Asistentes virtuales y agentes IA: Una nueva era en la interacción humano-máquina-empresa PDF Free Download
1 / 58
/58
100%
1
Foro-ia
Asistentes virtuales y
agentes IA.
Una nueva era en la interacción
humano-máquina-empresa
Junio 2024
2
Foro-ia 222
Índice.
Fundamentos básicos de los asistentes y agentes virtuales
2
Impacto en Marketing, Comunicación y Experiencia de cliente (MCX)
3
IA, del soporte invisible al protagonismo tecnológico
1
Retos en la adopción de asistentes y agentes IA
5
¿Está preparada tu organización?
6
Glosario y referencias bibliográficas
Anexo
Casos de uso en MCX
4
3
Foro-ia
Introducción.
La Inteligencia Artificial (IA) está marcando una era dominada por
avances tecnológicos sin precedentes. La llegada de la IA Generativa y los
grandes modelos de lenguaje (LLMs), como ChatGPT, marcarán un antes y
un después en la interfaz de interacción humano-máquina.
Aunque los chatbots llevan con nosotros más de una década, los últimos
avances suponen un salto cualitativo en la capacidad de la tecnología
para procesar, entender y responder en lenguaje natural o NLP (
natural
language processing,
por sus siglas en inglés). Esto permitirá el desarrollo
de asistentes virtuales que son capaces de resolver un porcentaje muy
alto de las interacciones con los usuarios sin necesidad de soporte
humano; motores que pueden entender y responder a las necesidades de
los usuarios de manera relevante y contextual; soluciones capaces de
buscar semánticamente y priorizar información empresarial (almacenada
en bases de datos vectoriales). Estos sistemas, que utilizarán
metodologías de aprendizaje reforzado mediante
feedback
humano o de
otros agentes IA, transformarán para siempre la manera de interactuar
con dispositivos y servicios digitales de todo tipo, ofreciendo una
experiencia de usuario más intuitiva, personalizada y accesible.
Según McKinsey, el impacto económico de la IA generativa podría
representar el 40% del presupuesto actual de las funciones corporativas
de atención al cliente. Los asistentes virtuales tendrán un impacto muy
relevante en el día a día de las áreas de marketing, comunicación y
experiencia del cliente, tanto a nivel interno (hacia sus equipos) como
externo (en la relación con los clientes).
En el primer caso, los asistentes y agentes virtuales ayudan a agilizar
procesos, aumentar la productividad, e incluso reducir costes. En el
segundo, el de la interacción con el cliente, introducen mejoras como la
posibilidad de ofrecer servicios de asistencia y soporte ininterrumpidos
(24/7) o el manejo de consultas y transacciones de manera más rápida y
eficiente, en numerosos idiomas, incrementando así los niveles de
satisfacción.
De ahí que la inversión esté creciendo de manera exponencial: se espera
que el mercado global de asistentes virtuales alcance los 41 mil millones
de dólares para 20301.
4
Foro-ia
Por supuesto, el desarrollo e implementación de asistentes virtuales
también presenta desafíos que habrá que salvar, especialmente en lo que
respecta a la privacidad y seguridad de los datos. Sin embargo, todo
apunta a que seguiremos avanzando hacia un futuro de agentes
autónomos que se convertirán en una parte integral de nuestra
interacción diaria con el mundo.
Este informe tiene por objeto profundizar y ayudar a los profesionales a
prepararse para un reto emocionante. ▇
Introducción.
5
Foro-ia 5
1
Asistentes virtuales y agentes IA
Inteligencia Artificial:
del soporte invisible al
protagonismo
tecnológico.
6
Foro-ia
En 2018, McKinsey presentó sus estimaciones sobre el impacto
potencial de la inteligencia artificial en la economía global. En su
informe «
Notes from the AI frontier: modeling the impact of AI on the
world economy
»2 calculó que esta tecnología podría agregar unos 13
trillones de dólares americanos a la economía mundial anualmente (el
equivalente a un incremento del PIB del 1,2 por ciento).
Esas previsiones estaban basadas en casos de uso para las
tecnologías IA tipo
machine learning
,
predictive analysis
y
deep
learning
. Pero la irrupción en la escena pública de la IA Generativa les
obligó a revisar sus cálculos: en junio del año pasado, la consultora
incrementaba su estimación del impacto general de las aplicaciones y
desarrollos en inteligencia artificial en un 15-40%3, añadiendo entre
2,6 y 4,4 trillones más ―un valor en línea con el PIB total del Reino
Unido en 2021, que fue de 3,1 trillones―.
IA en contexto: inversión y hype.
McKinsey no ha sido la única entidad que se ha lanzado a predecir el
impacto que la IA Generativa puede tener para la economía global.
Goldman Sachs4 llegó a sugerir incrementos del 1,5 por ciento en la
productividad y del 7 por ciento en el PIB mundial (casi 7 trillones de
dólares americanos) en los próximos 10 años.
Pero, más allá de las diferencias en el resultado que pueda arrojar
cada fuente ―según los datos y casos de uso empleados como
referencia―, lo relevante es el acuerdo casi unánime en el potencial
de transformación de la IA Generativa en prácticamente todos los
sectores de actividad y, de manera más significativa, en las conocidas
como industrias del conocimiento.
La evolución de la inversión privada viene a confirmar la confianza en
esta tecnología: ha pasado de los 0,84 billones de dólares en 2019 a
superar los 25 billones en 20235, con Estados Unidos a la cabeza.
7
Foro-ia
El potencial disruptivo de la IA Generativa está asociado al tipo de tareas en las que esta
puede ser utilizada. McKinsey estima que el 75% del valor aportado se lo llevan cuatro
áreas: operaciones de clientes, marketing y ventas, ingeniería de software e I+D.
Tiene sentido, si se pone el foco en las nuevas capacidades con las que viene equipada
esta tecnología: ha conseguido superar todas las expectativas en procesamiento del
lenguaje natural, gestión de datos e información desestructurada y, sobre todo,
creatividad —ese territorio que, hasta la fecha, pensábamos que una máquina nunca
podría conquistar—.
Profundizando en el análisis, la consultora destaca de manera muy significativa el
impacto de esta tecnología en la primera de esas cuatro áreas: aplicada a atención al
cliente, la IA Generativa podría aumentar la productividad el equivalente al 30-45 por
ciento del presupuesto que las empresas dedican actualmente a este área. En el caso
de marketing y ventas, el incremento sería de entre un 5 y un 15 por ciento.
La IA Generativa nos invita, por tanto, a repensar muchos de los procesos y tareas
propios del marketing, la comunicación y la experiencia de cliente, pero también a
imaginar nuevas fronteras para tecnologías y herramientas ya existentes como los
asistentes virtuales.
8
Foro-ia
En 2030, el 30 % de todas las transacciones
comerciales estarán gestionadas por
agentes de compra y venta.
Gartner
6
9
Foro-ia
La historia de la IA ha sido un campo de enormes promesas y gran
perplejidad durante los últimos 50 años. Sin embargo, desde finales de 2022
estamos envueltos en un verdadero tsunami digital: el lanzamiento de
ChatGPT ha vuelto a alimentar el viejo sueño de crear máquinas autónomas,
que puedan entendernos y respondernos como si al otro lado hubiera una
persona.
