Convertir a los clientes potenciales de OpenAI en clientes

Este artículo forma parte de nuestra serie sobre cómo en OpenAI desarrollamos soluciones propias usando nuestra tecnología.

Cuando lanzamos ChatGPT Enterprise y Business, la demanda se disparó. Cada mes, decenas de miles de empresas se ponían en contacto con nosotros, tanto startups que recién se iniciaban como multinacionales. La demanda era impresionante. Y nuestros sistemas estaban realmente sometidos a presión.

Utilizar formularios y flujos de trabajo para canalizar a tanto cliente potencial no era una solución adecuada en ese momento. A muchos de esos prospectos, se les llegó a enviar una respuesta automática en la que se les indicaba que se registraran en línea. De hecho, muy pocos fueron los que recibieron una respuesta a sus preguntas. No es de sorprender que, como resultado, se perdieran oportunidades y la experiencia de compra no estuviera a la altura de la confianza que los clientes estaban depositando en nosotros.

El reto no pasaba solamente por una cuestión de escala. Era, sobre todo, un tema de calidad. Los clientes querían respuestas a preguntas muy puntuales:

• ¿Este producto cumple con la normativa en un entorno sanitario?
• ¿Cómo hacemos para comparar los planes y elegir el más adecuado?
• ¿A qué resultados están llegando nuestros colegas del sector?

“Cada mes llegaban miles de clientes potenciales y apenas teníamos capacidad para hablar con unos cuantos. Algunos solo necesitaban que les respondiéramos un par de preguntas para disfrutar de una experiencia de compra realmente satisfactoria, pero no estábamos en condiciones de ofrecerles una experiencia personalizada”, recuerda Harsha Chilakamarri, responsable de Innovación en lanzamiento al mercado.

La automatización tradicional no estaba a la altura de la circunstancia. Y contratar mas personal no era una opción sostenible. Claramente, teníamos que cambiar de enfoque.

Creamos un asistente de ventas basado en IA, entrenado y perfeccionado por los comentarios de los representantes, que no diseñamos para reemplazarlos, sino para ampliar su alcance.

La base son nuestros conectores internos: documentación de producto, políticas, historias de clientes y manuales que se integran en el contexto para que el modelo pueda razonar sobre ellos. El asistente no se basa en conjeturas. Al contrario, responde a lo que se le pregunta con precisión, en el idioma del cliente potencial.

Esto significa que cada cliente potencial recibe en cuestión de minutos una respuesta personalizada, redactada en su propio idioma y basada en la pregunta que formuló.

• Una empresa ubicada en Tokio recibe la respuesta en japonés y no una carta tipo redactada en inglés.
• Un establecimiento hospitalario que se interesa por el cumplimiento de la normativa obtiene los detalles en su primer intercambio y no después de esperar una semana.
• Si el cliente potencial cumple los requisitos de la empresa, el seguimiento se transfiere sin problemas a un representante y el contexto no se modifica.

“Este modelo nos permite atender a cada cliente y brindarle una experiencia hiperpersonalizada”, dice Chilakamarri.

Esto no se trata de automatizar porque sí. Se trata de una automatización que aporta valor de forma inmediata.

El gran cambio no vino solamente por la primera respuesta del asistente, sino por todo lo que vino detrás.

Cuando entrenamos el modelo, les enviamos todos los borradores de respuesta a los representantes de ventas para que los corrigieran. De este modo, todas las correcciones se convirtieron en datos de entrenamiento. En pocas semanas, la precisión trepó del 60 % a más del 98 %. Así, el asistente pasó de parecer un modelo genérico a representar la mejor versión de nuestro equipo, con un criterio bien codificado y extensible a gran escala.

Para los representantes, el cambio se produjo de inmediato. Ya no tenían bandejas de entrada abarrotadas de clientes potenciales que no reunían las condiciones necesarias. Podían retomar conversaciones que ya estaban en marcha, con clientes potenciales que tenían intenciones reales y preguntas reales a las que responder.

Las evaluaciones también generaron confianza entre los directivos. El progreso que mostraban era cuantificable. No se trataba de anécdotas. Además, demostraban que el asistente podía escalarse de forma responsable.

El impacto fue inmediato. Una empresa pequeña que en algún momento había quedado relegada en la cola de espera envió sus preguntas, recibió respuestas satisfactorias en un par de horas y, unos días después, firmó un contrato empresarial. Ese es el tipo de historias que se repetían una y otra vez.

Lo que hasta entonces había sido como un callejón sin salida pasó a ser uno de nuestros canales de mayor crecimiento. En pocos meses, se generaron ingresos anuales recurrentes por varios millones.

El cambio fue igualmente valioso para los representantes, que ahora recibían a clientes potenciales que reunían las condiciones necesarias. Ahora, ya no tenían que tratar con clientes genéricos, sino que podían mantener conversaciones dinámicas con un objetivo bien definido. Por primera vez, nadie se sentía excluido.

Esto va más allá de los clientes potenciales. La oportunidad es, en realidad, mucho mayor, ya que tanto la incorporación, como las renovaciones y el soporte resultan beneficiados cuando las conversaciones son personalizadas y generan confianza.

Es fácil: cuando la IA te ayuda a ampliar el alcance de la excelencia de tus mejores representantes, cambias las perspectivas de todo el equipo.

Como dijo Chilakamarri: “Los directivos no podían estar más contentos. Es la prueba de que podemos desarrollar a OpenAI en OpenAI y mostrarles nuestra tecnología directamente a los clientes”.

La personalización de cada cliente potencial no es simplemente una táctica, sino una forma cada vez más eficaz de interactuar con todos.