Cómo Experian Automatiza el 35 % de los Correos de Clientes con Databricks Mosaic AI
Experian, el buró de datos multinacional que gestiona información de 1.100 millones de personas en 32 países, construyó «Latte» — un sistema de automatización de correos con IA generativa — sobre Databricks Mosaic AI ajustando un modelo Llama 8B. El sistema ahora gestiona de forma autónoma el 35 % de los correos entrantes del contact center, redujo el tiempo de ajuste del modelo 11 veces (de 86 horas a menos de 8) y mejoró el NPS de clientes en un 8 %.
Impacto
35%
Correos de clientes automatizados
8%
Mejora del NPS
11x faster
Mejora del tiempo de ajuste del modelo
1,000+
Correos diarios gestionados por IA
Desafío
El contact center de Experian enfrentaba volúmenes crecientes de correos electrónicos sin una solución de IA escalable — el ajuste de modelos Llama tardaba 86 horas, la infraestructura existente carecía de capacidades nativas de LLMOps, y los requisitos de trazabilidad regulatoria de una empresa global de crédito al consumo hacían inviable desplegar IA con herramientas de terceros inconexas.
Solución
Experian construyó «Latte» sobre Databricks, ajustando un modelo Llama 8B con Mosaic AI y datos sintéticos generados con DBRX, potenciando la comprensión de correos mediante un pipeline RAG con Vector Search, y garantizando el cumplimiento regulatorio mediante la gobernanza de Unity Catalog y MLflow — reduciendo el tiempo de ajuste 11 veces y automatizando el 35 % de los correos de clientes.
Herramientas y tecnologías
Lo que dicen los líderes
“Durante las pruebas iniciales, Databricks ofreció tiempos de respuesta del LLM más rápidos y seis veces más rendimiento de tokens inicial al mismo coste por hora en comparación con sus servicios en la nube. Incluso tras las optimizaciones, Databricks mantuvo una ventaja de rendimiento de 3 veces, sin comprometer la precisión ni la compresión del modelo.”
“Una vez que pudimos demostrar que nuestros modelos de IA generativa eran más eficaces para la automatización de correos electrónicos basada en texto, pudimos reconvertir el respondedor de IA inicial basado en llamadas para el contact center en un enfoque más escalable y orientado al texto.”
“Al poder centrarse en las necesidades más complejas de los clientes, la satisfacción laboral interna ha mejorado y, lo que es más importante, sin pérdida alguna de empleo.”
Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.
Historia completa
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.
AWS