#AISummit | Customer Experience 2.0. IA en el Servicio al Cliente
Category
🦄
CreatividadTranscripción
00:00Y seguimos con más de este IA Summit. En este caso vamos a hablar de IA en el servicio al cliente.
00:07Un poco esta Customer Experience 2.0 de la que se habla tanto.
00:12Y tengo a alguien súper especial para hablar del tema, Mariela Fiorenzo.
00:16Es Data Office Manager de Telecomo Argentina.
00:19Y vamos a estar hablando un poco sobre datos.
00:23Pero antes quisiera que me cuentes algo que justo estábamos charlando afuera del aire.
00:29Me contabas que sos matemática de profesión.
00:32¿Cómo una persona que estudió matemática, una profesional, una académica casi podemos decir,
00:37se reconvierte al mundo de las empresas y los datos?
00:42Bueno, yo empecé estudiando licenciatura en matemática porque siempre me apasionó el mundo de la matemática.
00:48Pero descubrí durante mi carrera que lo quería poner al servicio del negocio, de alguna industria.
00:57El mundo académico sentía que no era el ámbito en el que yo me quería desarrollar.
01:02Y cuando terminé la carrera de licenciatura en matemática, yo estudié en la UBA,
01:07la Facultad de Ciencias Exactas, ya se empezaba a hablar de un posgrado que había en datos,
01:12que era bastante nuevo en ese momento y que todavía no se hablaba mucho de datos en general.
01:17Y me pareció que era una buena carrera para continuar y para poder ver cómo empezar a aplicarlo
01:25en la vida de las empresas.
01:28Así que en ese momento creo que tuve un buen olfato, eso ya estamos hablando de hace unos 12 años atrás.
01:35Hoy evolucionó un montón, hoy hay un montón de carreras de datos posgrados e incluso carreras de grado.
01:42Así que creo que eso fue como un poco el puntapié para iniciar esta carrera del mundo de datos,
01:49en mi caso, dentro de Telecom.
01:52Bien, y te quería preguntar un poco sobre los científicos de datos, acelerándonos un poco el libreto.
01:57Me interesa tu opinión respecto de estos científicos de datos que cada vez son más demandados por el mercado.
02:03Vos tenés un equipo de 130 personas, por lo que me comentabas.
02:06¿Cuántos de ellos son científicos de datos y cómo se buscan en el mercado estos perfiles que son hiperspecíficos?
02:13Son hiperspecíficos. Hoy creo que hay una gran demanda, ya hace un par de años que hay una gran demanda
02:19de científicos de datos. Hoy dentro de todo lo que es ese staff que yo tengo, de esos 130,
02:25ellos serán aproximadamente unas 30 personas que están al servicio de toda la compañía.
02:31Somos un servicio cross y la realidad es que hay una demanda muy grande y desde nuestro lado hay como un mix de roles
02:44que también combinamos. No son solamente los científicos de datos, sino que también está el rol de los que hacen
02:50Machine Learning Ops, los que hacen Data Engineering.
02:55Son todo un equipo colaborativo que tienen que trabajar muy mano a mano.
03:02El científico solo tampoco puede cubrir todo el scope sin los otros roles.
03:09Pero es increíble la relevancia que fueron cobrando en el último tiempo. Creo que es una de las carreras más sexys ahora
03:18hablando de lo que son las nuevas carreras digitales que están dando vueltas.
03:26Bien. Y un poco me interesa tu historia como persona que estuvo dentro de la compañía muchísimos años.
03:33¿Cómo se dio la transformación digital dentro de la propia empresa relacionado también con las propias áreas operativas?
03:41Después te voy a preguntar sobre cómo se convirtió en una compañía Data Driven.
03:45Pero antes quiero que me cuentes un poco sobre la transformación digital que muchas veces tiene un elemento cultural muy importante.
03:51Yo creo que lo que es la transformación digital, si te digo que ya nos transformamos, te estaría mintiendo.
03:57Creo que es un proceso y creo que la transformación es algo continuo. Constantemente estamos buscando la manera de transformarnos.
04:05Hoy creo que como empresa de telecomunicaciones, no nos pasa solamente a telecom, es algo que pasa a nivel mundial.
04:12Lo que es nuestro servicio core, que es la conectividad que ofrecemos, empieza a verse más como un commodity.
04:20Entonces hay que empezar a buscar nuevos negocios y nuevas maneras de poder llegar al cliente con otros productos y con otros servicios.
04:29Entonces eso es el catalizador para comenzar esta transformación y es lo que nosotros llamamos el camino de la telco a la tecco.
