Todos hemos estado allí. “Por favor escuche nuestro menú completo ya que nuestras opciones han cambiado. Diga o presione uno para obtener información sobre el producto … ”A veces, estas experiencias de servicio al cliente automatizadas son efectivas y eficientes; otras veces, no tanto.
Muchas organizaciones ya están utilizando chatbots y asistentes virtuales para ayudar a brindar un mejor servicio a sus clientes. Estos agentes de autoservicio inteligentes y automatizados pueden manejar preguntas frecuentes, proporcionar artículos y recursos de conocimiento relevantes para atender las consultas de los clientes y ayudar a los clientes a completar formularios y realizar otros procedimientos de rutina. En el caso de consultas más complejas, estos agentes de autoservicio automatizados pueden clasificar esas solicitudes a un agente humano vivo.
En tiempos de incertidumbre y emergencia, las operaciones de servicio al cliente impulsadas por inteligencia artificial (IA) pueden ser invaluables para las empresas, ya que ayudan a los centros de atención al cliente o de recursos humanos a mantenerse al día con los picos de demanda y reducir los tiempos de espera y la frustración de los clientes. Según estimaciones recientes, Gartner predice que para 2022, El 70% de las interacciones con los clientes involucrarán tecnologías emergentes como aplicaciones de aprendizaje automático, chatbots y mensajería móvil. Eso es un aumento del 15% desde 2018.
“En este tipo de interacciones conversacionales, los chatbots de IA pueden extender el alcance del servicio al cliente de una organización y mantener un nivel de reciprocidad con sus clientes”, dice Greg Bennett, director de diseño de conversaciones en Salesforce. “También existe la oportunidad para que la empresa exprese su marca, su voz y su tono a través de las palabras y el lenguaje que utiliza para crear un mayor grado de intimidad”. Bennett está profundamente involucrado en la capacitación de sistemas de inteligencia artificial que impulsan los chatbots conversacionales y se asegura de que sean inclusivos y capaces de comprender una amplia gama de dialectos, acentos y otras expresiones lingüísticas.
El uso de la automatización de IA no solo se está generalizando, sino que también está demostrando ser un importante impulsor de negocios. Gartner anticipa que en 2021, el aumento de IA generará $ 2.6 billones en negocios valor. También podría ahorrar hasta 6.200 millones de horas de trabajo.
Definición de inteligencia conversacional
De acuerdo a investigación llevada a cabo por la consultora de gestión Korn Ferry, la inteligencia conversacional es un esfuerzo colaborativo. Y ese esfuerzo colaborativo es la reciprocidad de dos participantes para comunicarse de maneras que conducen a un concepto compartido de la realidad. Eso cierra la brecha entre la realidad individual de los dos oradores y ayuda a las empresas a ayudar a los clientes.
Con eso en mente, Salesforce y otras empresas han llevado ese concepto un paso más allá al buscar formas de combinar la inteligencia conversacional con la tecnología. De hecho, a través de estos esfuerzos, la inteligencia conversacional impulsada por IA ha mejorado enormemente con el tiempo. Esto comenzó con un simple reconocimiento de texto en el que es bastante fácil lograr un grado significativo de precisión. Pero el reconocimiento de texto puede ser algo bidimensional, por lo que la investigación ha progresado para incluir el reconocimiento de voz automatizado. Los sistemas de reconocimiento de voz automatizados deben tener en cuenta diferentes idiomas, acentos e inflexiones acústicas, lo que es mucho más difícil y matizado. A medida que los algoritmos de IA se han vuelto más sofisticados y han tenido el tiempo y la experiencia para incorporar más variaciones lingüísticas, la tecnología de IA ha mejorado su capacidad para comprender con precisión las sutilezas más profundas de las interacciones conversacionales humanas.
“La inteligencia conversacional es la constelación de características y tecnologías que permiten a los humanos y las máquinas turnarse para intercambiar lenguaje y trabajar para lograr un objetivo discursivo”, dice Bennett.
