La inteligencia artificial (IA) conversacional se refiere a tecnologías, como los chatbots o los agentes virtuales, a las que los usuarios pueden hablar. Utilizan grandes volúmenes de datos, machine learning y procesamiento del lenguaje natural para imitar las interacciones humanas, reconociendo las entradas de voz y texto y traduciendo sus significados en varios idiomas.

La IA conversacional combina el procesamiento del lenguaje natural (PLN) con machine learning. Estos procesos de PLN fluyen en un bucle de feedback constante con procesos de machine learning para mejorar continuamente los algoritmos de IA. La IA conversacional consta de componentes principales que le permiten procesar, comprender y generar respuestas de forma natural.

Machine Learning (ML) es un subcampo de la inteligencia artificial, compuesto por un conjunto de algoritmos, características y conjuntos de datos que se mejoran continuamente con la experiencia. Cuanto mayor es la entrada de datos, mejor funciona la plataforma de IA en el reconocimiento de patrones que utiliza para realizar predicciones.

El procesamiento del lenguaje natural es el método actual de análisis del lenguaje con la ayuda de machine learning en su aplicación en la IA conversacional. Antes de machine learning, la evolución de las metodologías de procesamiento del lenguaje pasó de la lingüística a la lingüística computacional y luego al procesamiento del lenguaje natural estadístico. En el futuro, deep learning permitirá desarrollar las capacidades del procesamiento del lenguaje natural de la IA conversacional aún más.

PLN consta de cuatro pasos: generación de la entrada, análisis de la entrada, generación de la salida y aprendizaje por refuerzo. Datos no estructurados transformados a un formato que puede ser leído por un sistema, que a continuación se analizan para generar una respuesta adecuada. Los algoritmos de ML subyacentes mejoran la calidad de la respuesta a lo largo del tiempo a medida que aprende. Estos cuatro pasos del PLN se pueden desglosar en:

• Generación de la entrada: los usuarios proporcionan la entrada a través de un sitio web o una aplicación; el formato de la entrada puede ser voz o texto.
  
  
• Análisis de la entrada: si la entrada está basada en texto, la aplicación de la solución de IA conversacional utilizará la comprensión del lenguaje natural (CLN) para descrifrar el significado de la entrada y extraer su intención. Sin embargo, si la entrada está basada en voz, aprovechará una combinación de reconocimiento de voz automático (ASR, por sus siglas en inglés) y CLN para analizar los datos.
  
  
• Gestión de diálogos: durante esta etapa, la generación del lenguaje natural (GLN), un componente de PLN, formula una respuesta.
  
  
• Aprendizaje por refuerzo: finalmente, los algoritmos de machine learning refinan las respuestas a lo largo del tiempo para garantizar la precisión.

La IA conversacional comienza pensando en cómo sus usuarios potenciales podrían querer interactuar con su producto y las preguntas principales que podrían tener. Puede utilizar herramientas de IA conversacional para ayudar a conducirles a la información relevante. En esta sección, expondremos formas de iniciar la planificación y crear una IA conversacional.

1. Busque la lista de preguntas más frecuentes (FAQ) para sus usuarios finales
 

Las preguntas frecuentes son la base del proceso de desarrollo de la IA conversacional. Le ayudan a definir las principal necesidades y preocupaciones de sus usuarios finales, lo que, a su vez, aliviará parte del volumen de llamadas a su equipo de soporte. Si no tiene una lista de preguntas frecuentes disponible para su producto, entonces trabaje con su equipo de éxito del cliente para determinar la lista adecuada de preguntas con la que podrá trabajar la IA conversacional. 

Por ejemplo, pongamos que es un banco. Su lista inicial de preguntas frecuentes podría ser:

• ¿Cómo accedo a mi cuenta?
  
  
• ¿Dónde encuentro mi número de cuenta y de ruta?
  
  
• ¿Cuándo llegará mi tarjeta de débito?
  
  
• ¿Cómo activo mi tarjeta de débito?
  
  
• ¿Cómo solicito cheques?
  
  
• ¿Cómo puedo hablar con un banquero local?

Siempre puede ir agregando más preguntas a la lista, así que puede empezar con un pequeño segmento de preguntas para crear el prototipo del proceso de desarrollo para una IA conversacional.

2. Utilice las preguntas frecuentes para desarrollar objetivos en su herramienta de IA conversacional
 

Sus preguntas frecuentes forman la base de los objetivos o intenciones, expresados en la entrada del usuario, como el acceso a una cuenta. Una vez trazados sus objetivos, puede conectarlos a una herramienta de IA conversacional competitiva, como Watson Assistant.

A partir de aquí, deberá enseñarle a su IA conversacional las formas en que un usuario puede expresar o preguntar este tipo de información. Si tomamos el ejemplo de "cómo accedo a mi cuenta", podría pensar en otras frases que los usuarios podrían utilizar cuando hablan con un representante de soporte, como "cómo iniciar sesión", "cómo restablecer contraseña", "registrar una cuenta", etc.