04:37De ahí viene también un poco estos roles que empezamos a buscar en el mercado.
04:42En mi caso son los data engineers, los data scientists.
04:45Pero hay todo un sinfín de roles más desde lo que es el plano digital, que es lo que hoy estamos más saliendo a buscar en el mercado.
04:54Justamente para entender cómo desde la parte más tecnológica, más desde los sistemas, podemos contribuir a que la compañía pueda transformarse
05:03y ofrecer otro tipo de servicios al cliente que hoy nos empiece a generar más valor.
05:09Entonces hoy un poco lo que vamos a la búsqueda es eso, de cómo crear nuevos negocios, además del negocio core que sigue siendo la conectividad.
05:17Me encanta esto de una telco a una tecco. O sea, marca un poco ese cambio cultural y también de transformación digital plena.
05:26Pero te quería preguntar, y un poco te lo adelantaba antes, sobre la estrategia que tuvieron para convertirse en una compañía data-driven.
05:34Bueno, eso también es un proceso. Y como yo siempre digo, hay una parte que es tecnológica y hay otra parte que es la más compleja, que es la de las personas.
05:45Cuando queremos transformarnos, la transformación desde lo que es la tecnología y los sistemas es enciendo y apago.
05:55Obviamente no es tan sencillo, pero lo más complejo es la transformación cultural.
06:00Y en nuestro caso, en lo que tiene que ver con transformarnos en una compañía data-driven, le prestamos mucha atención a eso.
06:09Y dentro de lo que es la estructura de todo el equipo, de hecho tenemos un equipo que es de culturas directamente, de cultura del dato,
06:17en donde justamente lo que hacemos es, más allá de que actualizamos y modernizamos nuestra tecnología de datos,
06:25llevando todos los sistemas que teníamos a la nube, tenemos que acompañar a los equipos a que logren hacer esa migración.
06:32El dejar de trabajar como lo veníamos haciendo, porque es como me siento cómodo trabajando.
06:39Y esto por ahí de trabajar en silos, que es algo muy común.
06:43Empezar a construir algo cross para toda la compañía en un mismo ecosistema, en el cual todos colaboramos y todos formamos parte.
06:54Aun hablando de datos, nos sigue pasando eso.
06:59Eso creo que es lo más difícil de transitar y en donde más necesita de nosotros la compañía.
07:07Así que desde nuestro lugar lo que hacemos es, sobre todo, armar equipos interdisciplinarios, colaborativos,
07:14donde nosotros trabajamos junto con el negocio, aplicando metodologías ágiles que nos permiten mucho ir evolucionando rápidamente
07:24y que vayan viendo el beneficio de nuestra propuesta sobre ser data-driven.
07:30Y la verdad que hasta ahora viene dando su fruto.
07:34Pero creo que sobre todo requiere de esto, de mucho acompañamiento de las áreas que tienen el conocimiento más tecnológico
07:40hacia lo que son nuestros clientes internos.
07:43Claro, lo entiendo, porque muchas veces la parte tecnológica, hace muchos años,
07:48también pasaba que la parte tecnológica a veces quedaba un poco distinta o diferente al resto del negocio.
07:57Como que no siempre se conectaban los sistemas.
08:00Y ahora se convirtieron en una parte fundamental del negocio, especialmente la parte que tiene que ver con datos.
08:06Esos datos ayudan a tomar mejores decisiones.
08:09¿Vos lo ves así también dentro de Telecom?
08:11Sí, tal cual. Eso es lo que perseguimos.
08:14Y para poder lograr eso también lo que necesitamos es descentralizar.
08:19No ser nosotros el área acá, esta es la cocina, sino empezar a llevar hacia los distintos equipos de negocio
08:26los conocimientos, el acompañamiento.
08:29Si bien hay ciertos roles específicos que son nuestros,
08:32tratamos de que el conocimiento no quede solamente dentro del equipo,
08:35sino poder transmitirlo y acompañar en los roles que hay analíticos dentro del negocio
08:41a que hagan el mejor uso de los datos.
08:44Como habilitadores nosotros, desde las plataformas, elegir la mejor tecnología, la mejor metodología,
08:50compartir las buenas prácticas con ellos, pero también liberar lo que nosotros llamamos el self-service.
08:57Y que ellos mismos, que el mismo negocio sea el que puede con datos tomar las mejores decisiones.
09:03Bien, vayamos un poco a la parte más técnica.
