Optimización no lineal entera asistido por redes neuronales en problemas de call centers

Abstract

La gestión eficiente de Centros de Contacto Telefónico representa un desafío central dentro de Investigación Operativa. incorporación de inteligencia artificial en este ámbito ha permitido automatizar interacciones con usuarios mediante chatbots y agentes virtuales, reduciendo la carga sobre operadores humanos y agilizando respuestas. No obstante, esta tecnología presenta importantes: genera tensiones respecto a la pérdida de empleos, carece de la empatía propia de la interacción humana y no resuelve con precisión los niveles de rendimiento de equipos de agentes predefinidos. Frente a estas limitaciones, el proyecto de investigación propone un enfoque híbrido que combina dimensionamiento mínimo de recursos humanos con distribución óptima de turnos, asistida por inteligencia artificial, con el objetivo de maximizar los niveles de servicio y la satisfacción del usuario. Desde el punto de vista metodológico, los algoritmos de optimización no lineal tradicionales enfrentan el problema de quedar atrapados en óptimos locales. Las heurísticas convencionales intentan superarlo, aunque con alta carga computacional. Como alternativa superadora, se propone integrar redes neuronales debidamente entrenadas al proceso de búsqueda, ya que estas pueden escapar de óptimos locales con mayor velocidad y precisión. El algoritmo resultante combinaría métodos de optimización no lineal entera de búsqueda direccional con redes neuronales, logrando una solución más eficiente para la planificación de turnos en centros de contacto.