Un soporte que se vuelve más inteligente con cada caso
Convierta automáticamente los casos de soporte resueltos en conocimiento aprovechable para sus equipos de servicio, su base de conocimiento y su autoservicio.
Con un intelligence loop impulsado por Agentforce en Salesforce, su empresa detecta patrones de problemas recurrentes en los casos cerrados, elabora propuestas de solución estructuradas y genera con ellas artículos de conocimiento en estado de borrador. Una persona revisa, completa y publica. Así surge conocimiento allí donde ya se encuentra: en sus casos, comentarios, hilos de correo y campos de resolución.
Sus equipos de soporte llevan tiempo resolviendo muchos problemas. Solo que el conocimiento que se genera a menudo no se hace aprovechable.
En muchos equipos de soporte y servicio que usan Salesforce, información valiosa sobre soluciones queda repartida entre comentarios de casos, hilos de correo y notas personales. Los agentes saben a menudo por experiencia cómo resolver determinados problemas. Pero la base de conocimiento no refleja ese saber por completo, o está desactualizada.
Esto provoca problemas recurrentes:
- Los agentes resuelven casos similares una y otra vez desde cero.
- Los clientes no encuentran en el autoservicio una respuesta adecuada o actual.
- Los knowledge managers tienen poca visibilidad sobre qué artículos faltan realmente.
- Producto e ingeniería no reciben ninguna señal estructurada del volumen de soporte.
- La base de conocimiento pierde confianza cuando los contenidos no están actualizados o no resultan útiles.
made with AI
La materia prima ya está en Salesforce. El paso decisivo es reconocerla sistemáticamente, estructurarla y convertirla en conocimiento de forma controlada. Justo ahí intervenimos nosotros.
La solución
Un intelligence loop para sus procesos de servicio en Salesforce
La solución evalúa automáticamente los casos cerrados y detecta patrones de problemas recurrentes, incluso cuando los clientes describen la misma solicitud de maneras distintas. Los casos similares no se encuentran mediante palabras clave simples, sino que se agrupan semánticamente. Así se hacen visibles temas que suelen perderse en el día a día.
Para cada patrón detectado, el sistema comprueba si ya existe un artículo de conocimiento adecuado. Si falta, el agente crea un borrador estructurado con la causa, los pasos de solución, los casos especiales e indicaciones sobre la solidez de las afirmaciones.
No se publica nada automáticamente. El artículo permanece primero en estado de borrador y una persona lo revisa, lo completa y lo aprueba.
Así funciona el proceso
01Analizar los casos
Los casos de soporte cerrados sirven de punto de partida. Son relevantes, por ejemplo, el asunto, la descripción, los comentarios, los correos y la información de resolución.
02Detectar patrones
Los casos no se agrupan por palabras clave simples, sino por similitud semántica. Así el sistema reconoce también casos que describen el mismo problema pero están formulados de forma completamente distinta. El recorrido de la demostración muestra exactamente esa diferencia entre búsqueda por palabras clave y análisis del significado.
03Hacer visibles los knowledge gaps
El sistema identifica clústeres de problemas recurrentes y comprueba si ya existe un artículo de conocimiento adecuado. Los clústeres no cubiertos se marcan como knowledge gap.
04Sintetizar la solución
Para un clúster marcado, el agente lee los recorridos de resolución reales. De ahí elabora un resumen estructurado con la causa, la vía de solución, los casos especiales y confidence notes. Estas confidence notes son especialmente importantes, porque muestran dónde los datos son inequívocos y dónde los casos difieren entre sí.
05Crear un borrador de artículo
De la síntesis surge un artículo de conocimiento en estado de borrador. El artículo sigue la estructura de plantilla existente en Salesforce Knowledge.
06Revisar y publicar con una persona
Un revisor comprueba el borrador, lo edita si es necesario y lo publica. Solo después el artículo queda disponible para agentes, agent assist, autoservicio u otros canales.
07Comprobar el efecto
Tras la publicación se vuelve a comprobar si el knowledge gap se ha cerrado. En el escenario de demostración se ve que solo el clúster publicado pasa a «covered», mientras que otras lagunas siguen abiertas.
Su beneficio
Soluciones más rápidas en el servicio
Los agentes reciben antes propuestas de solución verificadas y no tienen que analizar problemas similares una y otra vez desde cero.
Una mejor base de conocimiento
El conocimiento surge de casos de soporte reales y se transfiere de forma estructurada a artículos de conocimiento.
Más confianza en el autoservicio
Contenidos más actuales y relevantes aumentan la probabilidad de que los clientes encuentren respuestas adecuadas antes de abrir un ticket.
Más transparencia para el service management
Los problemas recurrentes se hacen visibles. Los equipos distinguen qué temas son sistémicos y cuáles siguen siendo casos aislados.
Mejores señales para producto e ingeniería
Los datos de soporte se convierten en indicios estructurados sobre problemas de producto, obstáculos de UX o preguntas de configuración recurrentes.
Uso controlado de la IA
El agente crea borradores y señala las incertidumbres. La publicación se produce solo tras la revisión humana.
Nuestros clientes fieles y satisfechos
Por qué factory42
factory42 combina la comprensión de los procesos de Salesforce, la implementación tecnológica y casos de uso de IA cercanos a la práctica. Mostramos no solo qué es posible con Agentforce, Data 360 y Salesforce Knowledge, sino también dónde la gobernanza, la calidad de los datos y la aprobación humana siguen siendo decisivas.
Hacemos visible cómo puede ser un proceso de servicio moderno: basado en datos, capaz de aprender y bajo control.
Su persona de contacto
Contacte con nuestros expertos
Veronika Schmatz, Account Manager, responde a sus preguntas sobre el tema