Caso de estudio
Cliente
TechCorp Solutions
Tecnología
OpenAI, Python, Django
Cronograma
16 semanas
Resultados clave
45 seg
Tiempo de respuesta
desde 14 min promedio
$500K
Ahorro de costos
anualizado primer año
95%
Puntuación CSAT
desde 72% inicial
80%
Consultas automatizadas
nivel 1 sin humanos
Resumen del proyecto
ArrayMatic construyó un asistente de soporte basado en GPT-4 para TechCorp que automatizó el 80% de las consultas de nivel 1, ahorrando $500K/año mientras mejoraba el CSAT de 72% a 95%.
El desafío
El equipo de soporte de TechCorp estaba abrumado por consultas repetitivas — restablecimiento de contraseñas, estado de pedidos, preguntas frecuentes sobre facturación. El tiempo de espera promedio había subido a 14 minutos, los agentes estaban agotados y el CSAT había caído al 72%. Contratar más agentes no era viable; los costos ya duplicaban el presupuesto.
Nuestro enfoque
Ajustamos GPT-4 con la base de conocimientos de TechCorp y lo integramos con su instancia de Zendesk a través de una capa de middleware personalizada. El asistente gestiona las consultas de nivel 1 de principio a fin y las escala a un agente humano — con el contexto completo — cuando el nivel de confianza cae por debajo del umbral. Un ciclo de retroalimentación reentrena el modelo semanalmente con las transcripciones de escalamiento.
Resultados e impacto
En los 90 días posteriores al lanzamiento, el 80% de las consultas entrantes se resolvieron sin intervención humana. El tiempo de respuesta promedio se redujo de 14 minutos a menos de 45 segundos. El CSAT subió del 72% al 95%, y los costos de soporte anualizados disminuyeron en $500K.
Lo que entregamos
Modelo GPT-4 Ajustado
Entrenado a medida con 18 meses de transcripciones de soporte y la base de conocimientos completa del producto.
Capa de Integración con Zendesk
Middleware que enruta, escala e inyecta el contexto completo de la conversación en el espacio de trabajo del agente.
Pipeline de Reentrenamiento Semanal
Pipeline MLOps automatizado que ingiere datos de escalamiento y reentrena el modelo cada domingo.
Panel de Análisis
CSAT en tiempo real, tasa de deflexión y mapa de calor de escalamientos para la dirección de soporte.
“
ArrayMatic no solo construyó un chatbot — reconstruyó la forma en que opera nuestra organización de soporte. El ciclo de reentrenamiento semanal significa que el sistema sigue mejorando sin que tengamos que mover un dedo.
Sarah Chen
VP de Experiencia del Cliente · TechCorp Solutions
Trabajos relacionados