Cómo pueden los modelos de ML contribuir a la optimización del tiempo en la gestión de incidencias para mejorar la asignación de recursos y la eficiencia operativa en BPO de las Américas.

Abstract

Este proyecto académico se centra en explorar la aplicación de modelos de Machine Learning (ML) para mejorar la optimización del tiempo en los procesos de gestión de incidencias dentro del marco de la Gestión de Proyectos. Se diseñó y desarrolló un modelo predictivo capaz de estimar dos aspectos críticos relacionados con los tickets de soporte técnico: la cantidad de veces que un ticket podría ser reabierto y el tiempo total que tomaría su cierre definitivo. El modelo utiliza variables operativas clave específicas de BPO de las Américas, garantizando que las predicciones estén alineadas con el contexto del negocio. Con la implementación de este modelo predictivo, la organización busca mejorar su eficiencia operativa, optimizar la asignación de recursos y reducir significativamente los tiempos de resolución de incidencias. Esta iniciativa se espera que fortalezca la competitividad de la empresa y la calidad de su servicio en la exigente industria del BPO.

This academic project focuses on exploring the application of Machine Learning (ML) models to improve time optimization in incident management processes within the framework of Project Management. A predictive model was designed and developed to estimate two critical aspects of technical support tickets: the number of times a ticket is likely to be reopened and the total time required for its final closure. The model uses key operational variables specific to BPO de las Américas, ensuring that the predictions are aligned with the company’s business context. By implementing this predictive model, the organization seeks to enhance its operational efficiency, optimize resource allocation, and significantly reduce incident resolution times. This initiative is expected to improve the company’s overall competitiveness and service quality in the highly demanding BPO industry.