){kind=small}
Terminología de la IA para desarrolladores
Tiempo de lectura: 6 minutos
Si eres un desarrollador que trabaja en tecnología de comunicación con el cliente, es casi seguro que hayas empezado a explorar cómo la IA puede mejorar lo que estás construyendo. Y es posible que durante tu investigación hayas recordado tus cursos de informática y te hayas preguntado si la IA de la que se habla hoy en día es lo mismo en lo que han estado trabajando los informáticos durante las últimas décadas.
En este artículo voy a aclarar algunas de las exageraciones de marketing que han surgido en torno a la IA definiendo los distintos términos que se utilizan. Hay muchas nuevas tecnologías útiles que pueden mejorar la experiencia del cliente y ayudar a que la comunicación con él sea más eficaz. Pero para conseguirlo, tenemos que tener claro a qué nos enfrentamos. Empecemos por los bots.
Los robots tienen una larga historia en la informática. Son herramientas automatizadas que realizan sus tareas sin ayuda humana: piense en los rastreadores web de los motores de búsqueda, los autorespondedores de IRC e incluso los personajes no jugadores de los videojuegos. Puede que tú mismo hayas escrito uno o dos.
Si pensamos en los bots en ese contexto, es obvio que la IA no es necesaria para la mayoría de ellos. Lo mismo ocurre con los bots que encontramos en la comunicación con los clientes. Los bots que se mencionan al mismo tiempo que la IA suelen ser interfaces conversacionales.
Tome Domel robot de atención al cliente de Domino's. Dom "habla" con los clientes sobre el pedido, el pago y la entrega, pero nada de lo que hace es inteligente. Lo que ocurre con casi todos los bots actuales es que son árboles de decisión, no IA. Y, por supuesto, un árbol de decisión no es más que una declaración de conmutación: si ocurre esto, haz esto otro.
Lo más importante es que los bots que vemos hoy en funcionamiento no aprenden. En algún momento, uno de sus ejecutivos podría pedir con entusiasmo a su equipo que construya un bot que pueda sustituir a los agentes humanos del centro de contacto. El problema es el siguiente: los bots actuales son tan buenos como los datos que se les transmiten. Por ejemplo, nuestro bot para pizzas no mirará el historial de compras de un cliente y creará "inteligentemente" una oferta especial para él, a menos que un humano lo haya programado para ello. Si ese árbol de decisión no cubre la situación concreta, habrá que recurrir a un humano o decepcionar al cliente.
Sin embargo, eso no hace que los bots sean menos útiles y, de hecho, hacen uso de la IA. Las técnicas de IA hacen posible que los bots conviertan el lenguaje hablado en texto y lo analicen para descubrir su significado.
Una interfaz conversacional de este tipo significa que podemos permitir que los clientes se atiendan a sí mismos en muchas más situaciones. Mientras que ahora eso se limita prácticamente a la web o el móvil, los bots abren más canales, como WhatsAppSMS, Facebook Messenger, Slack, etc., incluso la voz sin la ayuda de un agente humano.
Entonces, ¿qué es la IA en el contexto de la comunicación con el cliente? Si ha estudiado informática formalmente, probablemente la IA le haga pensar en el test de Turing. También conocerá la distinción entre IA fuerte y débil:
IA fuerteUna auténtica inteligencia capaz de pensar por sí misma (por ejemplo, Data, de Star Trek).
IA débil: software que utiliza técnicas similares a la inteligencia para ir más allá de lo que programó el desarrollador.
La IA que vemos en la comunicación con los clientes es definitivamente del segundo tipo y tiende a ser una de dos cosas: un modelo estadístico o una red neuronal. Ambos enfoques toman una entrada y producen una salida que es la mejor suposición. Por ejemplo, una IA puede recibir un archivo de audio como entrada y producir una conjetura basada en texto sobre las palabras habladas que contiene. Estas suposiciones tienden a ser bastante precisas, gracias a enormes cantidades de aprendizaje automático. Si introducimos la transcripción resultante en un árbol de decisión, obtendremos una interfaz de voz para un robot.
