Caso de éxito · Modernización con IA

De la búsqueda por palabras clave a un asistente de IA que encuentra la respuesta

Una empresa hotelera global con miles de hoteles y millones de interacciones con huéspedes al año respondía las preguntas del chat con Amazon Kendra. Los huéspedes recibían enlaces y fragmentos de documentos en lugar de respuestas, los resultados cambiaban según cómo se formulaba la pregunta y cada tema nuevo significaba más ajustes de sinónimos y relevancia. Lo reemplazamos con IA generativa en Amazon Bedrock. Los modelos Claude buscan en el propio conocimiento de la empresa por significado, y herramientas de IA identifican el hotel y consultan sus amenidades. Todo responde dentro del chat de Amazon Connect, con un agente en vivo a un paso.

88–92%
primeras respuestas correctas, antes ~70%
15–20%
mejora en la eficiencia de los agentes
9 meses
del descubrimiento a la implementación completa
Cero
ajustes manuales de sinónimos
01Para usted

Un chat, desde ambos lados

A la izquierda, el chat del huésped. A la derecha, lo que hace la IA: identifica el hotel, recupera el conocimiento correcto, escribe la respuesta en Amazon Bedrock o transfiere a una persona. Elija una pregunta para ver cada camino.

Chat del hotelAsistente · en línea
    Chat de Amazon Connect
    Detrás del chatCómo encuentra la IA la respuesta (Amazon Bedrock)
    En vivo
    1. Pregunta
    2. ¿Qué hotel?
    3. Buscar en el conocimiento
    4. Escribir la respuesta
    5. Listo
    Lo que sabe la IA hasta ahora
    Hotel
    —
    Tema
    —
    Qué tan segura está
    —
    Qué consultó
    • Esperando una pregunta
    Mensajes
    0
    Fuentes usadas
    0
    Consultas
    0
    Se necesita un agente
    …

    Chats ilustrativos. El hotel, los huéspedes y las amenidades son ficticios; el flujo sigue el diseño en producción: un agente que identifica el hotel, recuperación semántica, respuestas generadas en Amazon Bedrock y un agente en vivo cuando hay poca certeza.

    02Para usted

    El desafío

    Los huéspedes preguntan sobre reservas, amenidades, lealtad y políticas, y esperan una respuesta, no una lista de documentos. Kendra era bueno para encontrar documentos, pero no podía entender la intención, resumir ni seguir una conversación de varios turnos.

    Así que los huéspedes recibían enlaces y fragmentos parciales, volvían a preguntar y terminaban con un agente en vivo. Las respuestas dependían de cómo se formulaba la pregunta. Cada nuevo caso de uso, como las preguntas frecuentes de un hotel o un cambio de política, significaba más ajustes manuales de índices, sinónimos y reglas de relevancia.

    La empresa quería respuestas conversacionales, más chats resueltos sin un agente, menos ajustes y una base para bots de voz, asistencia al agente y chat multilingüe más adelante.

    03Para usted

    Qué hizo diferente esta modernización

    Cambiar un servicio de AWS por otro es fácil. Lograr que un asistente de IA generativa responda de forma confiable, a escala empresarial, es el verdadero trabajo.

    • 88–92%

      de las primeras respuestas correctas, antes alrededor del 70%.

      Medido revisando muestras de chats reales en producción, frente a una meta del 85%.

    • Cuando el hotel no está claro, el asistente pregunta antes de responder.

      “¿Y el desayuno?” depende del hotel. El agente de identificación hace una pregunta de aclaración en lugar de adivinar, y recuerda el hotel durante el resto del chat.

    • Contenido depurado y organizado antes de que el nuevo modelo saliera a producción.

      Las respuestas solo son tan buenas como el contenido. Definimos estándares de fragmentación y metadatos, y validamos el contenido antes de generar los embeddings.

    • Cada cambio de la IA se lanza de forma gradual, y es fácil de desactivar.

      Los prompts se versionan y se lanzan por fases detrás de feature flags y canaries, así un cambio se puede revertir en minutos.

    • Se mide la calidad de las respuestas, no solo si los servidores están en línea.

      Registramos las versiones de los prompts y los resultados, y revisamos las transcripciones con regularidad, así la calidad se mide, no se supone.