Weizembaum ya lo había intentado en 1966. ELIZA fue diseñada para imitar
la conversación humana. Simulaba a un psicoterapeuta, aunque, por
supuesto, ni entendía ni tenía conciencia de lo que los usuarios le contaban
desde el otro lado. Lo que realmente hacía era cruzar las palabras que estos
ingresaban en el sistema con una lista de respuestas predefinidas, y,
cuando no sabía qué decir, se limitaba a repetir la frase que había
introducido el usuario. El mecanismo era sencillo, pero consiguió dejar
boquiabiertas a todas las personas que lo probaron.
De ELIZA a los agentes autónomos.
10
Foro-ia
ELIZA marca el punto de inicio en la historia de los chatbots y los
asistentes virtuales, aunque por esas fechas todavía no se
puede hablar de sistemas alimentados con IA. Para eso,
tendremos que esperar hasta los años 90, igual que para ver las
primeras aplicaciones comerciales de esta tecnología, que
comienza a darse a principios de los 2000. Para la década de
2010, las empresas ya utilizan chatbots para una amplia variedad
de propósitos, desde soporte al cliente hasta marketing y
ventas. Aunque en esas fechas se produce otro hito que copará
muchos más titulares: el nacimiento de los asistentes de voz.
El lanzamiento de Siri, y después de Alexa, Cortana y Google
Assistant, nos llevará a fantasear por fin con la posibilidad de
comunicarnos con máquinas que nos entienden y nos
responden como si de una persona se tratara. Aunque la realidad
es que, tras el efecto
wow
inicial, tampoco estos avances
consiguen responder a nuestras expectativas.
¿Hasta hoy?
11
Foro-ia
La última generación de IA presenta ante nosotros la posibilidad de dar un salto
cualitativo en el desarrollo de los asistentes virtuales para poner a nuestra
disposición sistemas capaces de hacer por y para nosotros el mismo trabajo que
haría un buen amigo o un asistente personal.
Los nuevos agentes IA serán más inteligentes —en aprendizaje constante— y
precisos, con capacidades aumentadas para descifrar incluso nuestro lenguaje no
verbal y nuestras emociones. Anticiparán mejor nuestros deseos y necesidades, y
serán más proactivos y autónomos en la toma de decisiones, hasta el punto de
que podemos imaginar un futuro en el que se comunicarán y colaborarán entre
ellos para realizar muchas tareas cotidianas que hoy recaen en nosotros sin
ningún tipo de intervención humana.
En noviembre de 2023, Bill Gates aseguraba que solo cinco años nos separan de
ese escenario. Para el padre de Microsoft, los agentes virtuales transformarán
áreas como la salud y la educación, se convertirán en una muleta esencial de
nuestra productividad, y redefinirán la manera en que los consumidores se
relacionan con las empresas.
Ahora bien, ¿cómo pueden aprovechar esta oportunidad las marcas? …
12
Foro-ia
Del chatbot al asistente virtual y al agente IA.
1950. Test de Turing
Propuesto por Alan Turing,
establece un estándar para evaluar
la inteligencia y capacidad de las
máquinas para interactuar de
manera convincente con humanos.
1966. ELIZA.
El primer chatbot de la
historia. Simulaba a un
psicoterapeuta. Usaba
un sistema respuestas
predefinidas.
1972. Parry.
Creado por el psiquiatra Kenneth
Colby, utilizaba guiones
predefinidos emular las
respuestas de un paciente con
esquizofrenia.
2010. Siri.
Lanzado por Apple, combina NLP
avanzado, reconocimiento de voz y
aprendizaje automático para
entender y ejecutar comandos de
voz.
1992. Dr. Sbaitso.
Desarrollado por Creative Labs,
fue uno de los primeros
chatbots en utilizar síntesis de
voz para interactuar con los
usuarios.
2001. SmarterChild.
Diseñado para interactuar con
usuarios en aplicaciones de
mensajería instantánea como AOL
Instant Messenger y MSN
Messenger. Usaba NLP. También
proporcionaba información como
resultados deportivos y
pronósticos meteorológicos.
1995. A.L.I.C.E
Usaba tecnología AIML (
Artificial
Intelligence Markup Language
), para
ofrecer respuestas más dinámicas y
conversaciones.
2016.Facebook Messenger Bots.
Pensados para que las empresas
pudieran crear chatbots para
interactuar con sus usuarios,
proporcionándoles respuestas
automatizadas, realizando
transacciones y brindando
soporte al cliente.
2022. ChatGPT.
Desarrollado por OpenAI, se basa
en la arquitectura de
transformers ( (Generative
Pre-trained Transformer)
. Es
capaz de tener conversaciones
más complejas y relevantes.
2024.
¿Hacia un
futuro de
agentes
autónomos?
13
Foro-ia 13
2
Fundamentos básicos de
los agentes virtuales.
Asistentes virtuales y agentes IA
14
Foro-ia
En este punto, diferenciaremos entre asistentes y agentes virtuales.
Ambos usan tecnologías de inteligencia artificial (IA), como el procesamiento del lenguaje natural (NLP), para entender, aprender
y responder a las solicitudes de los usuarios de forma coherente y útil. De hecho, la llegada de los grandes modelos de lenguaje
(LLMs) han supuesto un salto de calidad en la capacidad de comprensión y expresión de estos sistemas en comparación con los
tradicionales chatbots. La diferencia entre ambos está en su grado de autonomía, pudiendo considerarse los agentes IA el
siguiente escalón, la evolución ―natural― de los asistentes virtuales que ya tenemos entre nosotros.
Un asistente virtual es, por tanto, un software diseñado para interactuar con humanos de manera natural, inicialmente a través de
texto o voz, y que también puede integrarse en procesos y herramientas.
Los agentes virtuales, por su parte, tendrán “agencia” o capacidad de realizar ciertas acciones “en nombre” del usuario. Serán
más sofisticados, capaces de utilizar herramientas, navegar por internet, ejecutar código y realizar una amplia gama de tareas,
como realizar transacciones digitales, sin intervención de un ser humano.
Aunque el estado del arte de esta tecnología todavía no permite esos niveles de autonomía, la velocidad a la que esta avanza
obliga a las marcas a prepararnos ya para ese futuro de agentes IA.
¿Cuál es la diferencia entre
asistentes y agentes virtuales?
15
Foro-ia
Asistentes
virtuales
vs.
Agentes
virtuales
Asistentes virtuales Agentes virtuales
Son diseñados
específicamente para
interactuar con usuarios
humanos, ayudando en tareas
cotidianas.
Están enfocados en la
asistencia personalizada en
distintas tareas que pueden
implicar consultas de
información y acceso a datos
de contexto como archivos,
correos electrónicos o
conversaciones grabadas.
Generalmente se refieren a
cualquier programa que actúa
en nombre de un usuario o
sistema con cierto grado de
autonomía. Pueden variar
desde sistemas simples
basados en reglas hasta
sistemas avanzados
impulsados por IA, capaces de
aprender y adaptarse a
nuevas situaciones. La
multimodalidad de imagen les
ayudará también a navegar
pantallas de interacción.
Están diseñados para
interactuar directamente con
los usuarios a través de
interfaces conversacionales,
como voz o texto, o
insertados en herramientas
como Word, PowerPoint o
Zoom.
