Autodesk usa AWS para desarrollar comunidades de usuarios, aumentar la participación de la comunidad y obtener respuestas para sus miembros con mayor rapidez

Desde el año 2000, el proveedor de software Autodesk ha organizado un foro comunitario denominado Autodesk Forums para sus clientes. No obstante, aunque muchos clientes lo utilizaban como recurso, pocos se decidían a dar el siguiente paso e interactuar con la comunidad. De hecho, los usuarios más comprometidos del foro eran los que mejor conocían las ofertas de Autodesk. La empresa quería ampliar el alcance del foro al permitir a los clientes no solo absorber la experiencia de la comunidad, sino también ofrecer la suya propia.

Autodesk eligió las soluciones de Amazon Web Services (AWS) para crear e implementar un modelo de machine learning con rapidez y así lograr una iteración nueva de un foro llamado Community Match. El modelo combina la experiencia de los miembros del foro con las preguntas planteadas en el foro. La idea es alentar a los miembros de la comunidad que son expertos en un tema en particular a compartir su conocimiento interno sobre las soluciones de Autodesk. Mientras que antes los clientes buscaban el soporte de Autodesk solo para solucionar problemas, ahora aprovechan el conocimiento de la comunidad compartida con el fin de utilizar el software de Autodesk de manera más efectiva.

Autodesk crea software que permite «construir lo que sea». Sus soluciones, que incluyen tecnologías emergentes como la impresión 3D, la inteligencia artificial, el diseño generativo y la robótica, están diseñadas para constructores de las industrias de la arquitectura, la ingeniería, la construcción, los medios y el entretenimiento y la fabricación. La empresa tiene la estrategia de utilizar principalmente AWS para toda su práctica de desarrollo: en 2017, trasladó su práctica de desarrollo de ciencia de datos y machine learning de máquinas locales a AWS y, recientemente, creó un modelo de habilidades de machine learning con el fin de dirigir mejor a los clientes hacia los agentes de soporte. «Del mismo modo que pensamos en el enrutamiento basado en habilidades, podemos empezar a ofrecer servicios a nuestros clientes como parte de la experiencia digital y de forma inteligente mucho antes de que una persona tenga que involucrarse», afirma James Bradley, director de ciencia de datos en Autodesk. «Acercamos nuestras capacidades de soporte a los clientes e interactuamos con ellos mucho antes de forma automática».

En un principio, Autodesk pretendía que Community Match fuera un espacio en el que los clientes pudieran comunicarse con expertos internos de Autodesk. Posteriormente, con el objetivo de centrarse en fomentar la comunidad y la experiencia compartidas entre sus clientes, Autodesk buscó aumentar la participación de los clientes para proporcionar respuestas con mayor rapidez y una experiencia de usuario optimizada a más clientes. «Surgió la oportunidad de dirigirnos a miembros de la comunidad con conocimientos específicos y acercarlos a miembros de la comunidad con preguntas que necesitan respuesta», afirma Bradley. La estrategia inicial consistía en utilizar notificaciones por correo electrónico para aumentar la participación. Sin embargo, parecía que eso solo atraía a clientes que ya eran muy activos en la plataforma, usuarios a los que Autodesk denominaba «Expert Elites», cuya experiencia en productos los convierte en auténticos embajadores de Autodesk. En cambio, Autodesk quería utilizar las notificaciones para atraer a un nuevo grupo de clientes que tuvieran un historial demostrado de participación e interés en el foro, pero que no participaran con regularidad.

Con el fin de obtener información sobre cómo reaccionarían los clientes ante las notificaciones por correo electrónico para aumentar la participación en el foro, Autodesk acudió directamente a la fuente y entrevistó a los clientes en una conferencia de Autodesk con más de 10 000 asistentes. Una de las conclusiones principales fue que los miembros del personal de algunos clientes consultaban los foros o formulaban preguntas para seleccionar contenido y compartirlo de manera interna con sus equipos, pero que no siempre compartían su propia experiencia. «Muchos de ellos sienten que no saben tanto como un empleado de Autodesk o un Expert Elite, por lo que esperan a que otra persona responda a una pregunta entrante, aunque sean expertos en la materia en ese campo», afirma Yizel Vizcarra, científica de datos del equipo de ayuda y experiencia digital. «Queríamos fomentar el sentido de comunidad en los foros y animar a los asistentes a responder cuando su experiencia pudiera ayudar a otros».

Autodesk utilizó una arquitectura sin servidor de AWS para crear un prototipo del modelo de conocimiento en solo una semana. «Fue divertido crear algo a partir de una idea en tan poco tiempo al combinar las diferentes capacidades sin servidor que existen en AWS», afirma Bradley. Un webhook entrega datos en tiempo real del proveedor externo en el que se aloja Community Match a AWS. «Nos proporciona una arquitectura flexible porque podemos transmitir ese contenido de muchas formas diferentes, no solo al mantener informados a los empleados por medio de Slack, sino también mediante la atención a nuestros diferentes grupos de usuarios», afirma Vizcarra. Autodesk dividió a los usuarios del foro en grupos: muy comprometidos, algo comprometidos y observadores.

