2020 / México / BBVA

Escalando el asistente virtual inteligente para atender necesidades urgentes

Mi rol

Product designer

Mi aporte

Product discovery

Diseño estratégico

Diseño conversacional

Evaluación de usabilidad

Resumen

Evolucionamos el asistente virtual de un piloto inicial a una solución robusta y empática capaz de atender emergencias.

Mediante análisis de +1,200 interacciones no resueltas y métricas del centro de atención, definimos el roadmap de producto y diseñamos la primera funcionalidad priorizada: un flujo conversacional intuitivo y empático alineado con el estado emocional de los usuarios

El resultado: reducción significativa de llamadas operativas y un roadmap sólido para escalar funcionalidades futuras.

Espacio del problema

Reto: de bot informativo a asistente funcional

Tras el lanzamiento inicial del asistente como piloto, el asistente aún tenía limitaciones importantes debido a que sus funcionalidades eran informativas y no permitían realizar operaciones.

Nuestro equipo asumió el reto de ampliar sus capacidades para hacerlo más robusto. Los objetivos estratégicos eran:

Definir el product roadmap del asistente virtual

Reducir las llamadas al centro de atención para procesos simples

Diseñar soluciones empáticas, automatizadas y escalables

Diagrama de 2 ejes del ecosistema de asistentes virtuales
Evolución de los asistentes virtuales

Visión estratégica: mapeando el ecosistema de asistentes

Para entender la tendencia de evolución de la asistencia virtual, realizamos un análisis comparativo con otros asistentes bancarios.

Descubrimos 2 ejes clave de madurez:

  • Omnicanalidad: continuidad entre canales digitales y físicos.

  • Asesoría contextual: brindar orientación relevante y capacidad de operar los producto.

Gráficos estadísticos del análisis de interacciones
Análisis cuantitativo de solicitudes de asistencia

Descubriendo necesidades insatisfechas

Para construir el roadmap, nos centramos en problemas reales de los usuarios:

  • Analizamos y clasificamos +1,200 interacciones no resueltas del bot en meses anteriores.

  • Filtramos datos del call center para identificar procesos con alto potencial de automatización.

  • Detectamos que la pérdida o robo de tarjetas era uno de los casos más frecuentes, críticos y frustrantes.

Decisión clave

Estos insights nos llevaron a enfocarnos en potenciar la asistencia en momentos críticos, empezando por el de pérdida o robo de tarjetas.

Empatizando con las personas

Analizamos grabaciones de 20 llamadas reales al call center para entender las emociones, y el lenguaje que usan las personas en situaciones de robo o pérdida de tarjeta.

Perder o sufrir el robo de una tarjeta es una experiencia estresante para los clientes, ellos:

Experimentan emociones negativas (miedo, ansiedad, enojo) que afectan el lenguaje y la claridad del mensaje

Buscan soluciones inmediatas para proteger su dinero y no demorarse con verificaciones de seguridad

Suelen olvidar información clave al comunicarse con el banco por teléfono


Espacio de la solución

Diseñando para el caos emocional y técnico

Propusimos un flujo conversacional guiado y empático para acompañar al usuario en un momento de alta carga emocional.

Para lograrlo, enfrentamos 2 grandes retos:

  • Limitaciones técnicas del bot: interpretación limitada de inputs complejos o ambiguos.

  • Ambigüedad en el lenguaje natural de los usuarios: múltiples formas de expresar la misma intención (“me robaron la tarjeta”, “perdí mi plástico”, “ya no tengo mi tarjeta”, etc.).

Vistas de las diferentes respuestas del asistente virtual según el mensaje del usuario
Diferentes respuestas del bot según el mensaje del usuario

Adaptación a situaciones reales de estrés

Diseñamos el flujo para guiar eficazmente a los usuarios, considerando su carga emocional y los distintos niveles de alfabetización digital.

Muchos usuarios dudaban si bloquear su tarjeta temporal o permanentemente. El diseño de la conversación ayuda a entender las opciones y a tomar decisiones con confianza.

Vistas de componentes visuales que simplifican la interacción
Vistas de componentes visuales que simplifican la interacción

Componentes visuales para reducir la ambigüedad

Utilizamos componentes visuales en momentos clave que ayudan a los usuarios a tomar decisiones rápidas y reducen la posibilidad de errores de interpretación.


Evaluación

Vista del prototipo conversacional en IBM Watson
Prototipo conversacional en IBM Watson

Prototipando de interacciones realistas

Para evaluar la claridad de nuestra solución era necesario emular conversaciones realistas:

Creamos un prototipo conversacional en IBM Watson

Entrevistamos a 6 personas

Comparamos 2 variantes de texto en momentos clave


Impacto y resultados

Impacto en el presente y el futuro

No solo transformamos el asistente virtual de BBVA en una herramienta más funcional y empática, sino que establecimos una base estratégica para su evolución a largo plazo.

Redujimos las llamadas al centro de atención por pérdida o robo de tarjeta

Aumentamos la tasa de resolución del asistente

Definimos un roadmap de evolución basado en necesidades reales y priorizado