Documentos de Académico
Documentos de Profesional
Documentos de Cultura
artificial y
asistentes
virtuales
Inteligencia artificial y asistentes virtuales
Ayuda
Objetivos
1. Inteligencia artificial
1.1. Introducción
1.5. Tipologías de la IA
2. Asistentes virtuales
2.4. Chatbots
3. Desarrollo de un chatbot
3.2. Arquitectura
3.5. Usabilidad
3.6. Lanzamiento
4. Analítica
5. Bibliografía
Bibliografía
Fin de módulo
Ayuda
En definitiva, el propósito general de la primera parte del módulo será dar una
visión amplia de la IA que sirva como contexto y marco de esta disciplina.
1.1. Introducción
Es importante, antes de entrar en materia, eliminar de nuestra cabeza algunos
mitos que no ayudarían a entender correctamente esta disciplina. Es por eso que
partimos de dejar muy claro que no existen aún agentes perfectamente
autónomos con una inteligencia tan completa y compleja como la de los seres
humanos.
Es duro partir de esta afirmación, pero debemos dejar claro este hecho antes de
empezar a recorrer los contenidos de este módulo. Pero este dato no quiere decir
que no dispongamos de un número ingente de modelos y técnicas que nos
permiten construir dispositivos útiles, aunque imperfectos, que facilitan la
resolución de tareas de alta complejidad, inabordables mediante otras técnicas
convencionales de la informática.
Hoy, las empresas tratan de aprovechar todas las ventajas que esta nueva
tecnología va a propiciar en su día a día, integrándola de tal manera que, si se hace
correctamente, puede marcar la diferencia frente a la competencia y elevar de
manera exponencial los resultados.
El problema está en la rapidez con la que esta tecnología está avanzando, pues a
aquellas empresas que no tengan suficiente tiempo o no confíen en la correcta
aplicación de la inteligencia artificial, les hará ir un paso por detrás del resto del
mercado que aplique esta tecnología logrando mayor eficiencia y productividad en
su negocio.
Una serie de beneficios a los que no se puede dar la espalda, pues pueden
revolucionar por completo nuestra cuenta de resultados, alzando nuestras gráficas
a cotas inalcanzables de otro modo.
Aunque sí es cierto que con la llegada de los computadores este sueño se acercó
más a lo real que a lo mitológico, pasando en la actualidad a ser algo incluso
científico, donde los debates filosóficos sobre el sentido y la naturaleza de la IA
son parte importante de su desarrollo.
Eso sí, por muy innovadora que pienses que es la inteligencia artificial,
tenemos que partir de la afirmación de que esta disciplina no es nueva. Y es
que allá por los años 50, varios estudiosos celebraban una reunión de dos
meses de duración, que tuvo lugar en el Dartmouth College, donde se
discutió la suposición de que todos los aprendizajes posibles podrían ser
replicados o simulados por una máquina. Fue entonces cuando se acuñó el
término inteligencia artificial.
A continuación, mostramos estadísticas que hablan por sí solas del impacto que
tendrá la IA en la economía:
Y es que la IA tal como hoy la entendemos quizá podría haber arrancado en los
años 50, teniendo como padres a nombres que han pasado a la historia como el de
Alan Turing. Pero es en la década de los 80 cuando la IA se queda adormecida,
frenando todo tipo de evolución y desarrollo de la misma. A esta etapa la llamarán
“el largo invierno de la inteligencia artificial”.
Pero si algo funcionó como carburante para disparar su desarrollo, eso fue
internet. Gracias a la red, se proporcionó una gran cantidad de información que
fomentó el desarrollo de sistemas de algoritmos más complejos como los de
búsqueda y recomendación.
Y tuvo que ser de nuevo IBM quien, en el año 2011, puso de nuevo un nombre
encima de la mesa: Watson. Y no contra Kaspárov, pero sí contra los mejores
jugadores del mundo en Jeopardy!, imponiéndose y dejando bien patente su gran
poder de interpretación del lenguaje natural.
(3) (4)
Tras esta fórmula de orden para la IA, tenemos que mencionar también la que los
expertos en ciencias de la computación Stuart Russell y Peter Norvig marcaron en
su momento:
1. Sistemas que piensan como humanos
Esta última tipología reúne sistemas que tratan de imitar de manera racional el
comportamiento humano, como los agentes inteligentes.
Estos agentes tienen control sobre sus propias vidas, actuando de manera
individual y decidiendo su propio movimiento. Estos programas realizan
procesos continuamente, lo que les indica qué hacer y de qué modo.