Múltiples interfaces de
usuario, aunque también
pueden operar sin una
interfaz de usuario directa,
trabajando en segundo plano
para realizar tareas
específicas, monitorear
sistemas o procesar datos.
Funcionalidad y
complejidad
Interfaz de
interacción
16
Foro-ia
Asistentes
virtuales
vs.
Agentes
virtuales
Asistentes Virtuales Agentes Virtuales
Generalmente, se centran en
la asistencia a tareas con un
ámbito más definido, como
generar contenido, gestionar
calendarios, responder a
preguntas o controlar
dispositivos de hogar
inteligente.
Su aplicación puede ser muy
amplia, desde la ejecución de
tareas automatizadas en
entornos de software hasta la
interacción con dispositivos
físicos en el Internet de las
Cosas (IoT).
Funcionalidad y
complejidad
Al estar centrados en tareas
de soporte conversacional, su
autonomía suele quedar
reducida a atribuciones de
consulta.
Están diseñados para operar
con una alta autonomía,
realizando tareas sin
intervención humana directa.
Autonomía
Usan principalmente LLMs
multimodales, modelos
fundacionales de lenguaje
con multi-formato (imagen,
texto, voz) que han sido
pre-entrenados con
gigantescos sets de datos. Se
puede usar además
aprendizaje reforzado con
feedback humano para
mejorar la calidad de las
respuestas.
Su aprendizaje es más
sofisticado. Además del
pre-entrenamiento de los
LLMs e incluso del feedback
que reciben unos agentes de
otros, los agentes más
avanzados pueden
evolucionar adaptándose a
través del aprendizaje basado
en el feedback de sus
ejecuciones previas.
Aprendizaje
17
Foro-ia
Las empresas tienen una oportunidad
única para crear propuestas de valor
más competitivas soportadas por
Agentes IA.
18
Foro-ia
Tipos de agentes virtuales por su operativa.
Agentes de Soporte
Los agentes de soporte, como los asistentes virtuales, están
diseñados para apoyar a los humanos respondiendo a preguntas y
proporcionando información. Interactúan con los usuarios de manera
similar a los humanos, ofreciendo orientación y soporte en diversas
aplicaciones, incluidos el servicio al cliente y la asistencia personal.
Un ejemplo serían el agente de generación de imágenes Krea.ai,
midjourney.com
Agentes Automatizados
Los agentes automatizados están programados para realizar tareas
repetitivas, liberando así a los humanos de actividades monótonas.
Ejecutan acciones predefinidas basadas en disparadores o entradas
específicas, lo que agiliza los procesos, mejora la eficiencia y reduce
la probabilidad de errores humanos.
Un ejemplo sería el Agente de Soporte GuruSup.com, bland.ai
Agentes Colaborativos
Los agentes colaborativos involucran múltiples sistemas de IA
trabajando juntos o con humanos para lograr objetivos
comunes. Se comunican, coordinan y comparten información
para resolver problemas complejos, a menudo emulando el
trabajo en equipo humano y la inteligencia colectiva.
Cualquier agente es colaborativo si se enmarca en un entorno
multi-agente.
Agentes Ejecutivos
Los agentes ejecutivos son capaces de realizar tareas complejas y
de múltiples etapas que pueden requerir cooperación con humanos.
Planifican y ejecutan acciones estratégicas, tomando decisiones
que se alinean con objetivos generales y pueden colaborar con
contrapartes humanas cuando es necesario.
Un ejemplo serían los asistentes GPT de OpenAI.com, Datagpt.com
19
Foro-ia
Agentes de Automatización de Operaciones
Estos agentes de IA optimizan la eficiencia en marketing al
automatizar la creación, distribución y generación de prospectos
para contenidos multimedia como textos, gráficos, vídeos y audios.
Simplifican tareas repetitivas y aseguran una producción creativa
coherente y alineada con los estándares de la marca. Un ejemplo son
los agentes que automatizan los documentos de ofertas
simplificando la labor comercial.
Agentes de Experiencia Personalizada
Analizando comportamientos y preferencias de los usuarios, estos
agentes personalizan la interfaz de usuario y el contenido
presentado, mejorando la interacción y personalizando la
experiencia de compra para aumentar el compromiso del usuario. Un
ejemplo son los recomendadores de contenido en Amazon.
Agentes de Automatización de Marketing
Encargados de automatizar estrategias de marketing complejas,
estos agentes manejan la publicidad dirigida, la segmentación de
clientes y el análisis de campañas, permitiendo decisiones de
marketing más efectivas y basadas en datos. Un ejemplo son los
agentes que automatizan las campañas online modificando precios
y audiencias.
Agentes de Comunicación y Soporte
Estos agentes gestionan tanto las consultas de clientes externos
como las comunicaciones internas del equipo. Ofrecen soporte
oportuno y eficiente, mejorando la interacción a través de múltiples
canales para aumentar la capacidad de respuesta y la colaboración
dentro de las organizaciones. Un ejemplo es GuruSup.com
Tipos de agentes virtuales por caso de uso.
20
Foro-ia
Tecnologías subyacentes.
Grandes Modelos de Lenguaje (LLM)
Estos modelos son la base para los agentes
que procesan y generan texto de manera
similar a los humanos. Los LLM se entrenan
con enormes cantidades de datos para
entender el contexto, generar respuestas e
incluso crear contenido, facilitando
interacciones complejas y procesos de toma
de decisiones.
Texto a Voz (TTS)
Esta tecnología convierte texto escrito en
palabras habladas, permitiendo que los
agentes de IA se comuniquen verbalmente. Es
esencial para asistentes virtuales y otros
agentes interactivos que proporcionan
retroalimentación auditiva a los usuarios.
Voz a Texto (STT)
Esta tecnología transcribe el lenguaje
hablado a texto, permitiendo que los agentes
de IA entiendan y procesen el habla humana.
Es crucial para sistemas activados por voz y
mejora la accesibilidad interpretando las
entradas verbales de los usuarios.
RAG
Retrieval-Augmented Generation
es una
técnica avanzada que mejora la precisión y
relevancia de las respuestas. Para
elaborarlas, en lugar de basarse
exclusivamente en el modelo de lenguaje,
consulta, en primer lugar, conjuntos de
datos o documentos predefinidos (como
unas
FAQs
o una base de datos interna).
Text-to-SQL
Esta tecnología convierte el texto escrito
en consultas SQL, facilitando la interacción
con bases de datos a usuarios sin
conocimientos técnicos. Las instrucciones
en lenguaje natural se traducen a una
forma que la máquina puede entender,
identificando elementos clave como
columnas y condiciones.
Vector embeddings
Técnica que permite representar datos
complejos (como palabras, imágenes o
sonidos) en vectores de numéricos que
permiten que las máquinas entiendan y
procesen información de manera más
eficiente. Capturan las relaciones y
significados entre esos objetos.
21
Foro-ia
RLAIF
El
Reinforcement Learning from AI Feedback
utiliza el
aprendizaje por refuerzo (RL) basándose en la retroalimentación
proporcionada por otros sistemas de IA. Esta técnica acelera
significativamente el proceso de entrenamiento y optimización y
es útil allí donde el entrenamiento con
feedback
humano (RLHF)
es demasiado costoso o impracticable.
