un habilitador clave para alcanzar esta aspiración, permitiendo a la aerolínea evaluar situaciones complejas y desarrollar soluciones innovadoras.
¿Por dónde se comenzó? Latam buscaba una solución que permitiera resolver las consultas de los clientes de manera eficiente y empática, especialmente en el canal de voz, donde las conversaciones pueden ser complejas y las expectativas de los clientes son altas. Para ello implementaron un voicebot.
La aerolínea identificó que una parte significativa de los pasajeros se ponía en contacto con el contact center por diversos motivos, desde consultas sencillas hasta problemas más complejos relacionados con su experiencia de viaje. El objetivo principal del voicebot era automatizar la respuesta a las preguntas frecuentes, permitiendo que los agentes humanos se enfocaran en resolver los casos más complicados.
"Entonces, una de las situaciones que buscábamos era, primero, tratar de que a las solicitudes que son simples de cara a un cliente, se les pueda dar una posibilidad de autoatención. De esa forma, dejamos que nuestro agente, en realidad, pudieran atender en particular los casos más complejos”, explicó Barahona
Latam priorizó el desarrollo del voicebot basándose en un análisis exhaustivo de las interacciones con los clientes. Se utilizó el data lake de la organización para identificar los tipos de preguntas y solicitudes más frecuentes, lo que permitió construir un contenido que resolviera las necesidades de los pasajeros de manera efectiva. Además, se consideró la importancia de la integración con el ecosistema existente de la aerolínea y la necesidad de mantener la simplicidad en la implementación.
Para evaluar el éxito del voicebot, Latam definió cuatro métricas clave: Satisfacción del cliente, 'Resolutividad', Duración del contacto y Tasa de transferencia entre agentes. En la Satisfacción del cliente se midió tanto la satisfacción al interactuar con el bot como al interactuar con el agente humano, en caso de que la llamada fuera transferida. En 'Resolutividad' se evaluó el porcentaje de contactos que se resolvieron durante la interacción inicial. En cuanto a la Duración del contacto se buscó asegurar que, en caso de transferencia a un agente, este contara con todo el contexto previo de la conversación para evitar repeticiones y reducir la duración total de la interacción. Finalmente, en cuanto a la Tasa de transferencia entre agentes, se implementaron algoritmos de IA para derivar las llamadas al grupo resolutor adecuado, minimizando las transferencias innecesarias.
"El objetivo principal era mejorar la resolutividad de los problemas de los clientes de manera eficiente. La IA generativa se presentó como una solución prometedora para automatizar la atención al cliente en el canal de voz, que históricamente había sido un desafío debido a la complejidad de las conversaciones”, explicó De Orué.
El proceso de implementación incluyó la búsqueda de socios estratégicos, la realización de pruebas de concepto y el desarrollo de un producto mínimo viable (MVP). Latam trabajó en estrecha colaboración con AWS, aprovechando sus soluciones preconstruidas y su experiencia en IA generativa para acelerar el desarrollo y mejorar la eficiencia de la solución. De Orué enfatizó la importancia de contar con un equipo multidisciplinario para el desarrollo e implementación del voicebot. Así contó con agentes del contact center y supervisores, especialistas en transformación, analistas de conversación y lingüistas, prompt engineers y desarrolladores, especialistas en seguridad, infraestructura y arquitectura, y equipos de DevSecOps y calidad.
De hecho, el equipo de calidad desempeñó un papel fundamental en la validación de la precisión de las respuestas del voicebot y en la construcción de una base de conocimiento sólida y adaptada al lenguaje conversacional del canal de voz.
Durante el proceso, uno de los principales desafíos enfrentados por Latam fue optimizar los tiempos de respuesta del voicebot. Los modelos de IA generativa iniciales presentaban demoras que resultaban inaceptables para los clientes en el canal de voz, donde el silencio puede generar incomodidad y percepción de falta de atención.
Para superar este obstáculo, Latam rediseñó la arquitectura de la solución, implementando procesos en paralelo y migrando a soluciones más eficientes como Bedrock Knowledge Base de AWS. Estas mejoras permitieron reducir los tiempos de respuesta a un promedio de tres a seis segundos, un avance significativo que continúa siendo objeto de optimización.
"El silencio genera incomodidad al final para el cliente y la percepción de que en realidad los dejamos atender. Entonces, esa situación para nosotros fue el primer gran motor de cambio de arquitectura de la PoC (Prueba de Concepto). Ahí fue cuando decidimos cambiar toda la arquitectura, nos movimos a otras soluciones, cambiamos y 'eficientamos' muchos procesos”, sostuvo De Orué.
Los resultados obtenidos por Latam con la implementación del voicebot han sido muy positivos.
"Yo puedo contar que en realidad nos ha ido bastante bien con el producto que implementamos. De hecho, recuerden que habíamos considerado una primera métrica que tiene que ver con la tasa de receptividad o de retención del contacto. Cuando partimos, la PoC estaba el orden de un 5%. Ya hoy estamos en una tasa de receptividad de un 35%. Tenemos una meta súper desafiante. Queremos llegar al 70%, ojalá en este año”.
