Deflection Bot para Service Cloud.
Resolución self-service antes de tocar al agente humano. Deflection rate de 35-50% en deploys maduros.
El agente custom de Agentforce que detecta intents, hidrata el contexto 360 del cliente y resuelve consultas repetitivas sin intervención humana. Para contact centers con alto volumen y muchas FAQs evitables. Multicanal: WhatsApp Business, web chat, IVR, app mobile y email.
¿Qué hace Deflection Bot?
Deflection Bot intercepta consultas entrantes en cualquier canal digital, detecta el intent del cliente, busca la respuesta en tu base de conocimiento y resuelve sin escalar a un humano. Cuando no puede resolver con confianza suficiente, escala con un resumen completo para que el agente humano no empiece de cero.
Cómo funciona paso a paso
De la consulta entrante a la resolución self-service. 6 pasos, sin intervención humana.
Cliente entra al canal
WhatsApp, web chat, IVR, app o email. El bot intercepta.
Identity resolution
Identifica al cliente cruzando teléfono, email o sesión autenticada con Data Cloud.
Intent detection
Clasifica la consulta contra el catálogo de intents (consulta de saldo, estado de pedido, FAQ, cambio de plan, etc.).
Hidratación multi-KB
Busca la respuesta en Salesforce Knowledge, Confluence, SharePoint, Customer 360 en paralelo.
Respuesta o escalation
Si confidence > threshold, responde con dato + link self-service. Si no, escala con summary completo.
Logging y feedback
Registra intent, respuesta, scoring, CSAT post-deflexión. Alimenta el loop de mejora.
Ejemplo de interacción real
Arquitectura del agente
Los cuatro pilares que hacen funcionar a Deflection Bot dentro de tu org de Salesforce.
Data
Fuentes de grounding
- Salesforce Knowledge
- Confluence
- Zendesk Help Center legacy
- SharePoint
- Customer 360 Data Cloud
- Identity/Consent store
Actions
Lo que el agente ejecuta
- Resolve self-service
- Log knowledge gap
- Send CSAT feedback
- Escalate with summary
- Update customer profile
- Send self-service links
Guardrails
Controles de confianza
- PII masking pre-LLM
- Prompt injection defense
- Toxicity/crisis detection
- Mandatory grounding (no inventa)
- Rate limiting/cost caps
- Confidence threshold tunable
Channels
Dónde opera el agente
- WhatsApp Business (Twilio/Sinch/Infobip)
- Embedded web chat
- IVR Twilio Flex/Genesys
- App mobile SDK
Requiere Data Cloud: Recomendado
Requiere Einstein Trust Layer: Sí (incluido en Agentforce)
Implementación en 5 fases
De discovery a producción. Deflection Bot en tu primer canal en 10 a 12 semanas.
Discovery y mapeo de intents
Análisis de 1000-3000 conversaciones para identificar top 30-50 intents. Workshop con operations.
Data readiness
KB depurado, identity resolution configurada, masking PII, embeddings en Data Cloud.
Agent build
Topics, hydrators, effectors, prompts, threshold calibración. Integración a canales.
Trust, testing y piloto
Piloto en 1 canal con threshold conservador (0.75). QA conversacional semanal.
Rollout y optimización
Expansion a todos los canales. Tuning semanal de prompts. Revisión trimestral de intents.
Equipo típico de implementación
Requisitos para arrancar
Lo que necesitás tener listo antes de poner Deflection Bot en producción.
Datos mínimos
- KB normalizado con artículos vigentes y owner asignado
- Catálogo de intents (30-50 cubriendo 80% tráfico)
- Identity resolution configurada en Data Cloud
- Historial de interacciones para training
Licencias
- Service Cloud Enterprise o superior
- Agentforce for Service (Flex Credits o Edition)
- Data Cloud (recomendado)
- Digital Engagement (WhatsApp, chat)
Integraciones
- WhatsApp Business (Twilio/Sinch/Infobip)
- Confluence/SharePoint/Zendesk (si hay KBs externos)
- IVR (Twilio Flex/Genesys Cloud)
- CRM Analytics o Tableau (dashboards)
Org readiness
- KB con owner y política de refresh
- Proceso de escalación documentado
- Champions en contact center
- Sandbox disponible
KPIs: antes y después
KPIs esperados al implementar este agente. Rangos referenciales para planificación; los resultados reales dependen del estado de los datos y la operación de cada empresa.
| Métrica | Antes | Después | Cambio |
|---|---|---|---|
| Deflection rate | 15-25% (bots legacy) | 35-50% | +15-25 ppt |
| CSAT post-deflexión | 3.0-3.5 | 4.0-4.3/5 | +0.7-1.0 |
| AHT humano post-handoff | Baseline | -25-35% | Reducción |
| Costo por interacción | Baseline | -30-40% | Reducción |
| Cobertura KB utilizado | 30-40% | 70-80% | +30-40 ppt |
| Time-to-value | N/A | 4-6 semanas post go-live | Rápido |
Riesgos comunes y cómo los mitigamos
Deflexión forzada que frustra
El bot insiste en resolver cuando el cliente necesita un humano. CSAT cae.
Mitigación: Threshold conservador (0.7-0.75 inicial), CSAT post-deflexión como guardia, si CSAT < 3.5 subir threshold.
KB obsoleto genera respuestas incorrectas
El bot responde con información desactualizada.
Mitigación: Refresh policy por categoría (transaccional diario, how-to semanal). Owner asignado por categoría con SLA de actualización.
Intent mal clasificado
Cliente pide X, bot responde Y. Frustración alta.
Mitigación: Confidence > 0.65 obligatorio, confirmación explícita antes de acciones write, QA semanal de 100 conversaciones.
Handoff sin contexto al humano
El agente humano recibe el chat sin saber qué pasó.
Mitigación: Summary estructurado obligatorio: intent, datos recolectados, respuestas intentadas, razón de escalación.
Costos de credits sin control
Sesiones largas consumen credits sin resolver.
Mitigación: Cost cap por sesión (200 credits), turn cap (20), loop detection (3 repeticiones = escalar).
Preguntas Frecuentes
En deploys maduros (6+ meses), entre 35% y 50%. El número depende de la calidad del Knowledge, el mix de canales y la complejidad de tu operación. Arrancamos con threshold conservador y vamos subiendo a medida que el bot aprende.
No. Deflection Bot toma las consultas repetitivas que hoy consumen tiempo del agente humano. El equipo se enfoca en casos complejos donde la interacción humana hace la diferencia. La mayoría de operaciones que implementan deflection terminan con mejor CSAT, no con menos gente.
Sí. Deflection Bot puede hidratar desde Salesforce Knowledge, Confluence, SharePoint, Zendesk Help Center y otras fuentes en paralelo. Los embeddings se generan en Data Cloud con refresh configurable por categoría.
Si el confidence score está por debajo del threshold, el bot escala al humano con un summary completo: intent detectado, datos recolectados, respuestas que intentó y razón de escalación. El humano no arranca de cero.
Sí. A través de Twilio, Sinch o Infobip como proveedores de canal. Embedded Service Messaging de Salesforce permite que Deflection Bot opere en WhatsApp con el mismo contexto que en web chat.
Entre 10 y 12 semanas para el primer canal en producción. Incluye discovery, curación de intents, build del agente, testing y piloto. La expansión a canales adicionales agrega 2-3 semanas por canal.
Tu primer canal deflectando en 10-12 semanas.
Hablá con un Service Architect de Solu. En discovery mapeamos tus top intents y estimamos el deflection rate alcanzable.