Reconocimiento de Emociones
Estos sistemas permiten que los agentes de IA detecten y
respondan a las emociones humanas basándose en tonos de voz,
expresiones faciales y pistas textuales. Esta tecnología es
particularmente importante para mejorar las interacciones en el
servicio al cliente, permitiendo a los agentes adaptar sus
respuestas al estado emocional del usuario.
Búsqueda Semántica
Esta tecnología mejora las capacidades de búsqueda al
entender la intención y el significado contextual detrás de las
consultas. La búsqueda semántica permite que los agentes de IA
proporcionen respuestas más precisas y relevantes, mejorando
la experiencia del usuario en la recuperación de información. …
Entornos multi-agente
Estos marcos permiten que los agentes de IA actúen con un
grado de autonomía, tomando decisiones basadas en
objetivos predefinidos e interacciones ambientales. Los
marcos “agénticos” dotan a los agentes de la capacidad de
iniciar acciones, adaptarse a cambios y aprender de los
resultados, esenciales para comportamientos adaptativos y
proactivos.
22
Foro-ia
Los tres horizontes de la evolución hacia Agentes IA.
A continuación se presentan tres Horizontes de casos de uso de Asistentes y Agentes Virtuales con mayor
impacto en negocio en el ámbito del Marketing, la Comunicación y la Experiencia de Cliente.
Horizonte 1
1. Asistencia generativa con supervisión
de agente humano (Voice/Chat Bots).
2. Resolución proactiva de incidencias.
3. Configuradores inteligentes de
ofertas para procesos de venta
complejos.
4. Afiliados de comparación de
productos y servicios personalizables
por el cliente.
5. Agentes de alertado para situaciones
u ofertas de servicios.
6. Agentes para soporte a Agentes de
atención al cliente o comerciales.
1. Aumento exponencial de contenidos
sintéticos sobre marcas y productos.
2. Asistentes para certificar el origen del
contenido.
3. Herramientas personales de
comparación de productos.
4. Agentes personalizados para realizar
tareas básicas de principio a fin.
5. Creación de estándares de servicio
interoperables entre marcas.
6. Creación de agentes virtuales del lado
del cliente con poderes de
contratación.
1. Agentes versátiles capaces de
ejecutar variedad de funciones, e
incluso iniciar funciones de manera
proactiva.
2. Conectables a los servicios via APIs
y con capacidad de decisión.
3. Interlocución con otros agentes
creados por las marcas.
4. Agentes con autonomía para lanzar
órdenes de pedido, cancelaciones
de servicio y portabilidades.
5. Agentes que valorarán la calidad de
los servicios.
Horizonte 2 Horizonte 3
Eliminar fricción en la experiencia de cliente, aumentar la conversión y la satisfacción
23
Foro-ia 23
3
Impacto en MCX.
Asistentes virtuales y agentes IA
24
Foro-ia
La introducción de asistentes y agentes virtuales en las áreas de
marketing, comunicación y experiencia de cliente tiene impacto a
muy diferentes niveles dentro de cada compañía, según las tareas y
funciones a las que estos se apliquen.
A medida que avance esta tecnología, nos encontraremos con más
sistemas que colaborarán con los profesionales MCX como si de un
compañero humano se tratara, apoyándolos para usar de manera
correcta los
key messages
de la compañía en una nota de prensa o
proporcionando al profesional de atención al cliente una sugerencia
de respuesta que le permita resolver una reclamación en tiempo
récord. Pero también ―y esta es la parte que sigue resultándonos
más sorprendente― con máquinas que interactuarán directamente
con el cliente, sin necesidad de intervención humana.
Los agentes IA tienen el potencial de transformar por completo esos
puntos de contacto con el cliente en los que la conversación es
crucial. La tecnología permitirá interacciones humano-máquina cada
vez más ágiles, naturales y complejas, ya sea para resolver una duda o
incidencia en el proceso de compra, para atender una reclamación o
para mantener conversaciones regulares que los mantengan felices y
fidelizados.
De este modo, los asistentes y agentes virtuales irrumpen en las
áreas de marketing, comunicación y experiencia de cliente con la
promesa de aumentar la eficiencia y la productividad de los equipos,
reducir costes, y construir experiencias más significativas y
satisfactorias para los clientes, que, en definitiva, mejorarán la
consideración y reputación de la marca y los resultados globales de
la compañía.
Ahora bien, a la hora de medir el impacto en MCX de estas soluciones,
será interesante valorar no solo las los beneficios directos de su uso
―por ejemplo, cuántas consultas más de clientes puedo atender en
el mismo tiempo o cuánto han crecido mis ventas―, sino también los
beneficios indirectos, como los recursos (personas, atención, tiempo,
inversión) que la entrada en escena de esta tecnología liberará para
otras tareas de gran demanda, difícilmente automatizables o en las
que la intervención humana seguirá siendo esencial.
Aumentando la eficiencia y
la agilidad en los procesos
de MCX.
25
Foro-ia
Apoyo al equipo de
Marketing y Comunicación
●Recopilación y análisis de datos e
informes de mercado
●Diseño de estrategias y campañas
●Perfilado y segmentación de clientes
●Creación de contenidos
personalizados
●
Reporting
personalizado
Proceso de
Venta
●Recomendaciones personalizadas
(incluyendo
pricing
)
●Comparación personalizada de
productos entre diversos
proveedores
●Asistencia en el proceso de compra
y pago
Servicios de
Atención al Cliente
●Soporte en tiempo real para agentes
humanos
●Resolución autónoma de problemas del
cliente
●Automatización de tareas repetitivas /
Preguntas frecuentes
●Diseño de
journeys
de clientes en base a
datos
Procesos internos y
áreas staff
●Comunicación interna y atención al
empleado
●Gestión de redes de conocimiento
●Copilotos para el incremento de la
productividad
Aplicaciones en MCX.
26
Foro-ia
1 de cada 10 interacciones con
clientes se automatizarán para 2026,
frente al 1,6% actual.
Gartner
7
27
Foro-ia
En el área de Ventas, los agentes IA serán un buen aliado para las marcas que persiguen
reducir sus costes unitarios de captación de clientes, tanto de comisiones de venta
como de personal.
Permiten ofrecer soporte 24/7 y son capaces de atender consultas complejas y dar
respuestas personalizadas durante la exploración de productos y servicios. Es más,
pueden llegar a aportar un extra de coherencia y consistencia a la experiencia de cliente,
por comparación con los agentes humanos, cuya formación y motivación puede variar de
persona a persona.
La correcta introducción de los Agentes IA en este ámbito requerirá de la integración de
esta tecnología con los sistemas de gestión de
leads
, los sistemas CRM y las bases de
datos de analítica de clientes, para capturar y analizar información valiosa de los clientes
sobre sus preferencias y comportamiento.
Por otro lado, dado que sus aprendizajes se propagan muy rápidamente, los Agentes
Virtuales también optimizan la conversión. Además, escalan rápidamente, sin necesidad
de aumentar el coste de personal, y reducen el tiempo del
Go-to Market
de nuevos
productos y servicios, habilitando canales comerciales muy rápidamente y a bajo coste.
IMPACTO MCX
Motivaciones de las Marcas
Motivaciones de Clientes
Experiencia de Cliente
AGENTES VIRTUALES
Agentes virtuales en Ventas.
