Migliorare il customer care nel Telco con Artificial Intelligence e Machine Learning

La razionalizzazione dei big data si affronta con il machine learning. Questa specifica componente nell’ambito dell’Intelligenza Artificiale trova una collocazione molto funzionale quando la si applica in analisi semantiche o, anche, in analisi vocali.

La gestione dei ticket di assistenza è un terreno di sperimentazione ideale per il machine learning e, quando si è presentata l’occasione di uno sviluppo ad hoc per un cliente, Lutech ha accettato volentieri la sfida. In un contesto in cui il rapporto con il cliente è estremamente frequente e sfrutta diversi touch point, spesso l’esigenza primaria è di ridurre la quantità di ticket aperti con motivazioni non coerenti con la tipologia dei ticket stessi, attraverso una nuova data governance.

"In mercati, come il Telco, in cui la gestione dei ticket è un’attività estremamente onerosa, l’impiego di motori di Intelligenza Artificiale favorisce l’ottimizzazione delle risorse."

Nella fattispecie, il cliente è uno dei più importanti operatori di telefonia mondiali. Con una fitta rete di punti vendita e infrastrutture di telecomunicazioni in Italia, in Europa e in molti paesi extra europei, il carrier da sempre pone particolare attenzione all’implementazione di nuove tecnologie e alla cura di tutti gli aspetti di supporto, a clienti finali, partner e risorse interne.

Conseguenza di questa forte propensione al contatto con i diversi interlocutori è la gestione di ticket aperti da terze parti che non sono compliant con il contenuto degli stessi. Ovvero, chi apre il ticket può, per diversi motivi, non essere allineato con le logiche di classificazione degli stessi utilizzate all’interno dell’azienda cliente e, così, contribuire a incrementare il livello di complessità.

Il cambio di responsabilità di gestione di un ticket può comportare costi non trascurabili, soprattutto quando le modifiche vengono identificate dopo un po’ di tempo e, soprattutto, i ticket sono troppi per essere monitorati manualmente.

L’obiettivo primario è, quindi, di analizzare il contenuto del ticket, valutare la compliance dello stesso alla categorizzazione predefinita e riassegnare la responsabilità di gestione al team che non ha proceduto nel modo corretto, limitando le perdite di tempo e, soprattutto l’intervento umano.

Preso atto dell’esigenza del cliente, Lutech ha configurato una soluzione basata su tecniche di Natural Language Processing al fine di intercettare le similarità tra un ticket e il suo raggruppamento in base alle caratteristiche del ticket stesso.

È parso subito evidente che, come capita spesso nell’utilizzo di algoritmi di Intelligenza Artificiale, ci si sarebbe dovuti rivolgere a una piattaforma di sviluppo e un set di tool per la specifica esigenza da utilizzare come base di partenza. Così, si è individuato Google Cloud come ambiente su cui costruire e customizzare la soluzione applicativa sulle esigenze espresse dal cliente.

Il progetto di Lutech si è sviluppato come applicazione cloud native, implementata sulla Google Cloud Platform. È composto da due fasi principali di analisi: identificazione delle proprietà del testo e raggruppamento di ticket con caratteristiche simili.

Le stesse caratteristiche sono state utilizzate per la creazione di gruppi di ticket di cui si è determinato il numero in modo automatico ancora in base alle proprietà testuali.

Successivamente, il business team del cliente ha fornito delle etichette per definire i cluster, permettendo la definizione di un classificatore vero e proprio, la cui accuratezza aumenta man mano che gli utilizzatori forniscono feedback sulla classificazione proposta (machine learning). 

In particolare, l’applicativo messo a punto da Lutech garantiva una valutazione della compliance molto più rapida, dell’ordine del decimo di secondo, la possibilità di fare continuous learning e di configurare notifiche ad hoc in base alla tipologia di inconsistenza riscontrata.

A oggi, il sistema applicativo implementato da Lutech permette di abbattere completamente il tempo che intercorre tra l’apertura del ticket e la sua analisi di compliance, portandolo nell’ordine di un decimo di secondo, mentre in passato è stato anche di qualche giorno e dipendeva fortemente dal numero delle richieste e dalla gestione delle risorse preposte.

Oggi, il sistema individua immediatamente i ticket gestiti con un contenuto di formato non valido e suggerisce all’operatore quali sono quelli sospetti, velocizzando tutto il processo di analisi e lavorazione, con un miglioramento notevole della customer satisfaction.