Arquitectura de un sistema de IA conversacional – Los 5 bloques esenciales

Parece que ahora los chatbots están en todas partes y, efectivamente, están de moda. Ojo, al hablar de chatbots nos referimos a todos los bots con inteligencia artificial, ya sea a través de altavoces inteligentes, de la voz en el teléfono, de chatbots en aplicaciones de mensajería, o de asistentes en el chat de la web. Todos ellos tienen más o menos el mismo propósito subyacente, que es hacer lo que un agente humano haría y permitir a los usuarios el auto-servicio usando una interfaz natural e intuitiva como es la conversación en lenguaje natural.

Si se divide el diseño de la experiencia de la IA conversacional en partes, se pueden distinguir al menos cinco partes: la Interfaz de usuario, la Tecnología de la IA, el Diseño de la conversación, la Integración del backend y el Análisis. Solo una gran organización o una empresa estrictamente especializada en IA conversacional puede tener semejante organización, ya que estos componentes necesitan estar sincronizados y trabajar con un objetivo único para crear una buena experiencia conversacional. Veamos con detalle cada una de las partes:

La Interfaz de Usuario

La Interfaz de Usuario es ‘la puerta’ de la experiencia conversacional: desde los widgets de chat en los sitios web, a las aplicaciones de mensajería como Messenger o WhatsApp, los altavoces inteligentes como Google Home y Amazon Echo, los canales tradicionales como los SMS, etc., son todos ellos canales de conversación y ofrecen sus propias interfaces de usuario.

Este proceso es el diseño de la interfaz real: cómo debería ser el widget de chat web, qué funcionalidades necesita tener, su CSS, el aspecto de las burbujas de voz, u otros elementos como las tarjetas, carruseles, etc.; en definitiva, diseñar elementos de interfaz para una experiencia intuitiva. Hay muchos principios que podemos usar para diseñar y entregar una buena UI: los Principios de Gestalt para diseñar elementos visuales, las Reglas de Shneiderman para el diseño funcional de la UI o la Ley de Hick para una mejor UX.

Ser capaz de diseñar una buena interfaz de usuario proporciona más control sobre la experiencia en general, pero también genera un problema. Si los agentes humanos actúan como un equipo de apoyo, como normalmente sucede, su UI debe ser lo suficientemente robusta para manejar tanto el tráfico de los agentes humanos como el del bot. En los casos de las interfaces de voz, como en la telefonía, el diseño de la interfaz de usuario implicaría otros elementos como la elección de la voz del agente (hombre o mujer, acento, etc.), las reglas de uso (pulsar para hablar, siempre abierto, etc.), o las reglas de admisión.

Puede darse el caso de que la interfaz de usuario ya exista y las reglas sean inmutables. Por ejemplo, construir un servicio para Google Home significa que el asistente que se construya simplemente tiene que cumplir con los estándares de diseño de servicios marcado por Google. No hay que hacer ningún diseño de interfaz, en este caso ese no es el problema. Sin embargo, hay que prestar atención a los matices que supone la nueva interfaz de usuario y que es lo que permite. Comprender el diseño de la interfaz y sus limitaciones ayuda a diseñar todos los otros componentes de la experiencia conversacional.

La Tecnología de la IA

La analogía más clara del papel de la tecnología de IA en los sistemas de IA conversacional es la del papel del cerebro en el organismo humano; la tecnología de la IA es el módulo central en el diseño de una solución de IA conversacional, y el módulo de interfaz de usuario normalmente se conecta al módulo de la IA en el backend. 

Esto está relacionado con todo, desde el diseño de las soluciones tecnológicas necesarias que harán que el sistema reconozca las expresiones del usuario, entienda su intención en el contexto, decida y responda apropiadamente. Esto también incluye la tecnología necesaria para mantener el contexto de la conversación, de modo que, si por ejemplo la conversación se desvía de forma poco adecuada, el asistente de la IA, el usuario o entre ambos pueden ‘reconducirla’ fácilmente.

Los chatbots y la tendencia hacia el comercio conversacional

Hay muchas soluciones para la IA conversacional ‘listas para usar’, tanto comerciales como abiertas. Éstas utilizan el aprendizaje automático para mapear las expresiones del usuario con las intenciones y utilizan un enfoque basado en reglas para la gestión del diálogo (por ejemplo, DialogFlow, Watson, Luis, Lex, o Rasa). 

Además, la capacidad de comprensión del asistente puede mejorarse utilizando otros métodos de NLP y modelos de ML. Por ejemplo, el contexto de la conversación puede enriquecerse utilizando modelos de análisis de sentimientos para reconocer el estado emocional del usuario durante la conversación. Los enfoques de aprendizaje profundo, como los transformadores, pueden utilizarse para perfeccionar los modelos preentrenados a fin de mejorar la comprensión del contexto. 

Diseñar soluciones que utilicen estos modelos, interconectarlos entre ellos de forma óptima y gestionar la interacción con el usuario es el trabajo del diseñador/arquitecto de la IA; y además, estas soluciones también deben ser escalables, robustas, resistentes y seguras. 

Diseño de la conversación

Si imaginamos que los diseñadores de la IA diseñan el motor, los diseñadores de la conversación crean el combustible que hará funcionar el motor. El diseño de la conversación es el guion de la conversación entre el usuario y el chatbot. ¿Cómo fluye la conversación? ¿Qué patrones sigue? ¿Qué pasa si la conversación se interrumpe? 

El diseño de estos patrones, las excepciones y los elementos de interacción son parte del diseño de los guiones. También se diseñan los elementos de comprensión: intenciones, entidades, y otros elementos del marco conversacional necesarios para que los módulos de la IA lleven la conversación. En equipos más grandes, las partes de comprensión y gestión se pueden dividir entre científicos de datos y diseñadores de conversaciones respectivamente.

