Workforce Scheduling Optimizer.
Forecast granular y reoptimización intra-día que cierra el gap entre el plan WFM y la realidad del piso.
Un agente Agentforce que predice demanda por canal, skill e intervalo, reoptimiza schedules cada 15 minutos contra el volumen real, y dispara ofertas de overtime o VTO vía WhatsApp con compliance laboral integrada. Para WFM, operaciones de contact center y BPOs. Implementado por Solu en 16 a 22 semanas.
¿Qué hace el Workforce Scheduling Optimizer?
Reemplaza el staffing manual o con herramientas legacy que generan over-staffing (costo alto), under-staffing (SLA breach, burnout) o ambos al mismo tiempo en distintos intervalos del día. El agente conecta el forecast con la realidad del piso en tiempo real y ajusta sin esperar a que alguien abra un spreadsheet.
Para: equipos de Workforce Management, operaciones de contact center y BPOs que necesitan cerrar el gap entre lo planificado y lo que pasa en el piso cada 15 minutos.
Cómo funciona
7 pasos, desde la predicción de demanda hasta el reporte post-período.
Predicción de demanda
El agente analiza datos históricos por canal (voz, chat, email, WhatsApp) y skill, incorporando estacionalidad, día de la semana, feriados, campañas activas y eventos externos (cortes de servicio, vencimientos, lanzamientos) para generar un forecast de volumen por intervalo de 15 o 30 minutos.
Simulación de schedules
Con el forecast como input, el agente genera múltiples escenarios de scheduling considerando la disponibilidad real de agentes, skills certificados, restricciones contractuales, preferencias de turno y tiempos de descanso obligatorios.
Recomendación óptima
De los escenarios simulados, el agente selecciona el que mejor equilibra SLA objetivo, costo de staffing y distribución equitativa de carga. Presenta la recomendación al supervisor con las métricas clave y la justificación de cada decisión.
Ajustes en tiempo real según volumen real
Cada 15 minutos, el agente compara el volumen real entrante contra el forecast. Si detecta un desvío superior al umbral configurable (e.g., +20%), recalcula la asignación y propone reasignaciones de agentes entre canales o skills.
Alertas de gaps
Cuando la reoptimización no alcanza con los recursos disponibles, el agente envía alertas al supervisor con el gap exacto: cuántos agentes faltan, en qué skill, en qué franja horaria, y cuál es el impacto estimado en SLA si no se cubre.
Re-asignación dinámica
El agente ejecuta reasignaciones entre canales (e.g., mover agentes de email a chat), dispara ofertas de overtime vía WhatsApp a agentes elegibles o propone VTO (Voluntary Time Off) cuando hay over-staffing, todo con validación de compliance laboral.
Reporte post-período
Al cierre del turno o del día, el agente genera un reporte con forecast vs real, acciones tomadas, impacto en SLA, costo de overtime y recomendaciones para ajustar el modelo. Alimenta el forecast del próximo período con los datos frescos.
Ejemplo real de interacción
Black Friday: la IA predice picos de chat 10x entre 18:00 y 22:00 hs, basándose en histórico del año anterior + campaña activa de marketing + tráfico web en tiempo real.
Recomienda 120 agentes con shift split (turno partido para cubrir el pico). A las 18:30, detecta surge real 15% superior al forecast. Reasigna 15 agentes de email a chat. Dispara 8 ofertas de overtime vía WhatsApp a agentes con skills de chat que terminaron turno a las 18:00.
SLA de chat se mantiene en 92% durante el pico (vs 68% el Black Friday anterior). 6 de 8 agentes aceptan overtime en menos de 10 minutos. Email queue se recupera a las 22:30 sin impacto en SLA. Costo de overtime controlado dentro del presupuesto.
Arquitectura técnica
Los 4 pilares del agente: datos, acciones, guardrails y canal de entrega.