Estos sistemas de inteligencia artificial centrados en la lingüística utilizan una serie de tecnologías diferentes para comprender las interacciones escritas y habladas con los humanos. Algunos de estos incluyen los siguientes:
- Reconocimiento de voz automatizado, que se utiliza para comprender el lenguaje hablado para los sistemas de voz;
- Procesamiento del lenguaje natural, que ayuda a las computadoras a comprender, interpretar y analizar el lenguaje hablado y escrito; y
- Comprensión del lenguaje natural, que hace posible que la IA comprenda la intención.
Más allá del simple reconocimiento de texto, la comprensión del lenguaje natural es donde la IA realmente está aportando sus fortalezas. Al facilitar una conversación más profunda y matizada, aumenta la eficacia de las interacciones humano-IA. Cuando un sistema de servicio al cliente impulsado por IA está mejor equipado para reconocer y discernir el lenguaje natural con menos errores, puede guiar al cliente a través de una interacción completa sin tener que contratar a un agente de servicio humano. Esto libera a los agentes para que se concentren en casos más complejos.
Y el uso de estas capacidades en entornos de servicio al cliente puede ayudar a las empresas no solo a acelerar y mejorar las interacciones con sus clientes, sino también a mejorar la relación general con el cliente. “Si podemos tener una máquina que ayude a facilitar ese tipo de interacción entre una empresa y un cliente, entonces ayuda a construir una relación con ese cliente de una manera que no lo haría un artículo de ayuda”, dice Bennett.
Y cuanto más se relaciona un sistema de IA con los humanos, más efectivos se vuelven sus algoritmos. Al interactuar con los humanos, un sistema de inteligencia artificial puede recopilar los datos necesarios para mejorar la comprensión del lenguaje natural para comprender mejor la intención, lo que ayuda a facilitar conversaciones más matizadas entre humanos y computadoras. La interacción humana también ayuda a estos sistemas de IA a mejorar las capacidades de reconocimiento y predicción para ofrecer contenido más personalizado. Al conocer las diversas formas en que las personas se comportan e interactúan, la respuesta del sistema se vuelve más precisa.
Los algoritmos de IA absorben, procesan y analizan los conjuntos de datos introducidos en el sistema utilizando sus propias ecuaciones específicas. Este procesamiento se realiza en una de dos modalidades básicas: supervisado o no supervisado. En la mejora supervisada, los conjuntos de datos tendrán un valor o categoría objetivo asignado. En la mejora no supervisada, el algoritmo analiza el conjunto de datos por sí solo sin orientación ni restricciones.
A medida que reciben y procesan más datos, los algoritmos evolucionan, se adaptan y mejoran sus modelos analíticos. Por tanto, los algoritmos se mejoran y refinan basándose tanto en la calidad como en la cantidad de datos procesados. “Hay nociones de que la IA puede obtener una intención, un alcance y un contexto distintos al interactuar con los humanos”, dice Bennett. “Estas mejoras incrementales en la capacidad predictiva y el conocimiento profundo aumentan la eficiencia de la participación del cliente”.
Apreciar los desafíos lingüísticos
Aunque el procesamiento del lenguaje natural ha recorrido un largo camino, la tecnología de reconocimiento de voz automatizado sigue enfrentando desafíos para reconocer la gama completa de variaciones lingüísticas. “Hay todos estos diferentes acentos en inglés, todos son sólidos y válidos y deben celebrarse”, dice Bennett. Otras variaciones lingüísticas que desafían a la IA incluyen diferentes jergas o expresiones coloquiales para transmitir significados similares y otras características paralingüísticas como tono, entonación, ritmo, pausa y tono.
Es fundamental ayudar a la IA a gestionar los niveles inherentes de sesgo presentes en el sistema y expandirse para reconocer la gama completa de variaciones lingüísticas. Estas mejoras incrementales en la capacidad predictiva de los algoritmos de IA ayudan a mejorar la experiencia del cliente al reducir la cantidad de intercambios de ida y vuelta y los momentos de frustración provocados por la falta de reconocimiento preciso.