Para alcanzar su ambicioso objetivo de retención, Latam planea migrar su arquitectura a una modalidad de agentes, lo que permitirá una mayor hiperpersonalización y respuestas más precisas. La aerolínea busca orquestar estos agentes de manera omnicanal, utilizando el mismo agente en diferentes canales de comunicación para brindar una experiencia consistente y de alta calidad a los pasajeros.
Rahul Pathak, vicepresidente de comercialización de datos e IA en AWS.
La mentalidad de la IA generativa
En conferencia aparte, Rahul Pathak, vicepresidente de comercialización de datos e IA en AWS, describió los pilares que AWS ha identificado para poder generar una mentalidad de IA generativa.
Pathak señaló que a lo largo de los muchos casos de implementación de IA generativa por los que ha transcurrido AWS se han podido identificar una serie de patrones clave y tendencias; de hecho, el ejecutivo sostuvo que a partir de estos patrones y tendencias se pueden identificar ciertos pilares que son fundamentales para generar lo que él denomina la 'mentalidad de la IA generativa'.
El primero de los pilares es trabajar desde el negocio y los clientes. La novedad de la IA generativa puede hacer que las organizaciones se animen a implementar alguna solución con esta tecnología. Sin embargo, Pathak sostuvo que lo primero en lo que se debe pensar es en establecer cuáles son los puntos de dolor de las organizaciones y qué resultados específicos se están buscando.
"Si bien hay mucho entusiasmo en torno a las capacidades de IA generativa -y está justificado- no caiga en la trampa de construir algo solo porque puede. Tiene que construir algo que genere algún valor para usted, para el negocio, para el cliente”, anotó el ejecutivo.
Por lo tanto, indicó Pathak, es muy importante comenzar siempre con el por qué antes del cómo. "Ahora bien, hay algunas cosas que se debe de tener en cuenta cuando se empieza con la IA generativa. En primer lugar, si bien la accesibilidad de la IA puede provocar una acción rápida, trabajar en silos puede conducir realmente a soluciones parciales e incompletas; se trata realmente de crear equipos multifuncionales que hablen de los problemas de los clientes de la misma manera, es decir, que hayan definido un lenguaje compartido”.
Otro punto que tomar en cuenta es la observación de las señales; es decir, lo que la gente está diciendo en las redes sociales, lo que se puede observar en los casos de soporte, e ir a hablar con los equipos de ventas y los clientes, explicó el ejecutivo. Los datos cuantitativos dirán lo que está sucediendo mientras que las conversaciones cualitativas dirán por qué está sucediendo y cuáles son las necesidades reales de los clientes.
"Además, es necesario tener un marco de evaluación sólido que analice el valor de negocio que está impulsando, su viabilidad, cuáles son los riesgos asociados, y cuáles son las habilidades y las capacidades necesarias; todas estas son cosas específicas en las que se debe de pensar desde el principio para que se pueda evaluar si estos casos de uso van a funcionar para la organización”, aseguró Pathak.
El segundo pilar es tener una estrategia de datos sólida. "Esto implica cosas como establecer una base de datos completa que incluya la recopilación de datos, formas de almacenar datos, formas de pensar en cómo gestionarlos. También es importante prestar atención a la calidad de los datos pues, como dice el dicho, 'basura que entra, basura que sale'. Además, los datos deben encontrarse bien gobernados y validados”, señaló el ejecutivo.
La seguridad de los datos también es fundamental. Por ello, Pathak indicó que los datos deben encontrarse cifrados, tanto en reposo como en tránsito. Además, es necesario desarrollar servicios que permitan cumplir con regulaciones como GDPR o HIPAA. Igualmente, se necesita crear teniendo en cuenta arquitecturas flexibles para poder acomodar nuevas fuentes de datos.
"Ahora, cuando se piensa en la gestión de datos a prueba de futuro, se trata realmente de pensar en procesos claros sobre cómo se van a adquirir los datos, cómo se van a limpiar, cómo se van a gestionar y proteger, cuál va a ser el ciclo de vida de los datos, cómo se van a documentar y qué linaje tienen. Y la razón por la que quieres hacer esto es que tus necesidades de datos van a evolucionar con el tiempo”, explicó el ejecutivo.
Finalmente, el tercer pilar es la disciplina. "Y la disciplina es igual a libertad. Siempre que hay una buena gobernanza las personas son más libres para innovar. Y así, cuanto más se pueda poner las medidas de seguridad adecuadas, más cómodo se sentirán las organizaciones liberando a las personas y dando rienda suelta a su creatividad e innovación”, comentó Pathak.
Desde esta perspectiva, agregó el ejecutivo, la seguridad no es el obstáculo para la innovación. Es realmente el facilitador.” Y aunque parece que la seguridad se trata de capas de controles y requisitos que pueden ralentizarla, las organizaciones con visión de futuro realmente han cambiado esta percepción. Se dan cuenta de que una cultura de seguridad sólida es lo que le permite adoptar las tecnologías emergentes de manera segura y responsable”.
Jose Antonio Trujillo, CTOPerú