    04Para usted

    Qué cambió

    • RespuestasAntes: Enlaces a documentos y fragmentos parcialesDespués: Una respuesta conversacional, basada en el conocimiento recuperado (RAG)
    • Primera respuesta correctaAntes: Alrededor del 70% de las vecesDespués: 88–92%, según muestras de chats en producción
    • ConversaciónAntes: Cada mensaje por separadoDespués: Varios turnos, con contexto de la sesión e historial
    • Qué hotelAntes: Resultados de todos los hotelesDespués: Un agente que identifica el hotel correcto, y pregunta si no está claro
    • AjustesAntes: Sinónimos, índices y reglas de relevancia manualesDespués: Recuperación semántica; prompts versionados y lanzados detrás de feature flags
    • ConocimientoAntes: Documentos escritos para un índice de búsquedaDespués: Divididos en fragmentos, etiquetados por tema y hotel, y validados antes de generar los embeddings
    • EscalamientoAntes: Las preguntas repetidas terminaban con un agenteDespués: Las respuestas con poca certeza pasan a un agente en vivo con toda la conversación
    • ControlAntes: Los cambios necesitaban ingenierosDespués: Una consola de administración para prompts, agentes y feature flags, con acceso por rol
    • SeguridadAntes: Búsqueda con acceso amplioDespués: Mínimo privilegio, cifrado con KMS, TLS, subredes privadas, AWS WAF en el perímetro
    • ObservabilidadAntes: Solo métricas de infraestructuraDespués: Versiones de prompts, resultados de las respuestas y métricas de calidad de la IA en CloudWatch

    Pase el cursor o toque un recuadro para ver qué reemplazó.

    05Para usted

    La respuesta correcta, a la primera.

    Se acordaron dos KPI con el negocio: con qué frecuencia la primera respuesta de la IA es correcta sin reformular ni escalar, y cuántos chats se resuelven sin un agente. Ambos se compararon con la búsqueda basada en Kendra.

    • Primera respuesta correctaAntes~70%Después88–92%
    • Eficiencia de los agentesAntesLínea baseDespués+15–20%
    • Ajuste de relevanciaAntesManual y continuoDespuésPrompts y herramientas en código

    Precisión de la primera respuesta muestreada y revisada en transcripciones de chats en producción (meta del 85%). La mejora en la eficiencia de los agentes, según lo documentado para el proyecto.

    06Para usted

    Cómo se responde ahora la pregunta de un huésped

    El huésped pregunta con sus propias palabras. El asistente identifica el hotel, encuentra el conocimiento, escribe la respuesta y transfiere a una persona cuando no está seguro.

    1. 01 · PreguntarEl huésped escribe una preguntaEn el chat de Amazon Connect. Lambda agrega el contexto de la sesión y la conversación hasta ese momento.
    2. 02 · Contexto¿Qué hotel?Si el hotel no está claro, el agente que identifica el hotel pregunta primero en lugar de adivinar.
    3. 03 · RecuperarBúsqueda semánticaLos embeddings encuentran los fragmentos de conocimiento más relevantes para ese hotel.
    4. 04 · ResponderAmazon Bedrock la escribeClaude genera una respuesta conversacional a partir del conocimiento recuperado, y llama a herramientas como la consulta de amenidades cuando hace falta.
      • Respondido en el chat
      • Agente en vivo
    5. 05 · EscalarSolo si hace faltaLos chats con poca certeza o sin resolver van a un agente en vivo, con toda la conversación.
    Presente en cada contacto
    Barreras de protecciónPlantillas de prompts estándar, control de tono y extensión, y umbrales de certeza.
    Consola de administraciónPrompts, agentes y feature flags gestionados con acceso por rol.
    Observabilidad de la IAVersiones de prompts, resultados, tasa de alternativas y escalamientos, más revisiones de transcripciones.
    ResilienteDos Zonas de disponibilidad y subredes privadas; pasa a un agente en vivo si la IA o la recuperación de información no están disponibles.
    07Para usted

