IA
Historia de la inteligencia artificial
Según uno de los principales paradigmas de la informática, un sistema superaría el «test de Turing» si un evaluador no lograra distinguir si está interactuando con un ser humano o con un programa. El test es simbólico, en gran medida, porque señala que la interacción es una capacidad humana tan innata que constituye la última barrera para diferenciar el software de los seres humanos. Somos seres sociales; desde que somos bebés aprendemos —consciente o inconscientemente— a conversar con otras personas. Si las aplicaciones de inteligencia artificial son capaces de superar el «test de Turing», ¿podemos entonces incluir agentes de IA en la atención al cliente?
La interfaz entre clientes y empresas tiene muchas capas, que varían de un sector a otro. En general, suele haber una capa dedicada a la publicidad, con perfiles en redes sociales, blogs y otros contenidos. En las empresas minoristas también está el sitio web, la interfaz a través de la cual se produce la conversión. En el sector financiero y bancario, normalmente es a través de la aplicación como interactuamos con la entidad.
En todas estas etapas, el límite de la interacción es la pantalla y sus funciones. Sin embargo, estas no siempre logran resolver la duda o la dificultad del consumidor, quien, en última instancia, recurre a una persona: un agente que se encargará de resolver el problema para que el cliente pueda continuar con su proceso de compra.
Si las aplicaciones de inteligencia artificial logran superar el «test de Turing», ¿podemos, por lo tanto, incorporar agentes de IA en la atención al cliente, interactuando con el consumidor final, en alguna de estas capas de interfaz? Sigue leyendo este texto para, además de encontrar la respuesta a esta pregunta, comprender a qué aspectos hay que prestar atención a la hora de configurar agentes de inteligencia artificial para conversar con clientes potenciales o actuales.
Dada la capacidad de los chatbots con inteligencia artificial para interactuar en lenguaje natural, es fácil caer en la creencia de que son capaces de mantener interacciones en diversos contextos. Sin embargo, ya sea en un sitio web, una aplicación u otra interfaz, al plantearnos el uso de chatbots en la relación con los consumidores, es natural que nos hagamos la siguiente pregunta: ¿está la IA hablando con los clientes? Si es así, ¿de qué están hablando?
Recientemente publicamos aquí, en el blog de Inmetrics, una entrada sobre la necesidad de lograr un delicado equilibrio en la autonomía de los agentes de inteligencia artificial para garantizar que la interacción que estos promueven sea de calidad: de modo que demuestren su «habilidad social» y presenten datos fiables, sin «alucinar» en el proceso. Para alcanzar ese nivel de refinamiento, es necesario aplicar numerosas prácticas de calidad a la IA.
Son estas las que garantizan que los agentes proporcionen información veraz a lo largo de la conversación con el interlocutor. Mediante diversas estrategias de pruebas —algunas de las más habituales en el mercado, como las pruebas de experiencia o las pruebas unitarias, y otras específicas para aplicaciones de inteligencia artificial, como las pruebas de sesgo o las metamórficas—, aumentamos el rigor de los criterios que aseguran que el agente proporcione información fiable al usuario.
Además, para minimizar la probabilidad de que se produzcan «alucinaciones» en los agentes de IA dedicados a la atención al cliente, es necesario supervisarlos continuamente. Para ello, contamos con enfoques de calidad como servicio.
La incorporación de agentes de IA en la atención al cliente no deja de ser una forma de promover la automatización de procesos, al menos en parte de las tareas de interacción con clientes potenciales y consumidores. Por lo tanto, como en cualquier proceso de automatización, es necesario analizar en profundidad los procesos y sus flujos de trabajo para determinar qué etapas de la atención al cliente pueden delegarse a los agentes y cuáles seguirán requiriendo intervención humana.
Una vez mapeadas las secuencias de actividades, los agentes de inteligencia artificial se conectan tanto a la información que formará parte del contexto de sus decisiones como a aquella que pueda figurar en las respuestas enviadas a los clientes. Muchas de las prácticas de calidad aplicadas a la IA que hemos mencionado a lo largo de este texto comienzan a ponerse en marcha en esta fase, la de entrenamiento. Los LLM que controlarán a los agentes de inteligencia artificial se asocian a los repositorios de datos, pasando siempre por pruebas para verificar su nivel de autonomía, es decir, a qué datos están autorizados a acceder.
A continuación, se comprueba si los agentes logran resolver las tareas solicitadas por el usuario, si son capaces de comprender (y aprender) a partir de la información contextual y de buscar los datos correctos en las bases de datos conectadas para responder a la solicitud. Estas comprobaciones ya forman parte de las pruebas de experiencia, en las que verificamos la satisfacción general del usuario con la aplicación.
Los datos de un artículo publicado recientemente por la revista de la Escuela de Negocios de la Universidad de Berkeley muestran que los chatbots con modelos de lenguaje grande (LLM) pueden suponer un ahorro de hasta 0,70 dólares por interacción. Sin embargo, esta cifra puede dar un giro y, en lugar de suponer un ahorro, generar pérdidas para la empresa si esta no presta atención a la calidad de sus agentes de inteligencia artificial. Eso fue lo que le ocurrió a AirCanada en febrero de 2024.
En una sentencia de un tribunal canadiense, la compañía aérea fue condenada a reembolsar a un pasajero. Este había elegido un billete con una tarifa que le daba derecho a un reembolso en caso de fallecimiento de un familiar. Al solicitar el reembolso, se le denegó la solicitud por no figurar en las políticas de Air Canada; dicha información se le había facilitado debido a un error del agente de IA.
Por lo tanto, más que comprobar si los agentes de IA están conversando con los clientes, es fundamental analizar qué es lo que dicen y si están satisfaciendo sus necesidades. Un estudio de Gartner señala que solo el 14 % de las sesiones de autoservicio —incluidas las que se llevan a cabo mediante chatbots con inteligencia artificial— resuelven las consultas de los clientes potenciales o de los consumidores.
En Inmetrics contamos con dos unidades que, conjuntamente, se dedican a la implementación de agentes de IA en la atención al cliente. La unidad de Aceleración Digital implementa la inteligencia artificial centrándose en la transformación y optimización de los procesos de negocio de las empresas, apoyando así todo el recorrido de soluciones que generan un impacto real en el negocio. Y la unidad de Experiencia Digital, que tiene, entre sus objetivos, garantizar que las soluciones de IA estén realizando el trabajo esperado y, de este modo, proteger tanto los resultados como la reputación de la empresa.
Si tienes pensado sustituir parte de la atención al cliente por agentes de inteligencia artificial, pero quieres tener la tranquilidad de que se mantendrá el nivel de calidad del servicio, ¡haz clic aquí y ponte en contacto con nosotros! Nuestros expertos te mostrarán cómo es posible no solo mantener, sino también aumentar la satisfacción de tus clientes con el servicio utilizando agentes de IA debidamente formados.
