HBX Group, empresa líder global en TravelTech, ha desarrollado una innovadora solución basada en inteligencia artificial generativa diseñada para transformar la formación de agentes de atención al cliente. El sistema simula conversaciones en 13 idiomas y recrea cientos de escenarios reales, permitiendo a los agentes practicar en entornos realistas y adaptar su aprendizaje a su nivel de experiencia.
Con cuatro niveles de dificultad, la herramienta permite entrenamientos progresivos y personalizados que mejoran la preparación de los agentes, reducen la necesidad de supervisión constante por parte de formadores y optimizan los recursos dedicados al desarrollo del talento. Este proyecto refleja el compromiso de HBX Group por impulsar la innovación tecnológica en el sector TravelTech, mejorando tanto la experiencia de los empleados como la calidad del servicio ofrecido a los clientes.
Autoría
Hotelbeds Spain SLU
Categoría
Turismo y destinos
Localización
Islas Baleares
Tecnologías clave
Procesamiento del lenguaje natural (NLP), Generative AI (texto, imagen, voz o código)
Nivel de madurez tecnológica
TRL 9 — Sistema probado en entorno operativo real
Beneficiarios
Los beneficiarios directos del proyecto son los agentes de atención al cliente de HBX Group (más de 600 profesionales distribuidos globalmente) que ahora cuentan con un entorno de entrenamiento realista, flexible y escalable para mejorar su preparación antes de interactuar con clientes reales. La herramienta les permite practicar distintos escenarios de atención al cliente, desarrollar sus habilidades progresivamente y aumentar su confianza en la gestión de situaciones complejas.
También se benefician directamente los equipos de formación, que reducen la carga asociada a las simulaciones presenciales y pueden dedicar más tiempo a tareas de mayor valor añadido, como el análisis del desempeño, el acompañamiento personalizado de los agentes y la mejora continua de los programas de capacitación.
Entre los beneficiarios indirectos se encuentran los clientes B2B de HBX Group —incluidas agencias de viajes, OTAs, aerolíneas y turoperadores— que reciben un servicio de soporte más ágil, consistente y eficaz gracias a equipos mejor preparados.
En última instancia, el impacto alcanza también al viajero final, que se beneficia de una experiencia de atención más fluida y fiable durante su viaje. La capacidad del sistema para simular escenarios en 13 idiomas contribuye además a mejorar el acceso a un soporte multilingüe de calidad para clientes de distintos mercados, reforzando la capacidad de atención global del servicio.
Indicadores o KPI de impacto
Para evaluar el impacto del entrenador de IA generativa, HBX Group monitoriza de forma continua indicadores operativos, de desempeño de los agentes y de experiencia del cliente a lo largo de todo el proceso de atención.
En primer lugar, se analizan métricas relacionadas con la calidad del servicio, como el nivel de atención dentro de plazo (por ejemplo, el porcentaje de llamadas respondidas a tiempo, actualmente en 98%. También se monitorizan los niveles de satisfacción del cliente tras cada interacción, con un índice medio de 93%.
Asimismo, se analizan indicadores agregados relacionados con la eficiencia del servicio y la capacidad de resolución de incidencias por parte de los equipos de atención al cliente. Estas métricas permiten evaluar cómo la mejora en la preparación de los agentes, impulsada por el entrenamiento basado en simulaciones, contribuye a ofrecer un soporte más ágil, consistente y eficaz.
Desde la implementación del entrenador de IA generativa, los agentes han utilizado la herramienta para completar miles de simulaciones contribuyendo a acelerar el proceso de aprendizaje y mejorar la preparación antes de interactuar con clientes reales.
En conjunto, estos indicadores permiten medir de forma objetiva el impacto del sistema en tres dimensiones clave: la preparación de los agentes, la eficiencia operativa del servicio y la experiencia final del cliente.
Capacidad tecnológica del proyecto
El AI Trainer de HBX Group se basa en modelos avanzados de lenguaje de inteligencia artificial generativa capaces de simular conversaciones realistas entre agentes en formación y clientes virtuales. Estos modelos permiten generar diálogos dinámicos que reproducen las interacciones propias del entorno real de atención al cliente en el sector TravelTech, facilitando un entorno de entrenamiento práctico antes de la atención de casos reales.
La solución está diseñada para operar en un entorno multilingüe y permite entrenamientos en 13 idiomas, reflejando la complejidad operativa de una organización global. El sistema incorpora cuatro niveles de dificultad que ajustan tanto la complejidad de las incidencias como el comportamiento del cliente simulado, desde consultas simples hasta situaciones más exigentes o delicadas, similares a las que se producen en el día a día del servicio.
Desde el punto de vista tecnológico, el sistema se apoya en modelos de lenguaje capaces de generar respuestas contextuales y adaptativas a partir de cada interacción del agente. Esto permite crear escenarios de entrenamiento variados y no predefinidos, en los que cada conversación evoluciona de forma dinámica según las decisiones del agente durante la simulación.
La interfaz de entrenamiento está diseñada para facilitar el uso autónomo por parte de los agentes, permitiendo repetir simulaciones, practicar distintos escenarios y avanzar progresivamente en función de su nivel de experiencia. Este enfoque permite acelerar la adquisición de competencias y mejorar la preparación antes de interactuar con clientes reales.
A nivel de integración, la solución se ha desarrollado para encajar en los procesos de formación existentes de HBX Group y poder escalar el entrenamiento de forma flexible dentro de la organización. Esto permite ampliar la capacitación de agentes sin depender exclusivamente de simulaciones presenciales con formadores humanos, algo especialmente relevante en un entorno global con incorporación continua de nuevos profesionales.
Sostenibilidad, huella ambiental y licencia social
No aplica.