Ventas Servicio
Optimizar Costes Unitarios
Satisfacción Cliente
Personalización
Simplicidad
Ahorro de tiempo
28
Foro-ia
Los agentes virtuales dedicados a Atención al Cliente desarrollan su máximo potencial en la
reducción de los costes unitarios de interacciones, dada la riqueza de datos existentes de
clientes frente a clientes potenciales.
Estos agentes logran tener una visión 360o de los clientes, permitiendo hacer un mapeo
exhaustivo y eficiente del
customer journey
y de su situación en cada momento y
proporcionando interacciones consistentes y relevantes.
Dada su capacidad de aprendizaje, gestionan proactivamente la situación de cada cliente,
anticipándose a posibles necesidades de servicio o incidencias y reduciendo el
churn rate
.
Además, los agentes IA son capaces de detectar las mejores oportunidades de desarrollo
de clientes con ventas adicionales (
cross/up-selling
) una vez resueltas las necesidades de
servicio.
El factor crítico de éxito en este ámbito es la integración del dato disponible sobre clientes
existentes en tiempo real junto con la capacidad de generar contenidos a escala en los
canales digitales.
Agentes virtuales en
Servicio y Atención al Cliente. IMPACTO MCX
Motivaciones de las Marcas
Motivaciones de Clientes
EXPERIENCIA DE CLIENTE
AGENTES VIRTUALES
Ventas Servicio
Optimizar Costes Unitarios
Satisfacción Cliente
Personalización
Simplicidad
Ahorro de tiempo
Experiencia de Cliente
29
Foro-ia
El potencial de los agentes virtuales para la mejora de la Experiencia de
Cliente es incontestable, especialmente en un contexto en el que los
consumidores están cada vez más empoderados tecnológicamente y
demandan experiencias con la mínima fricción posible.
La motivación de los clientes para usar los agentes IA está ligada a que las
marcas desarrollen experiencias que les permitan alcanzar sus objetivos
vitales.
Para ello, las marcas deben desarrollar estrategias en tres ámbitos
principales: personalización de experiencias, simplificación de las
interacciones y mejora de los tiempos de respuesta.
Transformando la experiencia
del cliente.
IMPACTO MCX
Motivaciones de las Marcas
Motivaciones de Clientes
EXPERIENCIA DE CLIENTE
AGENTES VIRTUALES
Ventas Servicio
Optimizar Costes Unitarios
Satisfacción Cliente
Personalización
Simplicidad
Ahorro de tiempo
Experiencia de Cliente
30
Foro-ia
Las marcas deben diseñar experiencias personalizadas que se adaptan a las preferencias manifestadas
por los clientes e incluso anticipándose a sus necesidades utilizando todo el conocimiento que tienen del
cliente.
Nike Training Club genera entrenamientos personalizados basados en las características personales y objetivos de
cada usuario.
En un mundo de sobrecarga de información y alto esfuerzo cognitivo, las marcas tienen la oportunidad de
simplificar sus interacciones con los clientes. La IA Generativa permite formas de comunicación
humano-máquina cada vez más naturales y creativas simplificando su uso. Esto podría tener efectos
también en términos de accesibilidad y facilitar el uso de esta tecnología (y por tanto la conexión con la
marca) entre personas que, tradicionalmente, encontraban en la tecnología una barrera para acceder a
ciertos productos y servicios.
Sephora Virtual Artist permite probar maquillajes mediante realidad aumentada proponiendo la combinación que mejor
se adapta al cliente.
Siendo accesibles 24/7 por múltiples canales, los agentes virtuales permiten reducir los tiempos de
atención y resolución de consultas ya que pueden atender a múltiples clientes de manera simultánea, y
también disminuir los tiempos de transacción (secuencialidad).
El asistente Erica de Bank of America gestiona más de 2 millones de interacciones diarias con un 98% de resolución en
44 segundos.
31
Foro-ia 31
4
Casos de uso en MCX.
Asistentes virtuales y agentes IA
32
Foro-ia 323232
Klarna.
El asistente de inteligencia artificial desarrollado por OpenAI para la
empresa la fintech sueca Klarna gestionó durante su primer mes en
funcionamiento (febrero 2024) 2.3 millones de conversaciones, dos
tercios de los chats de servicio al cliente de la compañía. Esto es el
equivalente a 700 agentes a tiempo completo.
Este agente virtual está disponible en 23 mercados, las 24 horas del
día, los 7 días de la semana, y se comunica en más de 35 idiomas.
Aseguran sus responsables que es más rápido y preciso en la
resolución de ciertas tareas que su contraparte humana. Resuelve
las consultas en menos de 2 minutos (frente a los 11 minutos que
necesitaban antes) y han disminuido en un 25% las consultas
repetidas.
Según Klarna, este agente IA ha conseguido niveles de satisfacción
similares a los que consiguen los trabajadores de atención al cliente
humanos. Además, la fintech espera una mejora de $40 millones de
dólares estadounidenses en sus ganancias en 2024 gracias a la
introducción de esta tecnología.
Case Study: Atención al Cliente
33
Foro-ia
Voxi (by Vodafone).
Voxi, la marca
low-cost
de Vodafone en Reino Unido, ha lanzado
recientemente un asistente virtual basado en un LLM (Large Language
Model) en colaboración con Accenture.
Este nuevo chatbot mejora la experiencia de los clientes desarrollando
interacciones en lenguaje natural “casi humano” y facilitando, así, la gestión
de interacciones con clientes más complejas.
Este chatbot utiliza un marco de seguridad AI creado con expertos de la
industria, que incorpora principios y guías para asegurar el uso responsable y
ético de la implantación de estas tecnologías y, por tanto, la protección de
los clientes.
De momento, el chatbot está disponible para un reducido número de
clientes.
Case Study: Atención al Cliente
34
Foro-ia 343434
GuruSup (by GuruWalk).
GuruSup se desarrolló para abordar el desafío de atención al cliente de
GuruWalk, la plataforma de free tours más grande del mundo, con más de
5 millones de
walkers
únicos este año.
El software mejora la productividad de los agentes de soporte,
permitiendo responder tres veces más tickets al generar borradores que
imitan el comportamiento humano. Los agentes revisan y corrigen estos
borradores, lo que permite a GuruSup aprender y mejorar sus respuestas,
alcanzando un 75% de precisión y clasificando tickets con un 95% de
exactitud.
Gracias a GuruSup, el equipo de soporte, compuesto por dos personas,
aumentó su capacidad de respuesta de 1.000 a 4.000 tickets/mes y
redujo el tiempo de respuesta promedio de ocho horas a una hora
manteniendo la satisfacción del cliente y reduciendo la frustración de los
agentes al eliminar tareas repetitivas.
Case Study: Atención al cliente. Soporte backoffice.
35
Foro-ia
SECO Energy.
SECO Energy es una cooperativa que suministra electricidad
a más de 220.000 hogares y negocios en Florida (EE.UU.). En
su búsqueda de una fórmula para ofrecer un servicio de
atención al cliente continuado (24/7), pero también más
rápido y eficiente, decidió recurrir a un agente virtual.
Se alió con SmartAction y, juntos, pusieron en marcha un
agente de IA capaz de manejar desde las conversaciones
más simples hasta las más complejas (incluida la detención
y transferencia del servicio o reportar averías) tal y como lo
harían agentes humanos. El sistema se encarga también de
la verificación del cliente y predice la intención de la
llamada.
