DESPLIEGUE DE CHATBOTS II

La semana pasada, en la primera parte de este art铆culo, hicimos una primera aproximaci贸n al desarrollo y despliegue de chatbots, en un entorno productivo. En esta segunda parte seguiremos con ello, profundizando en aspectos m谩s avanzados.

Construyendo modelos de Inteligencia Artificial propios

Como se ha visto, desde la puesta en marcha de los primeros chatbots, se ir铆an recogiendo datos de las interacciones chatbot-usuario. As铆, se ir谩 creando un repositorio de datos de interacci贸n, con diferentes niveles de estructuraci贸n.

El tratamiento y an谩lisis de estos datos servir谩 para la construcci贸n modelos de Inteligencia Artificial propios. Estos ser谩n la base para la creaci贸n de Chatbots Neuronales; m谩s adaptados al 谩rea de negocio de la empresa y m谩s eficientes a la hora de resolver incidencias.

Figura 3.- Utilizando los datos para la construcci贸n de Chatbots Neuronales
Figura 3.- Utilizando los datos para la construcci贸n de Chatbots Neuronales

Puesta en producci贸n de los Chatbots Neuronales

Tras la construcci贸n y prueba de los Chatbots Neuronales, se incorporar铆an al ciclo de producci贸n del Contact Center (siguiendo con el ejemplo anterior). Sustituyendo a los Chatbots L贸gicos, y solventando un mayor tipo y n煤mero de incidencias, con lo que:

  • Se descarga m谩s a los operadores humanos, que pueden centrarse en casos m谩s concretos y aumentar su grado de especializaci贸n.
  • Mejorar铆a la calidad del servicio prestado.
  • Se crear铆an nuevos tipos de interacci贸n chatbot-usuario
Figura 4.- Puesta en producci贸n de los Chatbots Neuronales
Figura 4.- Puesta en producci贸n de los Chatbots Neuronales

Los nuevos tipos de interacci贸n, aumentar铆a la cantidad y tipolog铆a de datos existentes en el repositorio de datos de interacci贸n. Estos nuevos datos, juntos con los ya existentes, se usar铆an para construir Chatbots Generativos. Un tipo de chatbot聽capaz de aprender con cada una de las interacciones que va teniendo, ya sea un humano u otra m谩quina. As铆, podr铆an asumir tareas m谩s especializadas y tener cierta capacidad de improvisaci贸n, ante situaciones que no est谩n contempladas en su base de conocimiento.

Su construcci贸n se har铆a de forma similar a como se hizo con los Chatbots Neuronales;聽se har铆an prospecciones peri贸dicas sobre el repositorio de datos y, cuando se viera que hay suficientes datos, se iniciar铆a la construcci贸n de los mismos.

Figura 5.- Construcci贸n de los Chatbots Generativos
Figura 5.- Construcci贸n de los Chatbots Generativos

Implementando los Chatbots Generativos

A diferencia de como se hizo con los Chatbots Neuronales, la puesta en producci贸n de los Chatbots Generativos聽no implicar铆a la sustituci贸n de los Chatbots Neuronales. Su despliegue se har铆a de forma que hicieran de intermediarios entre los operadores humanos y los Chatbots Neuronales.

Se har铆a as铆, porque sus puesta en producci贸n y mantenimiento es m谩s costosa, y porque聽 su alto grado de especializaci贸n y capacidad de improvisaci贸n, los hacen ideales para esta funci贸n de intermediaci贸n.

Figura 6.- Puesta en producci贸n de los Chatbots Generativos
Figura 6.- Puesta en producci贸n de los Chatbots Generativos

Hasta aqu铆 nuestra propuesta de como hacer un despliegue de chatbots en un entorno productivo. Como ya os comentamos, la hemos elaborado en base a la experiencia que hemos adquirido en los dos 煤ltimos a帽os. Esperamos que os resulte interesante y os sirva para todos aquellos que est茅is en ello o pensando en iniciaros en este mundo tan innovador y lleno de posibilidades.

M脕STER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendr谩s amplios conocimientos sobre las herramientas y t茅cnicas anal铆ticas necesarias para la modelizaci贸n de los principales retos de negocio, con el fin de mejorar la toma de decisiones a trav茅s de los datos y el conocimiento.

Deja un comentario

Datahack logo