El diseño de la conversación es un proceso extremadamente creativo. El diseño de la UX es ya una disciplina desarrollada y establecida que puede proporcionar buenos fundamentos para desarrollar una buena experiencia conversacional, pero también comprender el comportamiento del cliente puede ayudarnos a construir una mejor experiencia.

En este campo existen muchas herramientas de ayuda: El Conversation Design Institute (antes Robocopy) ha creado un proceso que se puede seguir para crear un guion de conversación atractivo. Los diseñadores de conversaciones pueden utilizar muchas herramientas para su proceso: Conversation Driven Development, Wizd-of-Oz o Chatbot Design Canvas son algunas de esas herramientas. 

Por otro lado, herramientas de ‘mockup’ como BotMock y BotSociety pueden usarse para construir bocetos rápidos de los guiones y de la experiencia general. Herramientas como Botium y QBox.ai pueden usarse para probar modelos entrenados con precisión. Si se utilizan modelos personalizados para mejorar la comprensión del contexto, las emociones o sentimiento del usuario se pueden utilizar el proceso diseñado por ModelOps. 

Integración del backend

Un asistente de Inteligencia Artificial Conversacional no es de mucha utilidad para una empresa si no puede conectarse e interactuar con los sistemas informáticos existentes. Dependiendo de los guiones diseñados, el asistente tendrá que integrarse con un sistema backend u otro. Por ejemplo, si los guiones buscan la comercialización de productos/servicios, el asistente puede necesitar integrarse con sistemas de CRM (por ejemplo, Salesforce, Hubspot, etc.). Si los guiones son para atención al cliente, entonces seguramente necesitará integrarse con sistemas para crear y consultar los tickets de soporte (por ejemplo, Zendesk) y el CMS (por ejemplo, WordPress) para obtener el contenido apropiado para ayudar al usuario.

Suele ser una necesidad o como mínimo recomendable crear un equipo de apoyo (de agentes humanos se entiende) para hacerse cargo de las conversaciones que son demasiado complejas para que el asistente de IA las maneje. Esto requiere la integración del backend también con las plataformas de livechat.

Inteligencia Artificial, Conversacional, Machine Learning y Procesamiento del Lenguaje Natural

Que los sistemas de backend den información puede ayudar al asistente a ser más útil incluso. Por ejemplo, si el sistema backend devuelve un mensaje de error, el asistente puede traducirlo para sugerir una acción alternativa para el usuario, en lugar de devolverle al error. En resumen, las integraciones de backend bien diseñadas hacen que el asistente de IA sea más potente y útil

Análisis

Finalmente, la última parte del rompecabezas de diseño es la solución analítica. Esto incluye el diseño de soluciones para registrar las conversaciones, extraer los conocimientos, visualizar los resultados, monitorizar los modelos o muestrear para el entrenamiento.

Las soluciones de inteligencia artificial conversacional son relativamente nuevas, y por esa razón requieren una monitorización y supervisión constantes. ¿Cómo se puede saber si el asistente de IA está haciendo bien su trabajo? El diseño de una solución es esencial para crear un bucle de realimentación que haga del asistente con IA un sistema de aprendizaje continuo. 

Hay muchas soluciones disponibles para monitorización disponibles: BotAnalytics, Dashbot.io o Chatbase, y también se puede construir uno a medida usando herramientas como Tableau o IBM Cognos.

Estas soluciones deben proporcionar una visión del rendimiento del asistente. Cuestiones como ¿Qué tipo de frases entiende y no entiende el asistente? ¿Dónde abandonan los usuarios y por qué? ¿Cuánto tiempo e interacciones duraron las conversaciones? ¿Se trató correctamente la falta de respuesta? ¿Están los usuarios satisfechos? ¿Tuvieron una buena experiencia y la compartieron con sus amigos? 

Estas son algunas de las preguntas que el módulo de análisis debe poder responder. Estas métricas servirán como retroalimentación para el equipo, para mejorar y optimizar el funcionamiento del asistente. Hay que recordar que, al utilizar el aprendizaje automático, los modelos son susceptibles de ‘deriva’, que es el efecto por el cual los modelos se desactualizan con el paso del tiempo, a medida que los usuarios utilizan diferentes temas de conversación y comportamiento. Esto significa que los modelos necesitan ser reentrenados periódicamente en base a las conclusiones generadas por el módulo de análisis.

Estos son pues, los cinco bloques esenciales para construir un bot basado en IA conversacional. Y se necesita entenderlos bien y asegurar de que todos estos bloques y equipos trabajen en perfecta armonía para ofrecer una experiencia conversacional que sea útil a la vez que encantadora.

En Aunoa, gracias a la experiencia y el conocimiento de nuestro equipo, creamos chatbots de forma personalizada, atendiendo a las necesidades de cada cliente y haciendo del proceso algo sencillo, rápido y eficaz.  Porque si quieres un trabajo bien hecho, mejor confíaselo a expertos. ¡Contáctanos y estaremos encantados de ayudarte! 

Noticias relacionadas

chatbot omnicanal

Por qué utilizar un chatbot omnicanal en tu negocio

Los procesos de compra de los usuarios son, hoy en día, muy diferentes de como…
proceso de atencion al cliente

Descubre cómo automatizar el proceso de atención al cliente con un chatbot con IA

En estos días en los que las nuevas tecnologías se han instalado de lleno en…
crm chatbot

¿Cómo integrar un chatbot en tu CRM para incrementar las ventas de tu negocio?

Crecer como empresa siempre es algo bueno, pero en ocasiones, saber qué hacer con tantos…

¿Preparado para mejorar la experiecia de tus usuarios?