Si no está seguro de otras frases que sus clientes podrían utilizar, puede pedir la colaboración de sus equipos de análisis y soporte. Si sus herramientas de análisis de chatbot se han configurado correctamente, los equipos de análisis pueden realizar minería de datos web e investigar otras consultas de datos de búsqueda de sitios. Alternativamente, también pueden analizar datos de transcripciones de conversaciones de chat web y centros de atención telefónica. Si sus equipos analíticos no están configurados para este tipo de análisis, sus equipos de soporte también pueden realizar sus aportaciones sobre las formas comunes en que los clientes formulan sus preguntas.

3. Use objetivos para comprender y crear sustantivos y palabras clave relevantes
 

Piense en sustantivos o entidades que rodeen sus intenciones. En este ejemplo, nos hemos centrado en la cuenta bancaria de un usuario. Como resultado, tiene sentido crear una entidad en torno a información de cuenta bancaria.

Un gran número de valores podría entrar en esta categoría de información, como "nombre de usuario", "contraseña", "número de cuenta", etc.

Para comprender las entidades que rodean los intentos de usuario específicos, puede utilizar la misma información que se ha recopilado de herramientas o equipos de soporte para desarrollar objetivos o intentos. Estos sustantivos precederán o seguirán a la pregunta principal.

4. Júntelo todo para crear un diálogo significativo con su usuario
 

Todos estos elementos trabajan juntos para crear una conversación con su usuario final. Los intentos permiten a una máquina descrifrar lo que el usuario está preguntando y las entidades actúan como una forma de proporcionar respuestas relevantes. Por ejemplo, puede imaginarse el diálogo entre una IA de conversación y un usuario con una contraseña olvidada de la siguiente manera:

Juntos, objetivos y sustantivos (o intentos y entidades, como prefiere denominarlos IBM) crean un flujo de conversación lógico en función de las necesidades del usuario. Si está listo para empezar a crear su propia IA conversacional, puede probar la versión Lite de Watson Assistant de IBM de forma gratuita. 

Si pensamos en inteligencia artificial conversacional, lo primero que nos suele venir a la mente son los chatbots en línea y los asistentes de voz típicos de los servicios de soporte al cliente y el despliegue omnicanal. La mayoría de las aplicaciones de IA conversacional integran análisis extensos en el programa de backend , que ayudan a asegurar experiencias conversacionales similares a las humanas. 

Los expertos consideran que las aplicaciones actuales de IA conversacional son débiles en términos de IA, ya que se centran en un campo de tareas muy reducido. Una IA fuerte, que sigue siendo un concepto teórico, se centra en una conciencia similar a la humana, capaz de resolver varias tareas y un amplio rango de problemas.

A pesar de su foco estrecho, la AI conversacional es una tecnología extremadamente lucrativa para las empresas, que les ayuda a ganar rentabilidad. Si bien un chatbot de IA es la forma más popular de IA conversacional, existen muchos otros casos de uso en empresas. Por ejemplo:

• Soporte al cliente en línea: los chatbots en línea están reemplazando a lo agentes humanos en todo el recorrido del cliente. Responden a preguntas frecuentes (FAQ) sobre distintos temas, por ejemplo, el envío, o proporcionan asesoramiento personalizado; ofrecen productos de venta cruzada o recomiendan distintos tamaños para los usuarios, cambiado la forma de interactuar con los clientes en los sitios web y las plataformas de redes sociales. Los ejemplos incluyen bots de mensajería en sitios de e-commerce con agentes virtuales, aplicaciones de mensajería como Slack y Facebook Messenger y tareas generalmente realizadas por asistentes virtuales y asistentes de voz.
  
  
• Accesibilidad: las empresas pueden volverse más accesibles si se reducen las barreras de entrada, especialmente en el caso de usuarios que requieren tecnologías de asistencia. Las características comúnmente utilizadas de IA conversacional para estos grupos son el dictado de texto a voz y la traducción de idiomas.
  
  
• Procesos de recursos humanos: muchos procesos de recursos humanos pueden optimizarse con el uso de IA conversacional, como la formación de empleados, los procesos de incorporación y la actualización de información de empleados.
  
  
• Asistencia sanitaria:  la IA conversacional puede hacer que los servicios de asistencia médica sean más accesibles y asequibles para los pacientes, además de mejorar la eficiencia operativa y agilizar los procesos administrativos, como la tramitación de reclamaciones.
  
  
• Dispositivos del Internet de las cosas (IoT): la mayoría de los hogares ahora cuenta con al menos un dispositivo de IoT, desde altavoces Alexa hasta relojes inteligentes y móviles. Estos dispositivos utilizan reconocimiento de voz automatizado para interactuar con los usuarios finales. Las aplicaciones más populares incluyen Amazon Alexa, Apple Siri y Google Home.
  
  
• Software informático: muchas tareas en un entorno de oficina se simplifican con la IA conversacional, como el autocompletado de búsqueda cuando se busca algo en Google y el corrector ortográfico.

