L’Université européenne dispose d’un agent autonome sur WhatsApp, basé sur Salesforce Agentforce, pour répondre 24h/24 et 7j/7 au volume croissant de consultations que vous avez pour vos étudiants potentiels. Sa mise en œuvre a permis au centre éducatif de réduire les espérances et de permettre également aux agents chargés de ces tâches monotones de se concentrer sur les conversations de plus grande valeur.
Le projet a été implanté de manière progressive, en s’appuyant sur un cas d’utilisation agréé, avec l’objectif de valider le modèle, de construire une base de connaissance solide et d’améliorer la qualité des réponses et l’expérience des anciens élèves. Même si le système offre une attention immédiate et absorbe des consultations de manière autonome, la supervision humaine est fondamentale pour la forme que l’agent, qui se fonde uniquement sur ses réponses en informations officielles et validées, dérive aux professionnels lorsqu’il détecte des nécessités spécifiques. L’initiative fait partie d’une stratégie plus large d’IA génétique, pensée pour étendre d’autres processus et améliorer l’efficacité opérationnelle dans le futur.
Pour expliquer tout cela et ce qui a permis l’implantation de Salesforce Agentforce, nous l’avons fait avec Natalia Rodríguez Rodríguez, responsable de la transformation numérique et des projets stratégiques de l’Université européenne.
Entretien avec Natalia Rodríguez Rodríguez, responsable de la transformation numérique et des projets stratégiques de l’Université européenne.
Quel est le problème qui se pose?
L’Université européenne a besoin de répondre à un volume important de consultations, en offrant une attention plus rapide et disponible 24h/24 et 7j/7 sur les canaux que les étudiants utilisent habituellement, comme WhatsApp. L’objectif sera d’améliorer l’expérience des anciens élèves potentiels depuis le premier contact, d’éviter des temps d’attente et de permettre aux associés de se concentrer sur toutes les conversations où ils peuvent apporter une plus grande valeur.
A grands rasgos, ¿en qué ha consistido el proyecto?
Le projet a consisté à implanter un agent autonome sur WhatsApp basé sur Salesforce Agentforce, capable d’attendre des étudiants potentiels de forme immédiate et disponible 24h/24 et 7j/7. L’agent répond aux consultations, oriente l’étudiant et l’accompagne pendant le processus d’information et d’admission. De plus, il intègre des mécanismes d’escalade et de dérivation vers les agents humains lorsqu’ils détectent des nécessités ou des situations déterminées lors de l’intervention d’une personne portant une grande valeur. De cette manière, nous combinons l’immédiateté et la disponibilité de l’IA avec l’accompagnement humain lorsque cela est vraiment nécessaire.
Comment mettre en œuvre ? ¿Qué pasos se diéron? Avez-vous rencontré un type de difficulté ? Quand est-ce que le temps dure le processus ?
L’implantation a été réalisée de manière progressive, en commençant par un cas d’utilisation très acotado qui nous a permis de valider le modèle avant de développer de grandes capacités et possibilités. Depuis le début, nous avons conçu la solution pensée pour l’évolutivité future, en construisant les capacités nécessaires pour incorporer de nouveaux cas d’utilisation de forme séncilla.
Nous sommes actuellement en phase d’ouverture progressive, avec un accent particulier sur la qualité des réponses, l’expérience de l’étudiant et la capacité de résolution de l’agent. Le principal objectif est la construction de la base de connaissances, car il est nécessaire de recopier, de structurer et de valider une grande quantité d’informations qui, dans de nombreux cas, ne sont pas trouvées documentées de forme homogène. Más qu’un projet encerclé, nous l’entendons comme un processus de amélioration continue de la part de l’agent qui évolue à travers une nouvelle connaissance et une nouvelle expérience des interactions des utilisateurs.
Qu’est-ce qui a été suivi après l’implantation ?
Une fois dans la phase de déploiement progressif, nous vous offrons donc une attention immédiate et disponible 24h/24 et 7j/7 à travers WhatsApp, réduisant ainsi le temps d’attente et améliorant l’expérience de l’étudiant potentiel. De plus, nous sommes logés dans des consultations de forme autonome, permettant à nos équipes de consacrer plus de temps à toutes les interactions avec la valeur humaine qui sont les plus pertinentes.
Finalement, nous avons construit une base évolutive qui nous permettra d’étendre nos capacités et nos cas d’utilisation dans le futur.
Comment appliquer le cas d’utilisation dans d’autres domaines ?
Ce projet fait partie d’une stratégie plus étendue d’incorporation d’IA agent dans l’Université. Actuellement, lors de la phase d’exécution progressive et de validation du modèle, l’intention est d’étendre ce type de capacités à d’autres processus qui peuvent améliorer l’expérience des étudiants et des employés, offrir une attention plus agile et augmenter l’efficacité opérationnelle.
L’opportunité de construire la solution sur Salesforce Agentforce nous permet d’augmenter et de réutiliser les capacités de forma Sencilla dans de nouveaux cas d’utilisation.
Et comme nous l’avons fait chez AgentForce WorldTour, l’agent va détecter les besoins des anciens élèves avec l’offre de l’Université, qui n’a pas de supervision humaine ? Si vous êtes un agent de l’IA, est-ce qu’il est basé sur des statistiques et des probabilités de faire comme des sources de données précédentes, peut-il confondre l’agent avec l’option qui doit être un ancien élève ?
La supervision humaine reste une partie fondamentale du processus. L’objectif de l’agent n’est pas de remplacer les agents, mais d’accompagner l’étudiant et d’aider nos équipes à être les plus efficaces.
En effet, l’agent intègre des mécanismes d’escalade pour amener la conversation à un professionnel lorsqu’il détecte des nécessités déterminées ou lorsque l’intervention humaine apporte une plus grande valeur.
De plus, l’agent n’a pas à prendre de décisions universitaires ni à recommander des programmes basés uniquement sur des probabilités. Vos réponses sont fournies par les informations officielles de l’Université et par une base de connaissances validées, ce qui réduit considérablement le risque d’erreur.
Comme toute solution d’IA, nécessite une surveillance et une meilleure continuité. Précisément, nous suivons dans une phase de déploiement progressif, en analysant la qualité des réponses et l’expérience des utilisateurs pour suivre l’évolution du modèle.