    Cómo lo hicimos

    1. 1Descubrir y diseñarTalleres con negocio, aplicaciones, seguridad y operaciones; arquitectura objetivo; entornos de desarrollo y UAT; KPI de línea base.
    2. 2Framework baseOrquestación con Lambda, integración con el chat de Amazon Connect, las primeras llamadas a Bedrock, esquemas de solicitudes y sesiones, registros y reintentos.
    3. 3Entender y recuperarReformulación de consultas, división en fragmentos y metadatos, el pipeline de embeddings y la recuperación semántica, comparados con los resultados anteriores por palabras clave.
    4. 4Optimizar las respuestasPlantillas de prompts, barreras de protección sobre el tono y la extensión, umbrales de certeza, lógica de alternativas y de aclaración.
    5. 5IA agénticaEl agente que identifica el hotel: cuándo preguntar, herramientas de consulta estructuradas y el contexto conservado durante la conversación.
    6. 6Administración, seguridad y preparaciónConsola de administración con acceso por rol, refuerzo de IAM, verificaciones de KMS y TLS, paneles, runbooks y una revisión de preparación operativa.
    7. 7UAT y puesta en producciónUAT formal, despliegue mediante CI/CD e infraestructura como código, tráfico por fases con feature flags y canaries, y luego hypercare.
    08Para usted

    El resultado

    • La búsqueda del chat para huéspedes pasó de Amazon Kendra a IA generativa en Amazon Bedrock
    • La precisión de la primera respuesta pasó de alrededor del 70% al 88–92%
    • Mejora del 15–20% en la eficiencia de los agentes
    • Herramientas agénticas para identificar el hotel y consultar amenidades, con preguntas de aclaración cuando falta contexto
    • Conversaciones de varios turnos, con transferencia a un agente en vivo que recibe todo el historial
    • Una consola de administración para prompts, agentes y feature flags
    • Implementación en producción por fases con feature flags y lanzamientos canary
    • Sin ajustes manuales de sinónimos ni de relevancia
    Sobre qué funciona
    IA
    • Amazon Bedrock
    • Modelos Claude
    • Generación aumentada por recuperación (RAG)
    • Llamadas a herramientas
    Agentes
    • Identificación del hotel
    • Consulta de amenidades
    Conocimiento
    • Embeddings
    • Almacén vectorial (Amazon OpenSearch)
    • Base de conocimiento en Amazon S3
    Centro de contacto
    • Chat de Amazon Connect
    • Transferencia a un agente en vivo
    Cómputo y perímetro
    • AWS Lambda
    • Amazon CloudFront
    • AWS WAF
    Seguridad y operaciones
    • AWS IAM
    • AWS KMS
    • Amazon CloudWatch
    • Dynatrace
    Entrega
    • Terraform
    • CI/CD con Bamboo
    • AWS CDK
    Lo que aprendimos
    Cinco lecciones definen ahora cómo construimos IA generativa para centros de contacto. Las respuestas necesitan gobierno de prompts, o el tono y la extensión se desvían. La calidad depende tanto del contenido y de cómo se divide como del modelo. Las preguntas vagas necesitan un agente que primero aclare, no que adivine. La IA necesita su propia observabilidad. Y debe llegar a los clientes por fases, detrás de feature flags.
    Para usted
    Por qué Digiclarity

    Un socio validado por AWS, justo en este tipo de trabajo.

    Credenciales de socio de AWS
    • AWS Advanced Tier Services PartnerReconocido por AWS por su historial de entregas, su personal certificado y los resultados de sus clientes.
    • AWS Migration Services CompetencyValidado por AWS para migrar y modernizar cargas de trabajo en AWS a gran escala.
    • Amazon Connect Delivery PartnerValidado por AWS para implementar Amazon Connect, incluidas migraciones desde Avaya, Genesys, Cisco y otras plataformas.
    • AWS AI Services CompetencyValidado por AWS para incorporar IA en productos reales, incluido el centro de contacto.
    • Socio de AWS Experience-Based Acceleration (EBA)Realizamos proyectos EBA con AWS para acelerar migraciones con sprints prácticos y de duración definida.
    Seguridad y cumplimiento
    • Certificación ISO/IEC 27001Nuestro sistema de gestión de seguridad de la información está certificado de forma independiente según la norma internacional.
    • SOC 2 Type IIAuditores independientes han evaluado nuestros controles de seguridad a lo largo del tiempo, no solo en un momento puntual.
    Empiece aquí

    ¿Tiene un proyecto como este?

    Cuéntenos qué opera hoy y qué necesita cambiar. Le responderemos en una semana.

    • AWS Advanced Tier Services Partner
    • AWS Migration Services Competency
    • Amazon Connect Delivery Partner
    • AWS AI Services Competency
    • Socio de AWS Experience-Based Acceleration (EBA)
    • Certificación ISO/IEC 27001
    • SOC 2 Type II
    Proveedor certificadoCertificación MWDBECertificación Texas HUBCertificación NCTRCA
    +1 (214) 550-14936275 West Plano Parkway, Suite 500, Plano, Texas 75093