Ha conseguido una reducción de costes del 60% por
llamada.
Case Study: Atención al cliente Resultados
●Un alto nivel de contención (llamadas
completadas por IVA sin un agente en directo)
●Una experiencia de servicio y asistencia
siempre disponible y sin fricciones
●CSAT a la par con los agentes en directo
●Desviación del 32% del volumen de llamadas
●66% de reducción del coste por llamada
36
Foro-ia
La mitad de los consumidores
aseguran que interactuarían con
la IA con más frecuencia si esta hiciera
que la relación con la marca fuera
más fluida, consistente y conveniente.
Redpoint Global
8
37
Foro-ia
El Corte Inglés ha lanzado un asistente personal tanto en su
app
como en su página web con el objetivo de crear una experiencia
personalizada y única.
Este asistente es capaz de recomendar marcas, sugerir prendas y
accesorios, proponer colores y diseños, entre otras posibilidades.
El asistente puede reducir los tiempos de búsquedas de los
clientes, disminuyendo la fricción, al proponer una selección de
productos más ajustados a cada cliente de una manera simple y
con menor esfuerzo por parte de los clientes.
Además, el asistente es capaz de ofrecer respuestas
personalizadas en función de la información que aporta el cliente.
El asistente ha sido desarrollado utilizando modelos de OpenAI y
está actualmente en modo aprendizaje.
Case Study: Soporte a Ventas
El Corte Inglés.
38
Foro-ia
Publicis Groupe.
En enero de 2024, Publicis anunció una inversión de más de 300 millones de
euros para desarrollar CoreAI, un sistema de IA pensado para dar soporte a los
100.000 empleados que el grupo tiene en todo el mundo.
CoreAI ha sido entrenado con todos los datos sobre los que la compañía detenta
la propiedad, tanto aquellos relacionados con los perfiles e interacciones con
sus clientes como los activos de su plataforma Marcel (también alimentada con
IA y a través de la que los empleados pueden compartir sus trabajos creativos y
conectar con otros equipos) y los 35 años de datos de transformación de
negocio gestionados por Publicis Sapient.
Los empleados de Publicis pueden conversar así con los datos, los
conocimientos y la experiencia que la empresa ha ido acumulando durante
décadas, a la hora de dar forma a planes y estrategias de marketing, planificar y
comprar medios o crear y producir de contenido, así como para el lanzamiento
de software y productos digitales y la gestión de las operaciones con clientes.
Case Study: Atención al empleado
39
Foro-ia
Pfizer.
“Charlie” es la plataforma de IA que la farmacéutica Pfizer puso en marcha para
ayudar en los procesos de creación y revisión de contenidos de sus equipos de
marketing.
Debe su nombre al cofundador de la compañía, Charles Pfizer y busca, en primer
lugar, dar soporte en la creación y edición de contenidos para aumentar su
cantidad y garantizar que son más efectivos y se adecuan a cada audiencia (ya
sean otros profesionales o pacientes).
El sistema ayuda, además, en la comprobación de datos y en las revisiones
legales, algo especialmente importante en sectores muy regulados como el
marketing farmacéutico.
Charlie realiza análisis de medios para las marcas de la empresa y proporciona
información sobre competidores y se ha integrado con otras plataformas, como
Slack, para ayudar a los empleados a comunicarse y colaborar.
Case Studies: Generación de contenidos de marketing
40
Foro-ia 40
5
Retos en la adopción de
asistentes y agentes IA.
Asistentes virtuales y agentes IA
41
Foro-ia
Sin embargo, el primer desafío que tienes que afrontar
a la hora de introducir esta tecnología en tu compañía
es valorar la idoneidad de esta solución para el tipo de
producto y servicio que ofreces. ¿Existe una
necesidad real de recibir este tipo de soporte virtual
dentro de tu empresa, ya sea por el volumen de
clientes o por las características de tus equipos?
¿Tiene sentido invertir tiempo y recursos en
desarrollar un agente IA si las preguntas habituales de
tus clientes las puedes responder con publicaciones o
una sección de FAQs en tu web y tus perfiles sociales?
Superado ese primer escollo, los retos para la
implementación de estos sistemas en las
organizaciones serán de tipo organizativo,
tecnológico, de ciberseguridad y
legal compliance,
y
éticos.
Con el ‘boom’ actual en torno a la IA Generativa y
los chatbots conversacionales, puede parecer que
desarrollar un asistente o un agente virtual acabará
siendo una condición
sine qua non
para la
supervivencia de cualquier marca, especialmente
para las áreas de MCX.
Grandes
desafíos de
implementación.
42
Foro-ia
La implantación de asistentes y agentes virtuales con IA Generativa requiere de un
plan de acción y de un análisis de su impacto potencial en el conjunto de la
organización.
Incluso así, teniendo en cuenta la velocidad a la que evoluciona esta tecnología,
será difícil trazar planes con más de 90 días de anticipación, por lo que cualquier
compañía necesitará prepararse también para una evaluación y revisión constante
del mismo.
La mayoría de las empresas están creando órganos de gobierno para dirigir y
priorizar la implantación de la IA Generativa, seleccionando los mejores casos de
uso en base a criterios de coste, impacto positivo en el negocio (experiencia de
cliente, ventas, etc.) y otras implicaciones para la compañía, de tipo tecnológico o
de seguridad, pero también organizacionales. Este último punto incluye desde la
gestión del talento y la redefinición de roles, hasta el abordaje de los miedos y
resistencias iniciales o una revisión general de la cultura corporativa.
En los proyectos que se pongan en marcha, será fundamental promover una visión
end-to-end
, evitando los silos organizativos y diseñando casos de uso con
estrategias de privacidad desde el diseño.
Retos organizacionales.
43
Foro-ia
A la hora de introducir la tecnología de asistentes y agentes
virtuales en tu compañía necesitarás definir una arquitectura
tecnológica escalable y flexible que permita comenzar con
casos de uso de bajo coste y alto impacto. Esas primeras
aplicaciones actuarán como prueba de concepto sobre las que
diseñar soluciones a mayor escala o para otros objetivos, tareas
y áreas de la organización.
La falta de vocación
cross-functional
de la tecnología en la
mayoría de las empresas hace que haya múltiples retos de
integración con sistemas existentes (CRM, CDP, entornos de
big
data
, tecnologías
MarTech
y
AdTech
, etc.)
A esto se une el riesgo de invertir en un tipo de arquitectura y
acabar en una situación de
lock-in
con los proveedores
tecnológicos.
Otro de los grandes retos será
unificar todas las fuentes de
datos, gestionar los
consentimientos y la privacidad
de los mismos, y eliminar los
silos tecnológicos que permitan
alcanzar una visión 360o del
cliente.
Desafíos tecnológicos y
de ciberseguridad.
44
Foro-ia
Asimismo, la utilización de agentes virtuales, alimentados con IA
Generativa, conlleva un aumento del volumen y las fuentes de
procedencia de los datos empleados (tanto para el entrenamiento de
los modelos cómo para su explotación) y más velocidad de gestión y
procesamiento de los mismos, lo que obliga a extremar los controles
de gobierno del dato y ciberseguridad.
Por otro lado, existen desafíos asociados a las características propias
de esta tecnología, y es que seguimos sin tener un control total y
absoluto de las respuestas que puedan darnos los asistentes y
agentes basados en LLMs.
