\n<\/p>\n
Ah\u2026 Chatbots, esos servicios detr\u00e1s de los cuales se promet\u00eda a los usuarios conversar con una forma de inteligencia para preguntar qu\u00e9 quer\u00edan a cualquier hora, en cualquier momento,\u2026<\/p>\n
Ah\u2026 Chatbots, esos servicios detr\u00e1s de los cuales se promet\u00eda a los usuarios conversar con una forma de inteligencia para preguntar lo que quisieran en cualquier momento, en cualquier momento, con una respuesta cercana a la de un humano. \u00a1Qu\u00e9 decepci\u00f3n para millones de usuarios de Internet en todo el mundo que r\u00e1pidamente perdieron el inter\u00e9s! \u00bfLa aparici\u00f3n de ChatGPT y, en t\u00e9rminos m\u00e1s generales, de los grandes modelos ling\u00fc\u00edsticos (LLM) renovar\u00e1 las marcas y los consumidores con chatbots?<\/p>\n
Estamos en 2016 y se est\u00e1n apoderando de Internet r\u00e1pidamente. Los encontramos en muchos sitios web, y especialmente en la aplicaci\u00f3n Facebook Messenger que les ha dado un lugar de honor. Servicio posventa, contrataci\u00f3n, recursos humanos, comida r\u00e1pida, banca, prensa, universidad\u2026 En una \u00e9poca en la que la \u201ctransformaci\u00f3n digital\u201d se negocia en cada reuni\u00f3n, los chatbots se presentan como una bendici\u00f3n para demostrar que sabemos innovar.<\/p>\n
\u201c La mayor\u00eda de los chatbots han sido bastante decepcionantes para los usuarios finales y costosos para las empresas.<\/em>\u201d, recuerda Ghislain de Pierrefeu, socio de datos e inteligencia artificial de Wavestone. Aunque algunos ya hab\u00edan puesto en pr\u00e1ctica el procesamiento del lenguaje natural, permitiendo a los agentes comprender m\u00faltiples intenciones, demostraron ser limitados en sus respuestas. Para las marcas que quer\u00edan perseverar, con la promesa de destapar sus centros de atenci\u00f3n al cliente, la factura fue elevada. Tuvieron que movilizar recursos para entrenar su chatbot, proporcionarle datos de calidad y cantidad para que lea correctamente las solicitudes de un usuario, para que comprenda y utilice vocabulario especializado… ” Los actores nunca lograron procesar la cadena hasta el final para recuperar e integrar datos personales. (\u2026) Hubo un fen\u00f3meno de desafecci\u00f3n. La gente se hart\u00f3 y prefiri\u00f3 llamar a un asesor o enviar un correo electr\u00f3nico.<\/em>,” \u00e9l a\u00f1ade.<\/p>\n Una observaci\u00f3n compartida por Samir Dilmi, director de ingresos de Dydu, empresa francesa pionera en la creaci\u00f3n de chatbots. \u201c A este gran auge le sigui\u00f3 una gran decepci\u00f3n. Muchas empresas se han lanzado a un tema de negocio sin cuidar el producto y sin entender siempre que no se trata de una soluci\u00f3n de reemplazo, sino de soporte.<\/em>. \u00bb<\/p>\n Ante un notable desinter\u00e9s del p\u00fablico en general, las empresas han recurrido a aplicaciones internas, particularmente en soporte inform\u00e1tico, recursos humanos e incluso asistencia comercial. \u201c Aqu\u00ed es donde empezamos a ver aparecer los primeros chatbots de RR.HH.<\/em>\u201d, contin\u00faa Samir Dilmi. En las sucursales bancarias, los asesores pudieron acceder a interfaces que les permit\u00edan obtener informaci\u00f3n sobre todos los productos y cruzarla con otros datos, como el estado de una cuenta.