Aprendizaje supervisado
Pero es que, dentro de esta tipología, podríamos encontrar a su vez, otros dos
tipos:
Aprendizaje no supervisado
Bayesianos Simbolistas
(6) (7)
Conectivistas Evolucionistas
(8) (9)
Analogistas
(10)
a. Machine learning
Tenemos que irnos a la década de los 80 para vivir uno de los momentos dorados
de la IA y hablar de algo que llegó para quedarse: el aprendizaje automático o
machine learning (ML). Esta rama de la IA utiliza algoritmos matemáticos que
permiten a las máquinas aprender. El ML, principalmente, es una forma analítica
de resolver problemáticas desde la identificación, la clasificación o la predicción.
Los algoritmos aprenderán de la suma de datos introducidos, y la máquina será
entrenada utilizando esta base de datos, y se apoyará en esta información para
llegar al conocimiento y sacar conclusiones de futuros y nuevos datos,
perfeccionándose a medida que avanza en su desarrollo.
Y si antes hablábamos de los años 80 para referirnos al ML, saltamos hasta el año
2011, cuando surge una rama del machine learning a la que denominamos
aprendizaje profundo o deep learning (DL).
Esta vertiente nace gracias a la popularidad que toma el machine learning y, sobre
todo, el desarrollo de la capacidad de computación de los ordenadores.
La gran diferencia entre el deep learning y el machine learning radica en que usan
diferentes algoritmos. El machine learning trabaja con algoritmos de regresión, o
también llamados árboles de decisión, mientras que el deep learning usa redes
neuronales que funcionan de forma muy parecida a las conexiones neuronales
biológicas del cerebro humano. Algunos autores tienden a ver y definir el DL
como una evolución del machine learning.
El motivo por el que se denomina deep es en referencia a las capas que tienen las
redes neuronales y la profundidad que involucran.
En la actualidad ya son pocas las empresas que dejan fuera de sus estrategias
empresariales esta tecnología, pues ven de primera mano que el deep learning nos
acerca a una nueva realidad en la que somos capaces de lograr una interpretación
del entorno y el mundo, a través de soluciones como el reconocimiento de
imágenes, el análisis del lenguaje natural y anticiparnos a muchos problemas
gracias a la extracción de patrones de comportamiento.
Estaríamos hablando de una inteligencia artificial que, sin duda, sería capaz
de entender y expresar sentimientos, capaz de aprender y mejorar a
medida que va pasando el tiempo y de utilizar los datos previamente
recogidos para ir tomando mejores decisiones y resoluciones a los
problemas.
Las redes bayesianas tienen como base el teorema de Bayes, que no deja de
ser un procedimiento que nos va a permitir llegar a la probabilidad
condicional de un evento aleatorio A dado B, en términos de la distribución
de probabilidad del evento B dado A y la distribución de probabilidad de
solo A. En resumen, y siendo muy esquemáticos en la explicación, la utilidad
del teorema será que gracias a él podemos relacionar la probabilidad de que
un evento A ocurra sabiendo que ocurrió B con la probabilidad de que
ocurra lo contrario, es decir, que ocurra B dado A.
Bayesianos (6)
Simbolistas (7)
Conectivistas (8)
Evolucionistas (9)
Son numerosos los campos y sectores en los que podemos ver ya perfectamente
integrada la IA.
Impresión 3D
El poder de producir. ¿Una amenaza para el consumo? Imagina que las fábricas
no tuvieran stock de componentes al fusionar la IA con la capacidad de
producción 3D, que realizaran conjuntamente un mantenimiento predictivo y
construyeran las piezas en tiempo real sin miedo a roturas de stock.
Coches autónomos
Drones
Big data
Aunque es una obviedad decirlo, los datos son el combustible del que se
alimenta cualquier sistema de aprendizaje y predicción que hacen posible la
IA.
Computación cuántica
Son diversos los estudios y expertos que profetizan una pérdida de empleo de casi
el 50 % de la totalidad de oficios que sea posible automatizar gracias a esta
tecnología. Pero no seamos alarmistas, la IA y la robótica son sin duda grandes
aliados con los que trabajar codo con codo para mejorar, rendir y obtener mejores
resultados. Un compañero de viaje que nos hará el trayecto más fácil y cómodo
siempre que la ética y los valores vayan de la mano del desarrollo y evolución de
estas tecnologías.
1.7. Futuro inmediato para la
IA
En la actualidad, la IA se encuentra en un punto óptimo de desarrollo al que ha
logrado llegar gracias a diversos factores:
Cloud computing
Pero no debemos quedarnos con la parte de reto y amenaza de la IA, debemos ver
más allá para entender que, de la mano de esta tecnología, el ser humano será más
eficiente y nos permitirá ejecutar acciones que nunca hubiéramos podido realizar
debido a su complejidad. De ahí que empresas como Amazon durante 2017, 2018
y 2019 haya invertido cifras de miles de millones a través de la fundación Max
Planck Society para construir el llamado cibervalley, un centro de investigación
dedicado a la IA en la ciudad de Stuttgart.