La cuestión es que las IA modernas son algoritmos que son buenos haciendo conjeturas y hacen tantas conjeturas en tan poco tiempo que parecen aprender por sí mismos realmente rápido. Incluso la DeepMind de Google se comporta de forma similar. Cuando DeepMind está jugando al Go, toma el estado actual del tablero, mira los movimientos que han funcionado bien en el pasado y adivina cuál es probablemente el mejor movimiento que puede hacer.
Como desarrolladores, debemos tener cuidado a la hora de gestionar las expectativas en torno a lo que la IA actual puede y no puede hacer. Recuerda que incluso las mejores plataformas de bots aún no pueden aprender a ser mejores bots.
Mientras que nuestros colegas podrían esperar que seamos capaces de crear centros de contacto automatizados en gran medida, nuestro trabajo como desarrolladores es demostrar que la IA es una técnica útil, pero que las máquinas verdaderamente inteligentes aún están lejos de serlo.
El aprendizaje automático aparece casi tan a menudo como la IA y es una de las técnicas que permite la IA. Antes he mencionado los modelos estadísticos y las redes neuronales. Ambos enfoques requieren que los científicos de datos recopilen un gran corpus de datos para utilizarlos como material de entrenamiento.
En el primer caso, los científicos deben escoger, elegir y ajustar modelos estadísticos que hagan las mejores conjeturas posibles dados los datos. En el segundo, los datos se introducen continuamente en una red neuronal de forma que cada iteración mejora el rendimiento y la precisión del algoritmo. El proceso de descubrir y mejorar el modelo de conjetura subyacente se conoce como aprendizaje automático.
En resumen, el ML es un proceso para entrenar IAs.
Y ahora, los asistentes: Alexa, Siri, Cortana y Google Assistant, entre otros.
A diferencia de los bots, que se centran en una única tarea y en un flujo bastante rígido a través de esa tarea -por ejemplo, pedir una pizza, donde se empieza por la base, se pasa a los ingredientes y luego a los acompañamientos-, un asistente combina las técnicas que estamos tratando aquí para crear una interfaz unificada para múltiples servicios.
Utiliza técnicas de inteligencia artificial para transcribir el lenguaje hablado a texto, que luego analiza con otra técnica basada en la inteligencia artificial llamada comprensión del lenguaje natural. A continuación, el asistente se conecta con los robots que vayan a realizar la tarea, por ejemplo, proporcionar una interfaz a un robot que pida pizzas. De la misma manera, podría subir el termostato, encontrar el vuelo más barato de Bristol a Ámsterdam o decirle qué ponen en el cine.
En la comunicación con el cliente, podemos utilizar los grandes asistentes como un canal más a través del cual los clientes pueden acceder a nuestros servicios. Sin embargo, también podemos utilizar todas las técnicas aquí tratadas para construir nuevos canales específicos para nuestras propias empresas. Por ejemplo, ¿qué pasaría si construyéramos un asistente propio que estuviera disponible desde nuestras aplicaciones móviles o en nuestras líneas de atención al cliente?
Aunque las expectativas no siempre coincidan con la realidad, la inteligencia artificial, el aprendizaje automático, los bots y los asistentes virtuales ya están mejorando nuestra forma de comunicarnos con los clientes. Es cierto que hay cierta exageración, pero es emocionante estar al borde de un cambio tan enorme, no solo en la comunicación con los clientes, sino en la forma de trabajar con los ordenadores en general.
Como desarrolladores, nuestro trabajo consiste en pisar la delgada línea entre ayudar a nuestros colegas a comprender las realidades de estas nuevas tecnologías y pensar en el futuro para ver cómo podemos utilizarlas para construir algo revolucionario. Y dentro de diez, tal vez cinco años, quizá miremos atrás y nos preguntemos cómo hemos podido comunicarnos con los clientes sin técnicas de IA.