<\/p>\n El desarrollo de estos usos ha permitido avanzar en el procesamiento del lenguaje natural (PNL), \u201c hoy somos capaces de entender un contexto, la pregunta, y buscar la respuesta en el lugar correcto<\/em> “. Aunque el riesgo del uso interno es menor, las marcas han aprendido a dedicar tiempo a entrenar su chatbot. Sin embargo, persisten lagunas, como el uso de vocabulario espec\u00edfico de un sector (banca, energ\u00eda, salud, etc.), o incluso la escritura a un nivel de dominio del idioma cercano al humano. Deficiencias que, en \u00faltima instancia, podr\u00edan corregirse mediante la integraci\u00f3n de los LLM, lo que traer\u00eda beneficios adicionales.<\/p>\n Aunque los primeros modelos ling\u00fc\u00edsticos importantes aparecieron en 2018, nos llev\u00f3 cuatro a\u00f1os descubrir el alcance de sus capacidades, particularmente a trav\u00e9s de la IA generativa. Para las empresas, GPT de OpenAI, LLaMA de Meta o incluso Bard de Google ofrecen ambas habilidades ergon\u00f3micas, porque puedes preguntarles lo que quieras y obtendr\u00e1s una respuesta; ling\u00fc\u00edsticos porque hay que admitir que se expresan en un franc\u00e9s casi perfecto.<\/p>\n Una clara ventaja de utilizar LLM es el tiempo necesario para entrenar a su chatbot. \u201c La curva de aprendizaje est\u00e1 completamente revisada.<\/em>\u201d, saluda Samir Dilmi, que establece un paralelo con un m\u00e9todo de supervisi\u00f3n en el que un humano valida las respuestas, todav\u00eda practicado en gran medida. \u201c Podemos recuperar archivos del servicio posventa, estudiar conversaciones y entrenarlo incluso antes de que se lance el robot. Ahorramos un tiempo valioso en la configuraci\u00f3n del bot y en la absorci\u00f3n de conocimientos.<\/em> “.<\/p>\n Pero cuidado con dejar todo en manos de un LLM para evitar un fen\u00f3meno conocido pero inexplicable: las alucinaciones. Estas IA polivalentes pueden inventar respuestas y, para las marcas, esto representa un riesgo obvio. Por lo tanto, deber\u00edamos esperar que los LLM se utilicen principalmente para necesidades simples, como comparar productos, crear recetas de cocina, etc., en lugar de confirmar la cobertura de un seguro internacional o seguir un tratamiento m\u00e9dico. \u201c Antes, pod\u00edas sentirte decepcionado por la incapacidad de un chatbot para dar una respuesta, hoy podr\u00edas sentirte decepcionado por una mala respuesta.<\/em>\u201d, analiza Ghislain de Pierrefeu.<\/p>\n Castorama particip\u00f3 en el juego con el lanzamiento en noviembre en su sitio de un chatbot: Hello Casto. El objetivo es lograr \u201c compensar en l\u00ednea lo que un experto en tienda ofrece a nuestros clientes<\/em>\u201d, explica Romain Roulleau, director de marketing y digital de Castorama. Opera en un entorno cerrado, en un orquestador llamado Athena dise\u00f1ado a nivel grupal para desarrollar proyectos de inteligencia artificial. Aborda cuestiones relativas a la seguridad, la pertinencia de las respuestas y la moderaci\u00f3n de los intercambios. Hello Casto se basa en los tres principales LLM del mercado, Bard, GPT y Claude (Anthropic), que intervienen seg\u00fan la pregunta y el contexto. A pesar de los comentarios alentadores, la marca quiere ser cautelosa. \u201c Hacemos correcciones varias veces al d\u00eda. (\u2026) Sabemos que las alucinaciones existen, y por eso tambi\u00e9n est\u00e1 Atenea<\/em>\u201d, a\u00f1ade Romain Roulleau.<\/p>\n Con la madurez adquirida y las soluciones tecnol\u00f3gicas que se presentan, es de esperar un retorno a los chatbots.<\/p>\n<\/div>\n