Editada-Elife-Neural

Más que una nueva versión de las Apps, los Bots necesitan ser buenos conversadores

Published by

Posted on 1 de septiembre de 2017

Imagina el siguiente escenario: contratas a un nuevo trabajador para mejorar el tiempo de atención al cliente. En pocas horas él consigue adquirir conocimiento de cientos de miles de diálogos grabados y transcritos en su call center. ¿Imposible? Con el uso de los chatbots combinados con el poder de las nuevas arquitectura de redes neuronales, este escenario es cada vez más posible para tu marca.

El uso de los chatbots está revolucionando la forma de atender al cliente por un buen motivo: da la posibilidad a las empresas de resolver problemas sin la necesidad de intervención humana. Sin embargo, uno de los principales “defectos” de estos nuevos asistentes virtuales es el hecho de que la conversación puede convertirse mecánica, poco natural y limitada a un cierto número de mensajes predefinidos.

En otras palabras, un chatbot hoy raramente pasaría el Test de Turing, creado por Alan Turing en 1950, para medir la capacidad que una máquina tiene para sustituir la inteligencia humana. Hoy en día, cuando los consumidores hablan con los bots saben perfectamente que están hablando con una máquina.

Esta realidad está cambiando. Diversos avances en el área de la inteligencia artificial prometen cambios: conversación con los bots más fluida y aumentos en el vocabulario y capacidad de respuesta de ellos.

Una de las técnicas que están siendo utilizadas para este fin, es la que estamos probando en E.life, unas nuevas arquitecturas de redes neuronales que se basan en proveer la próxima interacción de un ser humano teniendo en cuenta las interacciones anteriores. Esto se da mediante el uso de dos redes conjuntamente, codificar y descodificar las entradas (mensajes enviados al bot).

Para que una red neuronal funcione bien, y produzca resultados parecidos a un ser humano, es necesario que esté entrenada. El éxito de esta técnica de debe al tipo de entrenamiento utilizado para estas redes neuronales. Se trata de un entrenamiento de principio a fin, con un conjunto de datos estructurados en forma de preguntas y respuestas.

La técnica funciona de modo que cuanto mayor es el conjunto de datos de entrada mayor es la calidad de salida computada. Es importante resaltar que la presencia de ruido en los datos no es un gran obstáculo, la hace aún más propicia para ser utilizada como forma de proporcionar inteligencia a nuestros chatbots.

Se están realizando varias pruebas con la aplicación de esta tecnología en modelos de conversación, como el tratamiento de problemas de helpdesk y la traducción de mensajes a otros idiomas. Con el uso de la técnica buscamos crear Bots para plataformas como Facebook Messenger que sean más fluidos en la conversación y menos parecidos a aplicaciones abarrotadas de menús.

En una de las pruebas iniciales realizadas con una base de datos de un cliente de Telecom, trabamos el siguiente diálogo con un bot:

  • Buenos días
  • Bot: Buenos días
  • Necesito ayuda
  • Bot: ¿Qué sucede?
  • He perdido mi tarjeta SIM.
  • Bot: Haz lo siguiente: manda DM a nuestro equipo con el nombre del titular, CPF, un número móvil y un fijo + DDD. ¡Y lo comprobaremos!
  • Eso haré. Gracias
  • Bot: Estamos felices de saber que estás satisfecho con nuestros servicios. Cualquier duda que tengas estamos para ayudarte, ¿ok?

En este caso disponemos de un área de dominio del conocimiento que es la atención al consumidor de Telecom. En breve, se espera que el estado del arte de la conversación hombre-máquina produzca resultados que permitan que un ser humano no pueda distinguir si habla con otro ser humano o un robot sobre la mayoría de los asuntos de conocimiento humano. Uno de los sueños de Turing.

Artículo escrito por Cauanne Linhares, David Borges e Jairson Vitorino que integran el equipo de Tecnología de E.life