Cuando ‘Chatbot’ es una palabra sucia: 3 conceptos erróneos que los líderes empresariales tienen sobre la IA conversacional

La proliferación de LLM como ChatGPT de OpenAI, Llama de Meta y Claude de Anthropic han llevado a un chatbot para cada ocasión. Hay chatbots para consejos de carrera, chatbots que permiten hablar con tu yo futuro, e incluso un chatbot de pollo que da consejos de cocina.

Pero estos no son los chatbots de hace diez años, que estaban limitados a “conversaciones” preestablecidas y rígidas, a menudo basadas en un gran diagrama de flujo con respuestas de múltiple opción o equivalentes. En esencia, eran solo ligeramente más sofisticados que los menús de teléfono de antes de Internet.

Por otro lado, los “chatbots” de hoy en día se refieren con mayor frecuencia a la IA conversacional, una herramienta con capacidades y casos de uso mucho más amplios. Y porque nos encontramos en medio del ciclo de hiper de la IA generativa, los tres términos se están utilizando de manera intercambiable. Desafortunadamente, como consecuencia, hay muchos malentendidos sobre los riesgos, los casos de uso y el ROI de invertir en IA conversacional entre los líderes empresariales, especialmente en industrias altamente reguladas como las finanzas.

Así que me gustaría aclarar algunos conceptos erróneos comunes sobre los “chatbots”, cuando en realidad estamos hablando de IA conversacional.

Mito 1: Los clientes odian los chatbots

A los consumidores se les ha preguntado durante la mejor parte de la última década si prefieren a los agentes humanos o a los chatbots, lo que es como preguntar si prefieren un masaje profesional o sentarse en una silla de masaje de un centro comercial.

Pero el debut de ChatGPT en 2022 (junto con todas las herramientas que se derivaron de él) cambió completamente nuestra percepción de las capacidades de un chatbot. Como se mencionó anteriormente, los chatbots más antiguos operaban en guiones, de modo que cualquier desviación de sus caminos prescritos a menudo llevaba a la confusión y a respuestas ineficaces. Incapaces de entender el contexto y la intención del usuario, las respuestas dadas eran a menudo genéricas y poco útiles, y tenían una capacidad limitada para recopilar, almacenar y entregar información.

En contraste, la IA conversacional involucra a las personas en conversaciones naturales que imitan el lenguaje humano, lo que permite un intercambio más fluido e intuitivo. Demuestra una flexibilidad y adaptabilidad notables a resultados inesperados. Puede entender el contexto que rodea la intención del usuario, detectar emociones y responder de manera empática.

Este nivel más profundo de comprensión permite que la IA de hoy en día navegue a los usuarios por caminos lógicos hacia sus objetivos. Eso incluye pasar rápidamente a los clientes a asistentes humanos cuando sea necesario. Además, la IA conversacional utiliza filtros de información avanzados, mecanismos de recuperación y la capacidad de retener datos relevantes, lo que mejora significativamente sus habilidades de resolución de problemas, lo que hace que la experiencia del usuario sea mejor.

Así que no es que los clientes odien ciegamente a los chatbots, lo que odian es un mal servicio, del que las versiones anteriores de los chatbots eran definitivamente culpables. Los agentes conversacionales de hoy en día son mucho más sofisticados, y más de un cuarto de los consumidores no se sienten seguros de su capacidad para distinguir entre agentes humanos y de IA, y algunos incluso perciben a los chatbots de IA como mejores en tareas seleccionadas que sus homólogos humanos.

En pruebas piloto, mi empresa ha visto a los agentes de IA triplicar las tasas de conversión de leads, lo que es una indicación bastante poderosa de que no se trata de si es un bot o no, sino de la calidad del trabajo realizado.

Mito 2: Los chatbots son demasiado arriesgados

En discusiones con líderes empresariales sobre la IA, surgen preocupaciones sobre alucinaciones, protección de datos y sesgo que podrían llevar a violaciones regulatorias. Aunque son riesgos legítimos, todos pueden mitigarse a través de varios enfoques: afinación, generación mejorada con recuperación (RAG) y ingeniería de prompts.

