Cómo Experian Automatiza el 35 % de los Correos de Clientes con Databricks Mosaic AI

Experian opera globalmente en 32 países con más de 22.000 empleados, gestionando datos de crédito y financieros de 1.100 millones de personas y 150 millones de empresas activas. El contact center de la compañía recibe miles de consultas diarias — sobre puntuaciones crediticias, bloqueo de crédito, estado de cuentas y educación financiera — de consumidores que afrontan grandes decisiones económicas. Como empresa que procesa datos personales sensibles a escala global, cualquier implantación de IA debía operar en un entorno completamente gobernado y privado, sin exponer los datos de clientes a proveedores de modelos públicos.

El contact center soportaba una presión sostenida por el aumento del volumen de consultas. Los sistemas existentes no podían escalar para satisfacer la demanda sin deteriorar los tiempos de respuesta. Cuando el equipo intentó abordar esto con herramientas de IA, la infraestructura resultó insuficiente: ajustar un modelo Llama llevaba 86 horas, los servicios en la nube carecían de capacidades nativas de LLMOps, y no existía un marco unificado para la gobernanza de modelos, el versionado y la trazabilidad reglamentaria. Construir un pipeline de IA generativa listo para producción a partir de herramientas de terceros inconexas era tanto lento como difícil de gobernar.

Experian eligió Databricks como plataforma unificada para construir, ajustar, desplegar y gobernar Latte. Usando Mosaic AI, el equipo ajustó un modelo Llama 8B sobre conjuntos de datos de instrucciones generados inicialmente con modelos MPT, y después cambió a DBRX — el modelo de lenguaje de código abierto de Databricks — para obtener conjuntos de datos más ricos y precisos. Databricks Vector Search potenció un pipeline de generación aumentada por recuperación (RAG) que permitió a Latte responder preguntas como «¿Cómo bloqueo mi crédito?» por intención semántica, no por coincidencia de palabras clave. Unity Catalog y MLflow proporcionaron trazabilidad completa en todo el ciclo de vida del modelo — desde la generación de datos sintéticos hasta las entradas de ajuste y los resultados en producción — satisfaciendo los requisitos de auditoría regulatoria que debe cumplir una empresa de crédito al consumo. El sistema se lanzó con validación humana en el bucle antes de pasar progresivamente a operación autónoma.

Los resultados en producción fueron claros en todas las métricas. El tiempo de ajuste bajó de 86 horas a menos de 8 — una mejora de 11 veces —, con algunas ejecuciones en producción completadas en menos de una hora a un coste aproximado de 100 dólares. Latte gestiona ahora más del 35 % de los correos electrónicos entrantes de clientes sin intervención humana, una cifra que ha crecido de forma sostenida a medida que crecía la confianza en la precisión del sistema. La mejora del NPS del 8 % confirmó que las respuestas automatizadas mejoraban la experiencia del cliente en lugar de deteriorarla. Los equipos del contact center, liberados de las respuestas rutinarias por correo, se centraron en problemas más complejos que requieren genuinamente criterio humano.

La hoja de ruta de Experian apunta a automatizar el 50 % de los correos electrónicos y planea extender Latte a otros canales de atención al cliente. Más allá del contact center, la empresa ha documentado decenas de casos de uso de IA generativa para entrega futura. Latte se ha convertido en una plantilla: una demostración de que la automatización impulsada por IA puede contribuir directamente a los OKR de toda la empresa — desde puntuaciones más altas de satisfacción de clientes hasta la retención del talento — sin desplazar a la plantilla que lo hace posible.