En los últimos años, el negocio de la prestación de servicio en campo (Field-Services) ha recuperado la senda de crecimiento. Según el estudio de Facts & Factors, “el mercado de gestión de SAT prevé que alcance los 6.161,9 millones de dólares para 2028”. Esto es así porque las inversiones en automatización, cloud, IA, IoT y otras tecnologías se han acelerado, aportando avances sustanciales en el mantenimiento predictivo y monitorización de servicios de campo. Retomando el artículo anteriormente publicado ‘Cómo ser eficiente en la gestión del Field Service’, “El SAT tiene como fin mantener los activos en un correcto funcionamiento. Para un mantenimiento eficiente, el field service debería contar con un buen sistema preventivo para evitar así al máximo posible las intervenciones correctivas. Para ello, existen herramientas como la app SAT Next que facilita la gestión completa de las intervenciones”.

Sistema inteligente de LKS Next
En este contexto, LKS Next está desarrollando un sistema inteligente que va a permitir a los servicios de postventa optimizar el proceso de intervención, anticipando las necesidades del cliente con inteligencia artificial (IA). Este sistema se basa en el uso de tecnología colaborativa, modelos de predicción y sistemas cognitivos acompañados de gamificación, para dirigir la actuación de los operarios a partir de las conclusiones extraídas de los resultados de los modelos cognitivos. Estos modelos nos permiten interpretar el entorno a través del reconocimiento de imágenes y análisis del lenguaje natural; replican las habilidades sensitivas de los humanos, haciéndolos imprescindibles en el campo de customer experience. No se pretende sustituir a un técnico, sino que un asistente sugerirá soluciones que ayuden al agente a resolver los problemas de su cliente. Los asistentes estarán incluidos en la operativa diaria del agente. Recomendarán la solución o abanico de soluciones más eficientes, generando documentación técnica de forma automática.

El agente seleccionará la solución que mejor se adapte al contexto y necesidades particulares del cliente, retroalimentando al sistema con más información de la intervención, para optimizar los modelos cognitivos.

Beneficios conseguidos
Entre los beneficios proporcionados por este sistema, se pueden destacar:

• Mejora de la satisfacción de los clientes, permitiendo realizar las reparaciones en menos tiempo.
• Aumento de la eficiencia de los agentes de campo, aprovechando la generación automática de predicciones técnicas asociadas al producto y al comportamiento del cliente (gracias a la explotación del conocimiento adquirido en un amplio historial de intervenciones).
• Reducción de costes de intervención, capacitando en tiempo real al agente con guías técnicas personalizadas podrá realizar más intervenciones.
• Innovación en producto y en servicio, potenciando la gestión y transferencia de conocimiento entre los agentes, utilizando herramientas colaborativas inteligentes.

En conclusión, este sistema inteligente supondrá un salto cualitativo en la eficiencia de los servicios de mantenimiento predictivo y correctivo. Utilizando big data y analítica predictiva, los agentes podrán anticiparse a problemas, necesidades o consultas potenciales de los clientes y dispondrán de motores de recomendación de soluciones basados en machine learning (ML) que resolverán de manera efectiva consultas, problemas e intervenciones en campo.

Artículo también publicado en la revista Computing
Aritz Galdos · Consultor Tecnológico en LKS Next