A finales de 2023, la startup Vectara, lanzó su
LLM Hallucination
Leaderboard
9
en un esfuerzo por cuantificar el problema de las
alucinaciones en los grandes modelos de lenguaje. Llegó a la
conclusión de que modelos como GPT-4 Turbo y GPT-4 eran bastante
precisos; sin embargo, no desaparecía por completo el riesgo de que
estos cometieran errores u ofrecieran detalles “inventados”. En su
última revisión (mayo de 2024) esos casos arrojaban un porcentaje
de imprecisiones de un 2,5 y un 3% respectivamente, aunque en otros
modelos estas podían alcanzar hasta un 22%.
A medida que estos sistemas avancen y se vuelvan más sofisticados,
estos riesgos se verán minimizados, pero estamos aún lejos de acabar
con ellos por completo ―si es que lo logramos algún día―. De hecho,
esta es una de las principales excusas para limitar su despliegue: que
la máquina se equivoque al lanzar una oferta a un cliente, o que
acabe comunicándose en un tono que no es coherente con la marca
o faltando al respeto a un usuario puede representar serios riesgos
reputacionales y económicos que nadie quiere correr.
En la actualidad, estos obstáculos pueden superarse con técnicas
como el ya mencionado RAG (o
Retrieval Augmented Generation,
por
sus siglas en inglés) o el
Reinforcement Learning from Human
Feedback
(RLHF), en el que hay personas que revisan las respuestas
de la máquina y las califican o proporcionan comentarios detallados
sobre su calidad, coherencia o relevancia para para ajustar y entrenar
el modelo. Otro procedimiento también interesante para reducir el
riesgo de errores e imprecisiones son los
system prompts
, que son
instrucciones predefinidas que se añaden automáticamente a
prompt
que introduce el usuario para guiar el comportamiento del
chatbot y evitar que responda de manera inapropiada.
45
Foro-ia
Las empresas deben ser cuidadosas a la
hora de empujar a sus clientes y empleados
a usar esta tecnología. Su uso debe ser
transparente y sin fricción.
46
Foro-ia
Al crecer las fuentes de datos, y su volumen y velocidad, es necesario incrementar
también los controles de privacidad y las auditorías para evaluar el riesgo que se
asume.
La nueva normativa europea de IA establece una serie de controles y obligaciones de
transparencia hacia los usuarios en función del nivel de riesgo de cada caso de uso.
Esta transparencia no solo significa informar a los clientes cuando están siendo
atendidos por un asistente o un agente virtual, sino también explicar con qué tipo de
datos se ha entrenado ese sistema y, en el caso de la personalización de ofertas y
comunicaciones, bajo qué criterios se han definido éstas, lo que se denomina
explicabilidad
.
Es responsabilidad de la compañía garantizar que las decisiones tomadas por estos
asistentes y agentes sean responsables, lo que incluye también minimizar sesgos y
el riesgo de tratamiento desigual a diferentes tipos de usuarios. Por tanto,
seguiremos necesitando supervisión humana de muchos de los procesos en los que
participen agentes autónomos y tendremos que decidir para qué usos queremos que
esta tecnología se quede fuera por criterios puramente éticos.
Privacidad,
legal compliance
y ética.
47
Foro-ia
Esa exigencia de un uso y desarrollo responsable de esta
tecnología y otras aplicaciones de inteligencia artificial no es solo
una cuestión de adaptación a la regulación vigente o las
directrices marcadas por organismos nacionales e
internacionales, sino que repercute directamente sobre la
relación que la empresa mantiene con la ciudadanía y, por tanto,
con sus clientes.
Según el tipo de público al que te dirijas ―por ejemplo, por nivel
de competencias digitales o por factores sociodemográficos―
podrás encontrar más o menos resistencias a la utilización de
agentes virtuales. Por lo general, la población de más de 60 años
―los conocidos como
Boomers
― tiene menos confianza en la IA
que los usuarios
millennials
y la Gen Z10.
Además, hay que recordar que los chatbots y sistemas de voz
interactivos llevan años entre nosotros, por lo que encuentros
previos poco eficientes pueden desalentar su uso presente y
futuro. Pero es que, incluso superadas esas deficiencias, es
posible que muchos clientes sigan buscando la empatía y
flexibilidad que ofrece el contacto humano, sobre todo en
situaciones complejas o sensibles.
En el lado opuesto, entre los usuarios más abiertos a usar esta
tecnología, estará la necesidad de medir y manejar expectativas:
los asistentes y agentes IA vienen cargados de grandes
promesas, pero les queda aún un largo camino por recorrer y
pueden acabar siendo una fuente de decepción y frustración.
Desafíos en la relación con el cliente.
48
Foro-ia 48
6
Asistentes virtuales y agentes IA
¿Está preparada
tu organización?
49
Foro-ia
Principales acciones y estrategias que las marcas
deben plantearse en este nuevo escenario.
Define el punto de partida.
Selecciona los casos de uso con menor complejidad pero mayor
impacto financiero, motivando a la organización a seguir
invirtiendo.
Evalúa la idoneidad para tus clientes.
Valora si tus clientes están más o menos abiertos a usar estas
nuevas tecnologías. ¿Con qué segmentos trabajas y cómo
puede responder cada uno? ¿Puedes generar incentivos para
acelerar la curva de adopción?
En empresas de servicios existe la posibilidad de crear servicios
más simples con autogestión por agentes virtuales.
Elige la tecnología más apropiada.
Selecciona tecnología compatible con los
stacks
y sistemas
heredados
(legacy)
disponibles.
Valora el impacto para tu organización.
Introducir esta tecnología requerirá revisar procesos internos
para garantizar su correcto funcionamiento, e incluso puede
exigir la formación de tus equipos y la captación de nuevo
talento. Actualmente, hay en España más de cien mil personas
trabajando en centros de atención al cliente y televenta así
como veinte mil más en modo
offshore
fuera de España.
50
Foro-ia
Principales acciones y estrategias que las marcas
deben plantearse en este nuevo escenario.
Comunícate con tus equipos.
Es fundamental crear un ambiente donde se informe y eduque a
los empleados sobre los cambios tecnológicos, asegurando que
entiendan cómo estos cambios afectarán sus roles y cómo
pueden adaptarse a ellos.
Diseña un plan de contingencia.
Desarrolla un plan detallado que aborde cómo se gestionarán los
empleados afectados por la automatización. Esto puede incluir
capacitación para nuevas habilidades, reubicación en otros
departamentos, o incluso opciones de salida respetuosas y
justas.
Explora.
Implementa fases de prueba interna de los nuevos sistemas
tecnológicos, como chatbots, antes de lanzarlos al público. Incluir
a un grupo selecto de empleados en los programas piloto puede
ayudar a identificar problemas y obtener feedback muy valioso
para realizar los ajustes necesarios.
Analiza el impacto en la dirección.
Evalúa cómo las nuevas tecnologías influirán en la estructura
organizacional y en los roles de liderazgo. Este análisis puede
ayudar a prever cambios en las responsabilidades y en la toma
de decisiones, asegurando que la dirección siga siendo efectiva
en un entorno tecnológicamente avanzado.
51
Foro-ia 51
Asistentes virtuales y agentes IA
Anexo.