Aunque la mayoría de las aplicaciones y chatbots de IA aún presentan habilidades rudimentarias para resolver problemas, pueden reducir tiempo y mejorar la rentabilidad en interacciones recurrentes de soporte al cliente, liberando recursos de personal para que puedan centrarse en interacciones con clientes que requieran una mayor implicación. En general, las aplicaciones de IA conversacional han sido capaces de replicar bien conversaciones humanas, lo que ha favorecido un incremento de los índices de satisfacción del cliente.

La IA conversacional es una solución rentable para muchos procesos de negocio. Los siguientes son ejemplos de las ventajas de usar IA conversacional.

Eficiencia de costes
 

Dotar de personal a un departamento de servicio al cliente puede resultar bastante costoso, especialmente si se buscan respuesta a preguntas fuera del horario regular de oficina. Proporcionar asistencia al cliente a través de interfaces conversacionales puede reducir los costes en términos de salarios y formación, especialmente para pequeñas o medianas empresas. Los chatbots y los asistentes virtuales pueden responder al instante y con una disponibilidad de 24 horas a los clientes potenciales.

Las conversaciones humanas también pueden dar respuestas incoherentes a clientes potenciales. Dado que la mayoría de las interacciones con el soporte son de búsqueda de información y de carácter repetitivo, las empresas pueden programar IA conversacional para gestionar varios casos de uso, lo que garantiza una respuesta completa y coherente. Esto fomenta la continuidad en la experiencia del cliente y permite que haya más recursos humanos disponibles para consultas más complejas.

Incremento de las ventas y del compromiso con el cliente
 

Con la adopción de los dispositivos móviles en el día a día de los consumidores, las empresas deben estar preparadas para proporcionar información en tiempo real a sus usuarios finales. Dado que se puede acceder a las herramientas de IA conversacional más fácilmente que a las fuerzas de trabajo humanas, los clientes pueden interactuar de forma más rápida y frecuente con las marcas. Este soporte inmediato permite a los clientes evitar largos tiempos de espera en centros de atención telefónica, mejorando así la experiencia del cliente. A medida que crece la satisfacción del cliente, las empresas ven su efecto reflejado en una mayor fidelidad del cliente e ingresos adicionales por referencias.

Las funciones de personalización de la IA conversacional también proporcionan a los chatbots la capacidad de dar recomendaciones a los usuarios finales, lo que permite a las empresas realizar ventas cruzadas de productos que los clientes quizá no se planteaban inicialmente.

Escalabilidad
 

La IA conversacional también es muy escalable ya que agregar infraestructura para dar soporte a la IA conversacional es más económico y rápido que el proceso de contratar e incorporar a nuevos empleados. Esto es especialmente útil cuando los productos se expanden a nuevos mercados geográficos o durante picos de demanda inesperados a corto plazo, como durante las temporadas de vacaciones.

La IA conversacional todavía está en pañales, y la adopción generalizada en las empresas ha empezado en los últimos años. Al igual que con cualquier nuevo avance tecnológico, la transición a aplicaciones de IA conversacional conlleva algunos retos. Por ejemplo:

Entrada por idioma
 

La entrada por idioma puede ser un punto débil para la IA conversacional, tanto si la entrada es de texto como de voz. Los dialectos, los acentos y los ruidos de fondo pueden afectar a la comprensión de la entrada sin procesar por parte de la IA. La jerga y el habla improvisada también pueden generar problemas con el procesamiento de la entrada.

Sin embargo, el mayor reto para la IA conversacional es el factor humano en la entrada por idioma. Emociones, tono y sarcasmo dificultan a la IA conversacional la interpretación del significado intencionado del usuario y la respuesta adecuada.

Privacidad y seguridad
 

Como la IA conversacional depende de la recopilación de datos para responder a las consultas de los usuarios, también es vulnerable a violaciones de privacidad y seguridad. El desarrollo de aplicaciones de IA conversacional con altos estándares de privacidad y seguridad y sistemas de supervisión ayuda a generar confianza entre los usuarios finales, lo que en última instancia aumentará el uso de chatbots con el tiempo.

Aprensión del usuario
 

Los usuarios pueden mostrar su inquietud por el hecho de compartir información personal o confidencial, especialmente cuando se dan cuenta de que están hablando con una máquina en lugar de con un humano. Teniendo en cuenta que no todos sus clientes serán usuarios avanzados, será importante educar y socializar a las audiencias de destino sobre los beneficios y la seguridad de estas tecnologías para crear mejores experiencias para los clientes. Esto puede provocar una mala experiencia del usuario y mermar el rendimiento de la IA, anulando sus efectos positivos.

Además, a veces los chatbots no están programados para responder a la amplia gama de consultas de los usuarios. Cuando esto suceda, será importante proporcionar un canal de comunicación alternativo para abordar estas consultas más complejas, ya que será frustrante para el usuario final si se le da una respuesta incorrecta o incompleta. En estos casos, los clientes deben tener la oportunidad de contactar con un representante humano de la compañía.

Finalmente, la IA conversacional también puede optimizar el flujo de trabajo en una compañía, que permita reducir el personal necesario para una determinada función de trabajo. Esto puede fomentar el activismo socioeconómico, lo que puede generar una reacción negativa a una compañía.