La centralita de atención al cliente interactúa en promedio con decenas de miles de llamadas con los clientes cada día, pero durante muchos años, la mayor parte de estos datos casi no se han explotado eficazmente para detectar problemas operativos a tiempo. Esta es la limitación común del modelo tradicional de control de la centralita, cuando las empresas solo pueden volver a escuchar una proporción muy pequeña de llamadas para evaluar la calidad del servicio.
La IA participa directamente en el funcionamiento de la centralita.
La centralita de atención al cliente de la operadora VinaPhone está implementando actualmente un sistema de análisis de llamadas de inteligencia artificial - VNPT iSense para monitorear y analizar la calidad del servicio en más del 100% de las llamadas, sirviendo a las actividades de atención al cliente a una escala de más de 30 millones de suscriptores.
Según el Sr. Vu Xuan Nhan - Jefe del Departamento de Tecnología, Centro de Servicio al Cliente de VinaPhone, iSense participa directamente en el proceso de operación de la centralita a través de capas de procesamiento como convertir la voz en texto, analizar el contenido de la conversación, identificar las emociones del hablante y monitorear el nivel de cumplimiento profesional de los operadores telefónicos en cada llamada.
Sobre esa plataforma, la tecnología Generative AI (IA generadora) es aplicada por iSense para comprender el contexto, resumir automáticamente las conversaciones, clasificar los temas de intercambio y sintetizar problemas repetitivos de los datos de llamadas a gran escala. En consecuencia, en lugar de limitarse a registrar información, iSense ayuda al departamento de operaciones a identificar precozmente signos inusuales en el servicio, cuellos de botella en el proceso de atención al cliente o problemas con riesgo de que surjan quejas. La solución también apoya la sugerencia de información y conocimiento según el contexto de la conversación, ayudando a los operadores de llamadas a acortar el tiempo de consulta y manejo de situaciones directamente durante la interacción con los clientes.
Para que Generative AI pueda comprender correctamente el contexto de la conversación, los datos de entrada deben alcanzar una precisión muy alta en la etapa de reconocimiento de voz. Este nuevo enfoque tecnológico acaba de ser presentado por VNPT AI, el equipo de desarrollo de iSense, en ICASSP 2026, la conferencia internacional número 1 sobre procesamiento de señales y voz de IEEE (Barcelona, España) el 6 de mayo pasado. En una sesión de trabajo con organizaciones y universidades, incluyendo el Massachusetts Institute of Technology (MIT), la Universidad de Tsinghua (Universidad de Tsinghua) y Ant Group (Alibaba)... en la conferencia, VNPT AI compartió y analizó la eficacia del nuevo enfoque, mejorando el rendimiento por un lado y aumentando la precisión por el otro en comparación con los métodos antiguos. Este método ha recibido mucha atención de la comunidad científica internacional.
El Sr. Nhan también destacó que el mayor cambio después de la implementación de la IA no es la sustitución de los humanos, sino la capacidad de ampliar el alcance de la supervisión de la calidad a gran escala. "Con una centralita a gran escala, es casi imposible escuchar y evaluar todas las llamadas manualmente. La IA ayuda a procesar un gran volumen de tareas repetitivas para que el equipo de control de calidad pueda concentrarse más en los casos que requieren una evaluación profesional", dijo.
En 2025, iSense monitoreó y analizó más de 30 millones de llamadas. El sistema contribuyó a reducir aproximadamente el 70% del volumen de monitoreo manual de los controladores, al tiempo que redujo aproximadamente el 21% de los costos de personal externo relacionados con las operaciones de control de calidad de las centralitas.
Según un representante de VinaPhone, cuando la mayor parte del tiempo ya no se dedica a contestar llamadas manualmente, el departamento de control de calidad tiene la oportunidad de centrarse más en los problemas operativos reales, como el manejo de situaciones inusuales, la mejora del proceso de atención al cliente o la formación de operadores telefónicos.
La IA tiene la soberanía para resolver el problema de la centralita vietnamita
Para que la IA pueda operar de manera eficiente en un entorno de centralita en vietnamita, el factor importante radica en la capacidad de dominar los datos, los modelos y el proceso de optimización tecnológica para el funcionamiento real en Vietnam.
Uno de los mayores desafíos al implementar la IA para las líneas directas en Vietnam es la naturaleza específica del vietnamita en un entorno de conversación real. Los clientes pueden hablar rápido, entrecortado, interrumpido, utilizando palabras locales o cambiando constantemente el tono según la región y las emociones.
Para resolver este problema, iSense está construido en la dirección de combinar múltiples capas de tecnología de IA en todo el ciclo de vida de la conversación. El sistema integra tecnologías como reconocimiento de voz para convertir la voz en texto, diarización del hablante para separar al hablante, detección de emociones para reconocer las emociones a través de las características del sonido y IA generadora para realizar tareas más complejas.
El objetivo del sistema no solo se detiene en determinar qué dice el cliente, sino que también ayuda a las empresas a identificar dónde está el problema, cómo lo maneja el operador telefónico y qué acciones deben tomarse a continuación.
El equipo de desarrollo de iSense dijo que los modelos de IA en iSense se optimizan en un entorno de centralita real durante muchos años de operación, analizando datos con una variedad de regiones, tonos y situaciones profesionales diferentes. Esto ayuda a que el sistema sea más optimizado para el vietnamita y las características de la comunicación real de los clientes nacionales.
Desde la perspectiva de la solución, iSense también está diseñado para que pueda personalizarse de forma flexible según cada negocio, cada grupo de clientes y los criterios de análisis específicos de la empresa en lugar de aplicar un conjunto de estándares fijos a todas las centralitas.
Según el equipo de desarrollo, esta es la ventaja de las plataformas de IA autónomas, ya que las empresas pueden dominar activamente los datos, la tecnología y la capacidad de personalizar el sistema según los requisitos operativos reales.