1.8. Regulación de la inteligencia artificial y la
robótica
El Parlamento Europeo ha puesto sobre la mesa una serie de leyes para regular la
robótica y la IA, viendo la penetración imparable que estas tecnologías están
teniendo en nuestra sociedad. Es por ello por lo que instituciones, organismos
internacionales o gobiernos se plantean la necesidad de sentar las bases de una
normativa que regule el uso y empleo de estas tecnologías, para evitar de este
modo posibles problemas en el futuro.
Desarrollo
Una de las diferencias entre ambos términos es que los asistentes virtuales
son diseñados por grandes compañías de tecnología con el objetivo de ofrecer
a los usuarios un asistente personal, a diferencia de los chatbots, que se
desarrollan por cualquier empresa teniendo principalmente como objetivos la
dinamización de las comunicaciones y la automatización de las relaciones con
los usuarios de la empresa reproduciendo conversaciones similares a las de
un chat.
Funcionalidades
Existe una gran diferencia entre los objetivos de uso para los asistentes
virtuales y el de los chatbots, para los primeros las funcionalidades de uso son
muy amplias y para los chatbots son específicas.
Contexto de uso
Fuente:
Accenture. https://www.accenture.com/t00010101t000000__w__/br-
pt/_acnmedia/pdf-45/accenture-chatbots-customer-service.pdf
Como has podido ver en el vídeo, los resultados que se están alcanzando son
increíbles. Cada año se están produciendo grandes avances para que los
chatbots conversacionales estén más cerca de superar el conocido test
de Turing (Alan_Turing: https://es.wikipedia.org/wiki/Alan_Turing), lo que
significaría que un usuario no sería capaz de saber si está manteniendo una
conversación con un bot o un humano.
Este test recuerda al realizado en la famosa película Blade Runner. Todos los
años desde 1990 se concede el
(https://es.wikipedia.org/wiki/Premio_Loebner), basado en el test de Turing,
para premiar los mejores programas conversacionales.
2.3. Desarrollo de chatbots: bot frameworks
En la actualidad existe gran variedad de bot frameworks, que posibilitan el
desarrollo de chatbots con distintos niveles de complejidad, funcionalidades y
posibilidades de integración, que se pueden categorizar en:
Dialogflow:
https://dialogflow.com/,
de Google.
Microsoft Bot
Framework:
https://dev.botframework.com/
IBM Watson:
https://console.bluemix.net/developer/
watson/dashboard
Amazon Lex:
https://aws.amazon.com/es/lex/
Facebook Bot Engine:
https://developers.facebook.com/docs/
messenger-platform
2.4. Chatbots
En redes sociales los chatbots pueden enviar contenido relevante a los seguidores
de la marca, contenido planificado previamente por el departamento de
marketing, como por ejemplo noticias, lanzamientos, promociones, o permitir el
acceso a ciertos contenidos a los usuarios registrados. Son solo algunas de las
capacidades actuales de los chatbots.
Ventajas:
“Según un informe de Adobe, el 28 % de las empresas
líderes utilizan ya la inteligencia artificial en actividades
de marketing”.
Fuente: https://www.adobe.com/insights/15-stats-about-artificial-
intelligence.html
2.4.2. Desventajas
Antes de indicar las desventajas de su uso, es importante recordar que nos
encontramos en los primeros años de su evolución y que algunas de sus
desventajas pueden subsanarse dependiendo de su diseño.
3.1.1. Planificación
Un chatbot debe ser una herramienta flexible que posibilite su actualización,
adaptación a futuros cambios, necesidades u objetivos de la empresa.
Dependiendo de los recursos disponibles y los objetivos planteados, su
implementación puede ser rápida y sencilla o compleja y a largo plazo. Las
empresas deben analizar cómo el uso de chatbots junto con la inteligencia artificial
puede favorecer sus resultados operativos.
Los objetivos que se persiguen con el bot deben estar alineados con los objetivos
estratégicos de la marca.
Cada uno de los objetivos fijados tendrá uno o varios KPI ( key performance
indicators) que permitan evaluar el grado de éxito de dichas acciones y faciliten su
optimización.
Specifics (Específicos).
Measurables (Medibles).
Achievables (Alcanzables)
Realistics (Realistas).