09:06Me interesa que me des un par de ejemplos sobre cómo los modelos de Machine Learning
09:10ayudaron un poco a optimizar procesos dentro de Telecom.
09:14Bueno, si bien hoy estamos trabajando bastante en todo lo que tiene que ver con iniciativas de GNI,
09:21que es lo que está hoy muy en boga.
09:24Muy en boga.
09:25Muy en boga, y entendemos que hay muchos procesos hoy que nos permiten reducir mucho la carga manual,
09:32automatizar muchos procesos.
09:34También hay casos donde nos permite, para lo que son los desarrolladores,
09:40hacer un onboarding mucho más rápido de las tecnologías.
09:43Nosotros venimos utilizando Inteligencia Artificial, Machine Learning, desde hace varios años.
09:49Lo que ahora llamamos Inteligencia Artificial tradicional.
09:53Y la realidad es que...
09:55Muchas veces se confunde Machine Learning, Inteligencia Artificial.
09:59Muchas veces se confunde. Esto es una familia, digamos.
10:02Son primos.
10:03Son primos, y hoy por ahí todo lo pensamos desde lo que es la idea generativa.
10:07Pero la realidad es que tampoco resuelve absolutamente todo la idea generativa.
10:12Y hay mucho que tenemos que volver a la idea tradicional.
10:16La realidad es que hay muchísimos modelos dentro de Telecom que nosotros utilizamos,
10:21ya sea para algún uso interno, como también de cara directamente al cliente.
10:26Pensando en esto del Customer Experience.
10:28El poder armar recomendadores.
10:31¿Cuál es el mejor producto que yo le puedo recomendar a un cliente en base a su historial?
10:38O no sé si le quiero proponer alguna oferta, algún combo, algún upgrade.
10:45Incluso Flow, que es nuestro producto de entretenimiento.
10:49Si queremos recomendarle algún tipo de contenido basado en algún perfil.
10:54Todo ese armado de perfilería, toda esa recomendación.
10:57Atrás de eso hay motores de Machine Learning que nos permiten acercarle al cliente
11:02ofertas mucho más targetizadas para ellos.
11:07Empezar a individualizar y a personalizar las ofertas que hacemos,
11:12nos hace ser mucho más asertivos y el cliente se siente mucho más cuidado también por nosotros.
11:17¿Y cuáles dirías que son los impactos más significativos que vos viste de estas implementaciones?
11:23Porque me encanta.
11:25Me diste un par de ejemplos que están buenísimos.
11:27El de Flow, por ejemplo, que todos lo usamos para ver películas o para ver series.
11:31Te recomienda un montón de cosas relacionadas a tus gustos o a lo que ya viste.
11:35Esos algoritmos son súper interesantes.
11:37¿Cuál es el impacto en la gente?
11:40El impacto que termina generando es esto.
11:43Nosotros siempre medimos detractores y promotores dentro de la compañía.
11:47Y esto es lo que genera esto.
11:49Un mayor número de promotores que a nosotros nos hace performar mucho más nuestro NPS.
11:55Que es de la manera en la que todos nos vamos midiendo.
11:58Y también en toda la oferta que uno hace, la captura de clientes que se sigue generando.
12:07Después también hay algunos productos que encontramos también la vuelta de que,
12:12si bien nosotros los desarrollamos para un uso interno,
12:17también empezamos a ver que podemos generar negocios con clientes externos.
12:22Y eso nos genera a nosotros algún nuevo negocio.
12:26Vendiendo algún producto a clientes que nos acercan desde Telecom Empresas.
12:30En donde no solo lo podemos usar nosotros para nuestros propios clientes,
12:33sino nuestros grandes clientes con sus propios clientes.
12:37Es una manera de reutilizar productos que ya tenemos y ponerlos también al servicio de los demás.
12:42Cuando hablamos de explotación de datos, de alguna forma, también hablamos de buenas prácticas.
12:49¿Cuáles son las buenas prácticas que hay que tener en cuenta en las áreas analíticas
12:53para que exploten al máximo el valor de los datos?
12:56Nosotros, por ejemplo, esto lo cuento por ahí más desde la parte cultural,
13:02generamos una comunidad de usuarios donde justamente ahí lo que solemos abordar es buenas prácticas.
13:11Y tiene que ver mucho también con lo que es la salud financiera de todo esto.
13:16Hay, por ejemplo, equipos de FinOps que también ellos intervienen en el cómo utilizar los datos
13:23de la mejor manera, de la manera más óptima.
13:27Tratando de no generarnos costos dentro de lo que tiene que ver con la explotación.
