Acerca de Mango:
Mango es un líder global en moda que ha sabido combinar creatividad, datos y tecnología para revolucionar la experiencia de cliente. Con operaciones en más de 100 países y una fuerte apuesta por la digitalización, es uno de los referentes europeos en innovación retail y adopción temprana de soluciones de inteligencia artificial.
Mango es un líder global en moda que ha sabido combinar creatividad, datos y tecnología para revolucionar la experiencia de cliente. Con operaciones en más de 100 países y una fuerte apuesta por la digitalización, es uno de los referentes europeos en innovación retail y adopción temprana de soluciones de inteligencia artificial.
Challenge
Mango contaba con un proyecto basado en NLP tradicional, que debía evolucionar hacia un enfoque GenAI para responder a las nuevas capacidades de la tecnología.
En 2023, la tecnología RAG (Retrieval-Augmented Generation) se encontraba aún en una fase temprana, lo que supuso un reto técnico relevante para definir los componentes adecuados y garantizar su escalabilidad.
El proyecto estableció un objetivo de excelencia en precisión, con una métrica de Adherencia al Contexto (control de alucinaciones) como requisito clave antes del paso a producción.
El contexto de conocimiento existente había sido diseñado bajo un paradigma previo a GenAI, basado en preguntas y respuestas estáticas, y debía reformularse y estructurarse en el formato óptimo para su interpretación por modelos generativos.
Se tenía que plantear un nuevo marco de gobernanza del conocimiento, preparado para escalar a más de 10 idiomas en los meses siguientes.
El proyecto requería una visión multicanal, abarcando Ecommerce, App y WhatsApp como canales principales de interacción.
Además de automatizar las FAQs, el alcance incluía flujos integrados a los sistemas internos de Mango, como la consulta de estado de pedido y la gestión de devoluciones.
En 2023, la tecnología RAG (Retrieval-Augmented Generation) se encontraba aún en una fase temprana, lo que supuso un reto técnico relevante para definir los componentes adecuados y garantizar su escalabilidad.
El proyecto estableció un objetivo de excelencia en precisión, con una métrica de Adherencia al Contexto (control de alucinaciones) como requisito clave antes del paso a producción.
El contexto de conocimiento existente había sido diseñado bajo un paradigma previo a GenAI, basado en preguntas y respuestas estáticas, y debía reformularse y estructurarse en el formato óptimo para su interpretación por modelos generativos.
Se tenía que plantear un nuevo marco de gobernanza del conocimiento, preparado para escalar a más de 10 idiomas en los meses siguientes.
El proyecto requería una visión multicanal, abarcando Ecommerce, App y WhatsApp como canales principales de interacción.
Además de automatizar las FAQs, el alcance incluía flujos integrados a los sistemas internos de Mango, como la consulta de estado de pedido y la gestión de devoluciones.
Solution
Se diseñó y desarrolló una arquitectura RAG con técnicas avanzadas de retrieve.
Se entrenó un clasificador de IA empleando métodos avanzados de chunking para optimizar la recuperación y el enrutado de consultas.
Se construyó, junto con Mango y nuestros Ingenieros de Contexto, un dominio de conocimiento estructurado, dividido en capítulos temáticos y preparado para su interpretación por modelos generativos, garantizando consistencia, escalabilidad y control semántico.
Se diseñó un sistema de prompting avanzado que dota a la IA de capacidad de razonamiento y de explicar sus pasos mediante técnicas de Chain-of-Thought (CoT).
Se implementó una metodología iterativa de testing, con foco en la métrica de Adherencia al Contexto, hasta alcanzar los niveles de precisión requeridos previos al despliegue.
Se estableció un gobierno del conocimiento centralizado, con procesos y estándares para asegurar calidad, trazabilidad y actualización continua en múltiples idiomas.
Se diseñó la experiencia conversacional multicanal, asegurando lógica y coherencia entre Web, App y WhatsApp.
Se construyó Agentes de IA para evaluar el proyecto en general con métricas como: Context Adherence, Answer Relevance, Context Recall, una técnica completamente revolucionaria para la fecha.
Se entrenó un clasificador de IA empleando métodos avanzados de chunking para optimizar la recuperación y el enrutado de consultas.
Se construyó, junto con Mango y nuestros Ingenieros de Contexto, un dominio de conocimiento estructurado, dividido en capítulos temáticos y preparado para su interpretación por modelos generativos, garantizando consistencia, escalabilidad y control semántico.
Se diseñó un sistema de prompting avanzado que dota a la IA de capacidad de razonamiento y de explicar sus pasos mediante técnicas de Chain-of-Thought (CoT).
Se implementó una metodología iterativa de testing, con foco en la métrica de Adherencia al Contexto, hasta alcanzar los niveles de precisión requeridos previos al despliegue.
Se estableció un gobierno del conocimiento centralizado, con procesos y estándares para asegurar calidad, trazabilidad y actualización continua en múltiples idiomas.
Se diseñó la experiencia conversacional multicanal, asegurando lógica y coherencia entre Web, App y WhatsApp.
Se construyó Agentes de IA para evaluar el proyecto en general con métricas como: Context Adherence, Answer Relevance, Context Recall, una técnica completamente revolucionaria para la fecha.
The Results
Triplicamos la meta definida de automatización.
Superamos la métrica objetivo de Adherencia al Contexto, reduciendo significativamente el riesgo de alucinación.
El NPS del proyecto superó los resultados obtenidos por los agentes humanos.
El sistema permitió mejorar el conocimiento interno de la organización gracias a los razonamientos generados por la IA, que identificaron oportunidades para optimizar contenidos y procesos de atención.
Se escaló a más de 12 países, adaptando los contextos de conocimiento a las particularidades de cada mercado.
El resultado fue una transformación profunda del servicio al cliente, más ágil, preciso y alineado con los estándares de experiencia de marca de Mango.
Superamos la métrica objetivo de Adherencia al Contexto, reduciendo significativamente el riesgo de alucinación.
El NPS del proyecto superó los resultados obtenidos por los agentes humanos.
El sistema permitió mejorar el conocimiento interno de la organización gracias a los razonamientos generados por la IA, que identificaron oportunidades para optimizar contenidos y procesos de atención.
Se escaló a más de 12 países, adaptando los contextos de conocimiento a las particularidades de cada mercado.
El resultado fue una transformación profunda del servicio al cliente, más ágil, preciso y alineado con los estándares de experiencia de marca de Mango.