3.2.1. Canal/proveedor
El canal o proveedor del servicio es la interfaz mediante la cual el usuario va a
interactuar con el bot. Por ejemplo, Telegram, WhatsApp, Skype, Facebook
Messenger, entre otros muchos.
Aunque las app que conocemos (Facebook Messenger, Telegram, Skype...) son las
más habituales, en la actualidad los desarrollos para páginas web son cada vez más
frecuentes.
Debes investigar dónde están y determinar si es conveniente abrir esta nueva vía
de comunicación, por este motivo es vital tener claros y definir antes los objetivos.
3.2.2. Integrador
Es el entono en el que localizan las herramientas de procesamiento del lenguaje
natural (PLN), machine learning (ML), la inteligencia artificial (IA) y analítica del
chatbot.
Ejemplo 2
(13)
Ejemplo 1 (12)
Ejemplo 2 (13)
2
En este caso supongamos un e-commerce que vende flores, en el que un
usuario consulta por un tipo de ramo y la cantidad de flores que tiene; ante
tal situación, el chatbot necesitara consultar una base de datos para
proceder a la resolución de la consulta en función de los parámetros
categoría y cantidad. Estaríamos en un modelo proveedor <-> integrador <-
> facilitador.
3.3. Desarrollo del flujo
conversacional
En esta fase es cuando se deben determinar los textos que se incluirán en el flujo
conversacional (los diálogos), la forma de actuación y la experiencia del usuario
deseada.
Fuente: https://pr.liveperson.com/index.php?s=43&item=496
Los flujos conversacionales se pueden realizar a mano o utilizando programas
especializados.
Lineal
Con la aplicación del machine learning (14) y del procesamiento del lenguaje
natural (15) se hace posible la interpretación de las intenciones del usuario
y el contexto de la conversación para generar respuestas de una forma
precisa. Mediante el uso de estas dos tecnologías, el chatbot devuelve las
opciones correctas basadas en los requerimientos solicitados por los usuarios.
Híbrida
La humanización de la conversación
Se debe preparar al bot para frases habituales que cualquier humano realiza en
una conversación. Contestar frases cómo “Gracias”, “Hasta luego”, “Un saludo”,
etc., ayudan a potenciar la confianza en el bot.
“Asegúrate de que los clientes sepan que están hablando con un chatbot y no
con un agente humano”.
Por ejemplo, para lograr esta naturalidad estaría el saludo inicial utilizando
fórmulas habituales como “Hola”, “Buenos días” o “¿Cómo estás?”.
Comprender las necesidades del cliente significa poder dar respuesta a cuestiones
como:
Los usuarios cada vez más usan la voz como herramienta de interacción. En la
actualidad se está pasando de la interfaz gráfica de usuario (GUI) a la interfaz de
voz de usuario (VUI), es decir, una comunicación entre humano Y máquina a
través simplemente de la voz.
Esta forma de usar la voz para interactuar con dispositivos la utilizamos con
nuevos dispositivos domésticos, apps y web.
Los desarrolladores más relevantes en esta área son Amazon Alexa, Google
Assistant, Apple Siri y Windows Cortana.
En una VUI el usuario no navega por la página web para localizar la información
que busca, como sería en el caso de una GUI.
Test de usabilidad
No solo los clientes, toda la organización debe estar al tanto del uso del chatbot y
su finalidad.
Prototipo
Es necesario diseñar una versión beta que permita poner a prueba el chatbot
antes de su lanzamiento para, de esta forma, implementar mejoras y reducir
errores.
Una de las grandes ventajas del uso de plataformas como Amazon Lex, Dialogflow,
Facebook Bot Engine, IBM Watson, Manychat o Chatfuel para el desarrollo de un
chatbot es la capacidad de poder medir los resultados de todas las acciones de
marketing que se realicen.
Para evaluar el bot es necesario elaborar informes que recojan los datos
cuantitativos, junto con el análisis y recomendaciones orientadas a mejorar la
ejecución del bot y la optimización de los resultados para el cumplimiento de los
objetivos que se han definido.
En 2017 Google lanzó al mercado Chatbase, una plataforma gratuita con la que las
empresas pueden analizar métricas de sus chatbots.
Los KPI del bot dependerán de tus objetivos de negocio y de las funciones para las
que se ha desarrollado.
1. Botanalytics.co
2. Botlytics.co
3. Dashbot.io
4. Facebook Analytics: Solo para bots de Messenger
Métricas
Bibliografía
5. Soluciones de IA:
https://cloud.google.com/solutions/ai?Hl=es
9. Principios de la IA Telefónica:
https://www.telefonica.com/es/web/negocio-responsable/nuestros-
compromisos/principios-ia