Data
- ContactEvent DMO (streaming): volumen real por canal, skill e intervalo en tiempo real
- StaffingInterval DMO: slots de 15/30 min con agentes asignados, skills cubiertos y SLA target
- AgentProfile DMO: skills certificados, tipo de contrato, horas trabajadas, preferencias de turno
- Forecast_Snapshot: predicción por canal/skill/intervalo con confidence interval
- Shift_Swap: registro de intercambios, overtime aceptado/rechazado, VTO tomado
Actions
- GenerateForecast: predicción de demanda por canal/skill/intervalo con variables exógenas
- CompareToWFM: contraste forecast vs plan WFM actual, identifica gaps
- ProposeShiftAdjustment: genera escenarios de reasignación con impacto estimado
- DispatchOvertimeOffer: envía oferta de overtime/VTO vía WhatsApp con detalle de turno y compensación
- ExecuteSwap: ejecuta la reasignación aprobada y actualiza el schedule
- WriteBackToWFM: sincroniza cambios con la herramienta WFM incumbente
Guardrails
- Compliance check convenio colectivo: valida horas máximas, descanso mínimo entre turnos, restricciones por tipo de contrato
- Piso/techo absolutos: nunca baja de X agentes por skill ni sube de Y por turno
- Shadow mode 4 semanas: el agente recomienda sin ejecutar durante el primer mes, para calibrar con datos reales
- Audit trail completo: cada forecast, recomendación, reasignación y oferta de overtime queda registrada con timestamp y justificación
Channel
- Slack/Teams al supervisor: alertas de gap, recomendaciones de reasignación, reportes post-período
- WhatsApp al agente: ofertas de overtime y VTO con aceptación en un click
- Dashboard WFM: vista consolidada de forecast vs real, staffing por intervalo y KPIs en tiempo real
- Copilot sidebar: el supervisor pregunta "¿por qué moviste 15 agentes a chat?" y recibe la justificación con datos
Cómo se implementa
5 fases, 16-22 semanas. Equipo Solu + tu equipo de WFM, operaciones y datos.
Discovery y mapeo de operación
Relevamiento de canales activos, skills, turnos, convenio colectivo y herramienta WFM incumbente. Análisis de datos históricos por canal/skill (mínimo 6 meses). Definición de SLA targets por canal e intervalo. Mapeo de integraciones necesarias (ACD, WFM, HRIS).
Data pipeline y Data Cloud
Conexión del ACD a Data Cloud en modo streaming. Ingesta de datos históricos para entrenar el modelo de forecast. Configuración de DMOs (ContactEvent, StaffingInterval, AgentProfile). Integración con HRIS para datos contractuales y de compliance.
Build del agente
Configuración en Agent Builder: role, topics, actions, prompts. Desarrollo del motor de forecast y simulación de schedules. Integración con WhatsApp para ofertas de overtime/VTO. Configuración de guardrails de compliance. Integración bidireccional con WFM incumbente. Testing con datos históricos y escenarios simulados.
Shadow mode y piloto
4 semanas de shadow mode: el agente genera forecasts y recomendaciones sin ejecutar, para comparar contra las decisiones manuales del equipo WFM. Luego, piloto controlado en 1-2 canales con ejecución supervisada. Calibración de umbrales de reoptimización y reglas de compliance.
Rollout y optimización continua
Expansión a todos los canales y skills. Tuning del modelo de forecast con datos del piloto. Activación de ofertas de overtime/VTO automatizadas. Change management para supervisores y agentes. Dashboard de performance para operations leadership.
Requisitos previos
Lo que necesitás tener (o que Solu te ayuda a configurar) antes de arrancar.
Service Cloud Enterprise+
Con Omni-Channel configurado y canales activos. Es la base sobre la que opera el routing y la asignación de agentes.
Agentforce License
Flex Credits (pay-per-use) o Agentforce Edition. El agente consume créditos por cada ciclo de forecast, reoptimización y oferta de overtime.
Data Cloud (intensive)
En modo streaming para ingesta de ContactEvent en tiempo real. Es lo que habilita la reoptimización cada 15 minutos. Sin streaming, el ciclo se extiende a 1-2 horas.
Historial 6+ meses por canal/skill
Datos de volumen, AHT y SLA por canal y skill con granularidad de al menos 30 minutos. Sin historial suficiente, el forecast arranca con accuracy baja.
MuleSoft (para ACD + WFM + HRIS)
Para integrar el ACD (NICE, Genesys, Five9), la herramienta WFM incumbente (NICE WFM, Verint, Calabrio) y el sistema de RRHH con datos contractuales.
Convenio colectivo documentado
Reglas de horas máximas, descanso entre turnos, overtime permitido y restricciones por tipo de contrato. El agente las necesita para validar compliance en cada reasignación.
KPIs Before / After
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.
Riesgos y mitigaciones
Lo que puede salir mal y cómo lo prevenimos. Sin sorpresas.
Forecast con hallucination
El modelo predice demanda irrealmente alta o baja por falta de datos de eventos exógenos o por overfitting a un período atípico.
Mitigación: Confidence interval en cada forecast. Alertas automáticas cuando la predicción se desvía más de 2 desviaciones estándar del histórico. Shadow mode de 4 semanas para comparar contra el forecast manual antes de ejecutar. Revisión humana obligatoria para eventos sin precedente.
