O Contexto do Case:

Inteligência Artificial para Ouvidoria pode revolucionar o setor. Na ouvidoria de um setor bancário com muitos usuários, uma boa gestão das reclamações é o principal ponto para evitar problemas. Além disso, na maioria dos casos, o atendente que registra a reclamação não é capaz de solucionar o problema, então, ele precisa classificar essa reclamação e destinar para um gestor do setor responsável. Com uma equipe enorme de atendentes é muito difícil padronizar essa classificação, portanto, o processo fica suscetível a falhas humanas.

Portanto, quando uma reclamação é classificada de forma errada, o setor que a recebe não é capaz de solucionar o problema, o processo deve ser refeito,  gerando uma demora que pode chegar a 4 dias até que o cliente tenha seu problema solucionado. Assim, o cliente frustrado abre um chamado no BACEN e registra a reclamação contra o banco. O banco em questão ocupava o 3º lugar no ranking de reclamações do BACEN no início do projeto.

Principais Dificuldades:

  • Alto número de reclamações registradas no BACEN;
  • Processo de gestão da ouvidoria falho;
  • Grande quantidade de reclamações feitas por dia;
  • Processo de registro e encaminhamento de reclamações é falho e demorado;
  • Classificação de reclamações sem padrão.

A Solução Desenvolvida:

Utilizar mineração de texto e machine learning para identificar padrões nas reclamações registradas pelos atendentes em formato de texto. Além disso, utilizando dados de treinamento, ALICE conseguiu entender os contextos das reclamações e classificar cada uma delas, destinando-as para o setor responsável. Usando machine learning foi possível treinar a ALICE para perceber contextos e identificar os padrões consistentes, classificando os dados em subconjuntos estabelecidos. 

Resultados do Case:

A implementação de Inteligência Artificial na Ouvidoria do Banco reduziu as reclamações registradas no BACEN. Todavia, no primeiro trimestre de 2019 o Banco ocupava a 2ª colocação no ranking maior número de reclamações registradas em bancos e financeiras com mais de 4 milhões de usuários. Então, um comparativo com o ranking do primeiro trimestre de 2020 mostra o banco ocupando a 8ª colocação, com redução expressiva de reclamações registradas no BACEN.

  • Quantidade de dados analisados: 820.625 textos
  • Tempo médio de análise: 30 minutos para analisar todos os dados  

Acurácia da ALICE:

  • 3º mês: 85% de acerto nas classificações.

Inteligência Artificial na Ouvidoria: Oportunidades Geradas:

  • Otimização da gestão da Ouvidoria;
  • Padronização nas classificações de reclamação;
  • Melhoria na experiência do usuário se mostra na queda de reclamações registradas no BACEN;
  • ALICE  reduzia os erros de classificações, agilizando o processo de solução de problemas.