Pero estos esfuerzos y avances presentan ciertos enigmas éticos. Considere, por ejemplo, cómo están representadas las minorías en los conjuntos de datos de entrenamiento o, más exactamente, cómo no están representadas. Los conjuntos de datos más utilizados excluyen expresiones más diversas de dialecto e identidad social. Asegurar una representación diversa en los equipos que desarrollan tecnologías de IA es un paso fundamental hacia el desarrollo y la evolución de los algoritmos de IA para reconocer una gama más amplia de expresiones lingüísticas.
Ahora que la IA es capaz de permitir un mayor grado de variación, debería poder dar cuenta de una relevancia contextual más amplia y ser más inclusiva. Aunque la conversación y el lenguaje son el conducto, corresponde a los humanos que trabajan con sistemas de inteligencia artificial seguir considerando la accesibilidad en todos los dialectos, acentos y otras variaciones estilísticas.
“Las minorías subrepresentadas tienen muy poca representación de su dialecto y la expresión de su identidad social a través del lenguaje en estos sistemas. Se debe principalmente a su falta de representación entre los equipos que crean la tecnología ”, dice Bennett. Asegurarse de que las empresas que desarrollan e implementan sistemas de IA traen equipos más diversos a la mezcla puede ayudar a resolver ese sesgo inherente.
Los sistemas de IA tienen la capacidad de permitir un mayor grado de variación. Cuando los sistemas puedan interpretar con precisión esas variaciones y generar una respuesta contextualmente relevante, la IA habrá evolucionado en un grado mayor que nunca. “Ahí es donde realmente creo que la evolución [of the field] nos ha llevado ”, dice Bennett.
Por supuesto, eso no quiere decir que no haya otras preocupaciones éticas y prácticas en torno al uso ampliado de la IA. Las preocupaciones sobre la privacidad, la responsabilidad, la transparencia y la delegación precisa y adecuada de los procesos de decisión siguen siendo relevantes. Y luego está el uso ético de las grabaciones de voz. Es un campo en crecimiento en el que aún deben definirse parámetros importantes.
Forjar una conexión más profunda entre humanos e inteligencia artificial
Abordar la gama completa de variaciones lingüísticas e incluir grupos más diversos y minorías históricamente subrepresentadas en el proceso está realmente construyendo el futuro de la conexión humano-IA. Esto también conducirá a casos de uso más generalizados para empresas. De hecho, el mayor diferenciador competitivo en el futuro de la tecnología conversacional será la capacidad de proporcionar una sólida comprensión conversacional independientemente del idioma, el acento, la jerga, el dialecto u otros aspectos de la identidad social.
Bennett recuerda una lección de un profesor de posgrado: “Ella dijo: ‘Tener una conversación es como trepar a un árbol que trepa’. Y eso realmente caracteriza la trayectoria de hacia dónde deben ir las tecnologías de IA conversacional para satisfacer las necesidades humanas y los estándares de conversación como práctica conductual “. La conversación no es un acto en solitario. Es una calle de doble sentido. La verdadera conversación es el acto —algunos incluso podrían decir el arte— de turnarse para hablar y escuchar, intercambiar ideas, intercambiar sentimientos e intercambiar información.
“En lingüística, las características paralingüísticas del habla como la inflexión, entonación, ritmo, pausa y tono proporcionan la capa pragmática de significado a una conversación”, dice Bennett. “En lugar de centrarnos en cómo los usuarios pueden ayudar a los sistemas de inteligencia artificial, deberíamos preguntarnos cómo podemos escalar el sistema para que los usuarios se encuentren allí. Dado lo que sabemos sobre lingüística, no creo que se pueda forzar ningún tipo de cambio de idioma ”, dice. “La tecnología de IA conversacional está configurada de una manera que podría tener éxito si adoptamos ese enfoque en la capa pragmática: el lado paralingüístico de las cosas”.
“La capacidad de comprender, comprender completamente y escalar a ese nivel de diversidad lingüística es hacia donde se dirige la IA”, dice Bennett. “Las empresas emergentes en el espacio de la IA conversacional están indexando eso como un factor diferenciador. Y cuando lo piensa, si incluye grupos más diversos y minorías históricamente infrarrepresentadas en el proceso, eso en realidad expande su mercado direccionable total “.
Este contenido fue producido por Insights, el brazo de contenido personalizado de .. No fue escrito por el personal editorial de ..