52
Foro-ia
Glosario.
Datos estructurados. Datos organizados de manera ordenada y
consistente, lo que permite almacenar, procesar y comprender mejor
el contenido de las páginas web y proporcionar resultados de
búsqueda más relevantes.
Datos desestructurados. Datos que no siguen una estructura rígida y
predefinida, y que pueden presentarse en diferentes formatos como
textos, imágenes, vídeos o clips de audio, entre otros. Frente a
sistemas anteriores, los LLMs tienen la capacidad de manejar e
interpretar este tipo de datos y generar respuestas a partir de ellos.
LLM. Large Language Model es un modelo de aprendizaje automático
entrenado con enormes cantidades de datos. El LLM comprende el
lenguaje natural y las relaciones entre palabras y frases. Entre otras
aplicaciones, es capaz de generar textos creativos, traducir
automáticamente, resolver problemas o programar código. Están
basados en la arquitectura Transformer que crearon varios ingenieros
de Google en 2017.
Machine learning. El Aprendizaje Automático es una disciplina de la IA
que permite a los algoritmos identificar patrones y hacer
predicciones de manera autónoma, encontrando correlaciones
dentro los grandes conjuntos de datos con que se entrenan. El
nombre proviene de la capacidad que tienen estos algoritmos de
aprender de manera supervisada o no supervisada por humanos.
Multimodalidad. Capacidad de los sistemas de IA para procesar y
combinar datos de diversas fuentes, como texto, imágenes, audio y
video, mejorando así la precisión y utilidad de las soluciones que
respuestas y soluciones que ofrecen.
NLP.
Natural language processing
o procesamiento del lenguaje
natural, en su traducción al español (PLN). Tecnologías que permiten a
las computadoras comprender el lenguaje humano, incluyendo el
significado de las palabras, su intención y el sentimiento. NLP se
utiliza en asistentes virtuales, traducciones automáticas o chatbots,
entre otras aplicaciones.
53
Foro-ia
Glosario.
Prompt. Instrucción, indicación o sugerencia que se da a un modelo IA
para que genere un output, en forma de texto, imagen, código,
música, vídeo, etc.
RAG.
Retrieval Augmented Generation
es una técnica utilizada en los
chatbots y LLMs para mejorar la precisión y relevancia de las
respuestas generadas. En lugar de basarse exclusivamente en el
modelo de lenguaje para generar las respuestas, el RAG busca primero
en conjuntos de datos o documentos predefinidos, como pueden ser
unas FAQs o una base de datos interna.
RLHF.
El
Reinforcement Learning from Human Feedback
es una de las
técnicas empleadas para reducir el riesgo de alucinación de los LLMs
mediante la intervención de un ser humano. Cuando el sistema ha
generado la respuesta, una persona la revisa y evalúa su calidad,
relevancia o coherencia. Esto sirve para entrenar el modelo, que
recibe "recompensas" por respuestas correctas y "penalizaciones"
por respuestas incorrectas o inadecuadas.
RLAIF.
El
Reinforcement Learning from AI Feedback
emplea otro
modelo de IA para la retroalimentación, guiada por un conjunto de
principios, y consigue mejoras en seguridad, reducción de la
subjetividad y escalabilidad.
System Prompt. Añadidos automático al
prompt
del usuario para
conseguir un comportamiento determinado de un LLM o evitar
respuestas indeseadas. Estos añadidos pueden ser reglas sobre cómo
el tono o la seguridad de la información. Es uno de los mecanismos
que se utiliza para establecer “guardarraíles” y optimizar la
interacción del usuario con el sistema.
Text-to-SQL. La conversión de texto a SQL es una tarea del
procesamiento del lenguaje natural (PLN) cuyo objetivo es generar
automáticamente consultas SQL a partir de texto en lenguaje natural.
La tarea consiste en convertir la entrada de texto en una
representación estructurada y, a continuación, utilizar esta
representación para generar una consulta SQL semánticamente
correcta que pueda ejecutarse en una base de datos.
54
Foro-ia
Glosario.
Transformer.
Arquitectura de redes neuronales que se utiliza para
procesar datos secuenciales, como texto, imagen o video. Los
transformers aprenden contexto y significado analizando las
relaciones entre los datos.
55
Foro-ia
REFERENCIAS.
1. Conversational AI Market Size, Share & Trends Report 2030
, Grand View
Research, 2022.
hps://www.grandviewresearch.com/industry-analysis/conversational-ai-mar
ket-report
2. Notes from the AI frontier: modeling the impact of AI on the world economy
,
McKinsey, 2018.
hps://www.mckinsey.com/featured-insights/artificial-intelligence/notes-fro
m-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy
3.
The economic potential of generative AI: The next productivity frontier
,
McKinsey, junio 2023.
hps://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-ec
onomic-potential-of-generative-ai-the-next-productivity-frontier
4. “Generative AI could raise global GDP by 7%”, Goldman Sachs, abril 2023.
hps://www.goldmansachs.com/intelligence/pages/generative-ai-could-raise
-global-gdp-by-7-percent.html
5. AI Index Report 2024
, Stanford Institute for Human-Centered Artificial
Intelligence (HAI), hps://aiindex.stanford.edu/report/
6. Gartner Top 10 Strategic Technology Trends for 2024
, Gartner, octubre 2023:
hps://www.gartner.com/en/articles/gartner-top-10-strategic-technology-tr
ends-for-2024
7. Market Trend: Conversational AI for Agent Automation Delivers an Efficient
Customer Contact Center Experience
, Gartner, agosto 2022.
hps://www.gartner.com/en/newsroom/press-releases/2022-08-31-gartner-p
redicts-conversational-ai-will-reduce-contac
8.
“73% of Consumers Believe AI Can Have a Positive Impact on their Customer
Experience”
, Redpoint Global, enero 2023
hps://www.redpointglobal.com/press-releases/73-of-consumers-believe-ai-
can-have-a-positive-impact-on-their-customer-experience/
9.
LLM Hallucination Leaderboard
, Vectara
hps://github.com/vectara/hallucination-leaderboard
10.
Hesitant & Hopeful: How Different Generations View Artificial Intelligence
,
Barna Group, enero 2024 hps://www.barna.com/research/generations-ai/
56
Foro-ia
Sobre el Foro IA.
El Foro IA en Marketing, Comunicación y Experiencia de Cliente (MCX) nace con el objetivo de generar un
espacio para aprender en comunidad, construir conocimiento y compartir recomendaciones y pautas
que ayuden a los profesionales MXC a navegar por el tsunami que representa la IA Generativa.
Creemos en la comunidad, en la capacidad de establecer conexiones relevantes y en el debate como
herramienta de transformación. Nuestro enfoque abarca tres áreas de trabajo fundamentales:
Alfabetización
Impulsar una mejor comprensión de la
tecnología subyacente, aportando una
perspectiva accesible para todos y sin
necesidad de ser tecnólogos.
Aplicación funcional
Integrar de manera efectiva las nuevas IAs
generativas en el entorno del marketing, la
comunicación y la experiencia de cliente,
reimaginando el "martech stack" del futuro.
Impacto social
Poner foco, como profesionales
comprometidos con el impacto positivo de las
empresas en la sociedad, en los aspectos
éticos de la IA y el avance de la regulación.
Foro-ia