13:31Por eso nos ponemos un poco técnicos en lo que tiene que ver con hacer una query,
13:36hacer una consulta, armar reportería, tableros.
13:40Tratar de hacerlo de la manera más costo eficiente posible.
13:43Pero siempre las buenas prácticas es alinearse a la metodología que nosotros proponemos
13:47desde la tecnología en la que hoy estamos parados.
13:50Creo que el armado de un equipo interdisciplinario abona mucho las buenas prácticas
13:55porque estamos muy cerca.
13:57Dividir los roles, entender en qué etapa más de la construcción y de la arquitectura,
14:03por ahí es algo que se tiene que delegar en cierto equipo.
14:07Y después todo lo que es la mirada más de negocio, que lo construyan más puertas
14:13para dentro del negocio.
14:15Pero las buenas prácticas tienen que ver más que nada con esto,
14:17con las mejores maneras de aprovechar el dato construyendo algo común
14:22y valiéndonos también de las construcciones que hacen otros equipos.
14:25No duplicar el esfuerzo y poder todos tener una misma mirada común
14:33sobre, por ejemplo, un KPI que queremos medir de la compañía.
14:37Saber que somos todos una gran comunidad y que tenemos que apoyarnos mutuamente
14:41y no hacer esfuerzo multiplicado.
14:44Bien. Te quiero hacer una pregunta sobre tu rol.
14:47No va a ser la última pregunta, pero casi.
14:49Te voy a preguntar sobre cómo ves que tu propio rol, el de Data Office Manager,
14:54evolucione en los próximos años.
14:57A ver, pensando en nuestro caso particular dentro de Telecom,
15:02en esto de que la transformación digital es un continuo,
15:05veo que hay mucho desde el lado de data sobre cómo nosotros podemos aportar
15:11nuevas ideas de nuevos negocios.
15:13El track de monetización es un track que todavía se puede explotar
15:18muchísimo más de como hoy lo estamos explotando.
15:21Creo que esa es una de las aristas en donde más evolución veo posible.
15:29Hay toda una inversión que nosotros ya tenemos hechas en datos
15:32y qué mejor sería que podamos utilizar ya toda esa inversión que tenemos
15:36para uso interno para poder encontrar nuevas vías de negocio.
15:40Y por otro lado, también es fundamental todo el trabajo que nosotros hacemos
15:44desde lo que es el curado de los datos y desde el gobierno de los datos
15:47para todo el desarrollo de inteligencia artificial que se basa en esto.
15:51Porque la inteligencia artificial, si el dato no está curado,
15:55si el dato no tiene calidad, cualquier cosa que salga de esos motores
15:59de inteligencia artificial no van a ser útiles.
16:02Entonces tenemos un trabajo súper fuerte nosotros, desde el equipo,
16:07desde mi rol, en todo lo que tiene que ver con este gobierno,
16:12tanto del dato como también de la inteligencia artificial.
16:15Cómo también vamos a disponibilizar plataformas de inteligencia artificial
16:19dentro de la compañía, cómo las vamos a desarrollar
16:21y descentralizarlas para todos.
16:24Vayamos al futuro, y esta sí es la última pregunta.
16:27¿Qué ves en Machine Learning y en inteligencia artificial
16:31que van a ser claves para el futuro, tanto de Telecom como de la tecnología en general?
16:38Si hoy me preguntás de futuro, yo creo que hoy GeneEI es el futuro,
16:44sobre todo porque nos viene a tocar desde lo personal también.
16:47Por ahí lo que es Machine Learning, nadie se imagina haciendo Machine Learning
16:51en su casa, pero GeneEI, yo me imagino a todos pudiendo utilizar esta herramienta
16:57para optimizar mucho del tiempo.
17:01Yo utilizo todo el tiempo GeneEI para cosas de la vida cotidiana,
17:06incluso no solamente para cosas laborales.
17:08Entonces yo creo que hoy el futuro es ese, cuando logra una tecnología
17:12meterse en la vida individual de cada uno de nosotros,
17:16es donde me parece que ahí se logra realmente la transformación.
17:20Y yo creo que hoy ya lo está logrando.
17:22Bien. Estuvimos con Mariela Fiorenzo, Data Office Manager de Telecom Argentina.
17:26Mariela, ¿cómo estuviste? ¿Te sentiste cómoda?
17:29Súper. Me encantó.
17:31Bueno, muchas gracias por estar con nosotros.
17:33A vos.
17:34Y para los que están del otro lado, les decimos que todavía queda mucho más
17:37de este AI Summit. Muchas gracias.