Aunque no están disponibles en todos los LLM, la afinación puede especializar un modelo preentrenado para una tarea o dominio específico, lo que resulta en una IA mejor adaptada a necesidades específicas. Por ejemplo, una empresa de atención médica podría afinar un modelo para comprender y responder mejor a consultas médicas.

La RAG mejora la precisión del chatbot integrando dinámicamente conocimiento externo. Esto permite al chatbot recuperar información actualizada de bases de datos externas. Por ejemplo, un chatbot de servicios financieros podría utilizar la RAG para proporcionar respuestas en tiempo real sobre precios de acciones.

Finalmente, la ingeniería de prompts optimiza los LLM al crear prompts que guían al chatbot para producir respuestas más precisas o conscientes del contexto. Por ejemplo, una plataforma de comercio electrónico podría utilizar prompts personalizados para ayudar al chatbot a proporcionar recomendaciones de productos personalizados basadas en las preferencias y el historial de búsqueda del cliente.

Además de utilizar uno o más de estos enfoques, también se puede controlar la “temperatura” de creatividad de la IA conversacional para ayudar a prevenir alucinaciones. Establecer una temperatura más baja en las llamadas a la API limita a la IA a proporcionar respuestas más determinísticas y consistentes, especialmente cuando se combina con una base de conocimientos que garantiza que la IA se basa en conjuntos de datos especificados y confiables. Para mitigar aún más los riesgos, evite implementar la IA en roles de toma de decisiones donde el sesgo o la información incorrecta podrían llevar a problemas legales.

En cuanto a la privacidad de los datos, asegúrese de que los proveedores de IA externos cumplan con las regulaciones, o implemente modelos de código abierto en su propia infraestructura para retener el control total sobre sus datos, lo cual es esencial para el cumplimiento de la GDPR.

Finalmente, siempre es sabio invertir en un seguro de indemnización profesional que pueda ofrecer una protección adicional, cubriendo a las empresas en escenarios poco probables como la litigación intentada. A través de estas medidas, las empresas pueden confiar en la IA mientras mantienen la seguridad de su marca y sus clientes.

Mito 3: Los chatbots no están listos para tareas complejas

Después de ver los problemas que las grandes empresas de tecnología están teniendo al implementar herramientas de IA, puede parecer ingenuo pensar que una PYME tendría una tarea más fácil. Pero la IA está actualmente en una etapa en la que la frase “maestro de nada y mediocre en todo” no es del todo inexacta. Esto se debe en gran parte a que estas herramientas se les pide que realicen demasiadas tareas diferentes en entornos que no están diseñados para una implementación de IA efectiva. En otras palabras, no es que no sean capaces, es que se les pide que patinen sobre hielo delgado y fracturado.

Por ejemplo, las organizaciones con datos desorganizados o en silos son más propensas a que la IA presente información obsoleta, inexacta o contradictoria. Irónicamente, esto es una consecuencia de su complejidad. Mientras que los chatbots más antiguos simplemente regurgitaban información básica de manera lineal, la IA conversacional puede analizar conjuntos de datos robustos, considerando varios factores influyentes al mismo tiempo para trazar el camino más apropiado hacia adelante.

En consecuencia, el éxito con la IA conversacional depende de parámetros estrictos y límites muy claros con respecto a las fuentes de datos y las tareas. Con los datos de entrenamiento adecuados y prompts diseñados por expertos, la funcionalidad de la IA conversacional puede extenderse mucho más allá del alcance de un simple chatbot. Por ejemplo, puede recopilar y filtrar datos de conversaciones con clientes y utilizarlos para actualizar automáticamente un CRM. Esto no solo simplifica las tareas administrativas, sino que también garantiza que la información del cliente sea consistente y actualizada. Al automatizar tales tareas, las empresas pueden centrarse en actividades estratégicas en lugar de cargas administrativas.

Si vamos a seguir utilizando el término “chatbot”, es imperativo que diferenciemos entre plataformas que incorporan IA conversacional de vanguardia y aquellas que aún ofrecen las herramientas limitadas de ayer. De la misma manera que hoy en día la palabra “teléfono” evoca más la imagen de un smartphone con pantalla táctil que un teléfono de línea de espiral, creo que no estamos lejos de que “chatbot” sea reemplazado por la idea de agentes de IA avanzados en lugar de avatares de múltiple opción anticuados.