Data quality del ACD
Datos del ACD incompletos, con timestamps incorrectos o skills mal taggeados, lo que corrompe el forecast y las reasignaciones.
Mitigación: Validación de calidad de datos en el pipeline de ingesta. Alertas cuando un canal deja de reportar por más de 15 minutos. Reconciliación diaria ACD vs Data Cloud. El agente no ejecuta reasignaciones si el confidence de los datos está por debajo del umbral.
Sesgo contra subgrupos
El algoritmo de reasignación o de ofertas de overtime podría favorecer sistemáticamente a ciertos agentes por sus skills, dejando a otros con carga excesiva o sin acceso a overtime.
Mitigación: Distribución equitativa de overtime como constraint obligatorio. Monitoreo mensual de distribución de carga por agente, turno y skill. Auditoría de equidad cada trimestre. Los agentes pueden reportar sesgos percibidos desde la app.
Rechazo del área WFM
El equipo de WFM percibe al agente como reemplazo de su función y boicotea la adopción o no confía en las recomendaciones.
Mitigación: El equipo WFM participa desde discovery y define las reglas del agente. Shadow mode como período de prueba donde WFM valida. El agente amplifica al equipo WFM (les da más datos, no les quita el control). Métricas de mejora compartidas con el equipo.
Compliance laboral y conflicto sindical
Reasignaciones o ofertas de overtime que violan el convenio colectivo, generan conflicto con el sindicato o exponen a la empresa a riesgo legal.
Mitigación: Reglas del convenio colectivo codificadas como hard constraints (no sugerencias). Validación legal antes de go-live. El agente no puede asignar turnos que violen descanso mínimo o horas máximas. Audit trail completo para auditorías laborales.
Preguntas Frecuentes
No la reemplaza, la complementa. El agente usa los datos del WFM incumbente como input y le devuelve los ajustes como output. El WFM sigue siendo el sistema de registro para schedules y adherencia. El agente agrega la capa de forecast con IA, reoptimización intra-día y ofertas automatizadas de overtime/VTO que la mayoría de WFMs legacy no hacen bien.
El agente detecta el desvío en el primer ciclo de 15 minutos y cambia a modo reactivo: deja de usar el forecast y ajusta basándose en el volumen real entrante. Al mismo tiempo, alerta al supervisor de que el forecast fue descartado y muestra el gap en tiempo real. Los piso/techo absolutos evitan que tome decisiones extremas sin supervisión.
Las reglas de compliance se configuran por país/site como hard constraints. Se pueden tener múltiples perfiles de compliance activos simultáneamente (e.g., Argentina con 8 horas máximas y 12 horas de descanso, México con reglas distintas). Cada perfil se valida con el área legal antes de la activación.
Siempre. Las ofertas de overtime y VTO son voluntarias por definición. El agente envía la propuesta vía WhatsApp con el detalle del turno y la compensación, y el agente del contact center acepta o rechaza con un tap. Si rechaza, el sistema busca al siguiente agente elegible. La tasa de aceptación se trackea como KPI del sistema.
Sí. El agente puede gestionar múltiples sites con zonas horarias distintas y asignar entre sites si los skills lo permiten (e.g., agentes remotos). El forecast es por canal/skill/site, y las reasignaciones respetan las restricciones de cada site. La complejidad de multisite se aborda en las fases 1 y 2 del proyecto.
Mínimo 6 meses de datos por canal y skill con granularidad de 30 minutos. Con 12+ meses el modelo captura estacionalidad anual (Black Friday, fin de año, vacaciones). Si tenés menos de 6 meses, el agente arranca con un modelo más conservador y se calibra con los datos del shadow mode y el piloto.
Cualquier ACD que exponga datos de eventos de contacto vía API o streaming. Los más comunes: NICE inContact, Genesys Cloud, Five9, Amazon Connect, Talkdesk, Avaya. La integración se hace vía MuleSoft o conectores nativos de Data Cloud. En discovery se valida la disponibilidad y calidad de los datos del ACD específico.
Se puede, pero el ciclo de reoptimización pasa de 15 minutos a 1-2 horas (batch). Para operaciones con volúmenes bajos o predecibles puede ser suficiente. Para contact centers con alta variabilidad intra-día, el streaming es prácticamente necesario para capturar el valor completo del agente.
Tu staffing optimizado en tiempo real, en 16 semanas.
Hablá con un WFM Architect de Solu. En una sesión de discovery mapeamos tu operación y definimos el modelo de forecast para tu contact center.