Posteriormente, Autodesk creó y entrenó un modelo de conocimiento, alojado enAmazon Elastic Container Service (Amazon ECS), un servicio de orquestación de contenedores totalmente administrado, mediante una técnica de aprendizaje por transferencia para crear incrustaciones de las preguntas de los clientes sacadas de los foros. Luego creó un modelo aproximado de vecinos más cercanos, un modelo de clasificación común basado en la suposición de que los elementos cercanos de un conjunto de datos suelen ser similares, por medio de Amazon SageMaker. El modelo de conocimiento y el modelo de vecinos más cercanos aproximados ayudan a analizar las preguntas entrantes de los usuarios y a identificar a otros 10 usuarios que tengan la experiencia o que hubieran respondido a una pregunta sobre un tema similar en el pasado. Los modelos y una serie de reglas empresariales se empaquetan con AWS Lambda, que permite a Autodesk ejecutar código sin aprovisionar ni administrar servidores, y se secuencian mediante AWS Step Functions. Estas notificaciones, conocidas como recomendaciones, se envían por medio de Amazon Simple Email Service (Amazon SES) a un máximo de 10 usuarios por pregunta entrante con un enlace para participar. Autodesk creó la solución completa sin cambiar su infraestructura de software existente. «Introdujimos el machine learning para la supervisión en tiempo real sin tener que realizar una amplia integración con el software del foro», afirma Alex O'Connor, científico de datos principal del equipo de ciencia de datos de ayuda digital. «De hecho, redujimos la presión sobre nuestros servidores gracias a esto». Sin el streaming, hubiera sido necesario ejecutar consultas de exportación masivas de gran volumen en los foros, lo que supone enormes costes de recursos y podría llegar a afectar la experiencia de los usuarios de la plataforma del foro. Con el enfoque de webhook en tiempo real, el escalado de los recursos se controla de forma sencilla.

En julio de 2020 se lanzó una nueva iteración de Community Match dirigida a los clientes que no participan con regularidad. Durante las primeras seis semanas del lanzamiento del foro, Autodesk envió 8473 recomendaciones mediante Amazon SES y Amazon Simple Notification Service (Amazon SNS), un servicio de mensajería de publicación y suscripción (pub/sub) que se utiliza para crear temas o grupos lógicos sobre diferentes tipos de productos y que envía notificaciones de actualizaciones. Autodesk descubrió que el modelo de machine learning permite obtener coincidencias de alta calidad el 32 por ciento de las veces, lo que Autodesk juzga según la tasa de apertura, y la tasa de clics de las notificaciones es del 31 por ciento. En comparación con una tasa de respuesta del 12 por ciento en la primera iteración de Community Match, al menos el 16 por ciento de las personas que hicieron clic en la notificación de la nueva iteración (la mayoría de ellas sin haberse comprometido mucho con anterioridad) respondieron esta vez. «Es de esperar que recibir una notificación en la que se destaque su experiencia los anime a participar de lleno en una conversación», afirma Bradley. «Y, de hecho, los hemos visto publicar un poco más». El foro está diseñado para empoderar a los clientes, en especial a aquellos que se abstuvieron de participar, al mostrarles cómo compartir su experiencia puede beneficiar a otros. Los clientes ya ofrecieron respuestas extraoficiales o soluciones alternativas diferentes, pero no menos útiles, a los consejos de expertos que habrían recibido de un agente de Autodesk.

Autodesk también puede utilizar el foro para interactuar mejor con sus clientes y ayudarlos. «Podemos reaccionar ante el comportamiento de los clientes en tiempo real y, de este modo, generar un impacto empresarial positivo», afirma Bradley. «Abre oportunidades para pensar en nuestros objetivos empresariales: podríamos aprovechar este marco de mensajería en tiempo real para impulsar un comportamiento de los clientes que reduzca su esfuerzo o que aumente la eficiencia empresarial». Por ejemplo, el foro brindó a Autodesk la flexibilidad necesaria para responder con velocidad a las necesidades de los clientes de una manera que un gestor de campañas o una aplicación de correo electrónico no podrían. Durante la pandemia de COVID-19, por ejemplo, reutilizó partes de la infraestructura del foro para supervisar las menciones del coronavirus y observar los ajustes comerciales que estaban realizando los clientes; a partir de esos datos, elaboró respuestas informadas. «El hecho de tener mil ojos puestos en el asunto fue fantástico para ayudar a responder en tiempo real», afirma O'Connor. «En especial, al principio, cuando la situación se estaba desarrollando con tanta rapidez, era importante para nosotros entender si estábamos satisfaciendo las necesidades de nuestros clientes al mismo ritmo».

Autodesk utilizó los servicios de AWS sin realizar cambios profundos en su infraestructura actual para reconstruir su foro Community Match con el fin de impulsar una mayor participación de los clientes, lo que les permitió compartir conocimientos de los que otros pudieran beneficiarse. El foro impulsado por el machine learning no solo permite a Autodesk ofrecer respuestas creativas a sus clientes, sino que también proporciona a la empresa información valiosa sobre estos y una solución flexible que puede adaptarse de manera rápida a sus necesidades. «Realmente tenemos la capacidad de personalizarlo y aprender de él con rapidez», afirma Bradley. «Se trata de escuchar cómo podemos ayudar y adaptar nuestra respuesta».