La semana pasada, en la primera parte de este artículo, hicimos una primera aproximación al desarrollo y despliegue de chatbots, en un entorno productivo. En esta segunda parte seguiremos con ello, profundizando en aspectos más avanzados.

Construyendo modelos de Inteligencia Artificial propios

Como se ha visto, desde la puesta en marcha de los primeros chatbots, se irían recogiendo datos de las interacciones chatbot-usuario. Así, se irá creando un repositorio de datos de interacción, con diferentes niveles de estructuración.

El tratamiento y análisis de estos datos servirá para la construcción modelos de Inteligencia Artificial propios. Estos serán la base para la creación de Chatbots Neuronales; más adaptados al área de negocio de la empresa y más eficientes a la hora de resolver incidencias.

Figura 3.- Utilizando los datos para la construcción de Chatbots Neuronales

Figura 3.- Utilizando los datos para la construcción de Chatbots Neuronales

Puesta en producción de los Chatbots Neuronales

Tras la construcción y prueba de los Chatbots Neuronales, se incorporarían al ciclo de producción del Contact Center (siguiendo con el ejemplo anterior). Sustituyendo a los Chatbots Lógicos, y solventando un mayor tipo y número de incidencias, con lo que:

Figura 4.- Puesta en producción de los Chatbots Neuronales

Figura 4.- Puesta en producción de los Chatbots Neuronales

Los nuevos tipos de interacción, aumentaría la cantidad y tipología de datos existentes en el repositorio de datos de interacción. Estos nuevos datos, juntos con los ya existentes, se usarían para construir Chatbots Generativos. Un tipo de chatbot capaz de aprender con cada una de las interacciones que va teniendo, ya sea un humano u otra máquina. Así, podrían asumir tareas más especializadas y tener cierta capacidad de improvisación, ante situaciones que no están contempladas en su base de conocimiento.

Su construcción se haría de forma similar a como se hizo con los Chatbots Neuronales; se harían prospecciones periódicas sobre el repositorio de datos y, cuando se viera que hay suficientes datos, se iniciaría la construcción de los mismos.

Figura 5.- Construcción de los Chatbots Generativos

Figura 5.- Construcción de los Chatbots Generativos

Implementando los Chatbots Generativos

A diferencia de como se hizo con los Chatbots Neuronales, la puesta en producción de los Chatbots Generativos no implicaría la sustitución de los Chatbots Neuronales. Su despliegue se haría de forma que hicieran de intermediarios entre los operadores humanos y los Chatbots Neuronales.

Se haría así, porque sus puesta en producción y mantenimiento es más costosa, y porque  su alto grado de especialización y capacidad de improvisación, los hacen ideales para esta función de intermediación.

Figura 6.- Puesta en producción de los Chatbots Generativos

Figura 6.- Puesta en producción de los Chatbots Generativos

Hasta aquí 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 últimos años. Esperamos que os resulte interesante y os sirva para todos aquellos que estéis en ello o pensando en iniciaros en este mundo tan innovador y lleno de posibilidades.

MÁSTER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

https://datahack.es/blog/big-data/desarrollo-chatbots/En artículos anteriores hemos hablado de qué son y como nos entienden los chatbots, que plataformas pueden usarse para construirlos y cuáles de estas son las más interesantes para hacer un desarrollo avanzado de los mismos. Hecho que nos permite avanzar y adentrarnos un poco más en este mundo donde se mezcla la inteligencia artificial (IA) y la integración de sistemas.

En las siguientes líneas os haremos una propuesta, basada en la experiencia que hemos adquirido en los dos últimos años, de como realizar el desarrollo y despliegue de los chatbots en un proyecto de cierta envergadura, de forma gradual, sostenible y en mejora continua.

Mejor empezar con los Chatbots basados en reglas

Lo más óptimo es empezar con el desarrollo e implantación de chatbots de primera generación o Chatbots Lógicos. Estos funcionan con un sistema de diálogos (basado en reglas) y con una inteligencia fundamentada en la lógica, implementada en su código de programación.

Son fáciles de desarrollar, funcionales y capaces de dar servicios a través de varios canales de comunicación, lo que le hace ideales para las fases iniciales de un proyecto, en las que todavía no hay datos del comportamiento de los usuarios.

Con ellos se hará una primera aproximación a la automatización de tareas y se podrán ir recopilando datos, resultantes de la interacción estos con los usuarios, que sirvan para el desarrollo de chatbots más avanzados.

Desplegando Chatbots, una visión estratégica Figura 1.- Esquema de los Chatbots Lógicos en producción

Figura 1.- Esquema de los Chatbots Lógicos en producción

Poniendo como ejemplo un Contact Center de una empresa de comercio electrónico (Figura 1), los chatbots estarían situados en el nivel 1 del mismo, atendiendo a los usuarios por varios canales e interactuando con los sistemas internos de la empresa. También serían capaces de escalar incidencias que no puedan resolver a un nivel 2, donde serían tratadas por operadores humanos.

Los datos de las interacciones chatbot-usuario, se guardarán en un repositorio de datos, por ejemplo, un data lake.

Incorporando Servicios Cognitivos de terceros

Una vez implantados, y comprobada la eficiencia de los Chatbots Lógicos, se podría dotar a los mismos de nuevas funcionalidades (Procesado de Lenguaje Natural, Reconocimiento de Voz, Detección de Imágenes), haciendo uso de servicios cognitivos de propósito general, que son proveídos por empresas como: Google, Microsoft IBM, Amazon u Otros.

Con esto se buscaría un doble objetivo: mejorar la experiencia usuario y aumentar el número y tipo de interacciones chatbot-usuario, de modo que se vayan almacenando una mayor cantidad y tipo de datos, para su posterior análisis.

Desplegando Chatbots, una visión estratégica Figura 2.- Incorporación de Servicios Cognitivos a los Chatbots en producción

Figura 2.- Incorporación de Servicios Cognitivos a los Chatbots en producción

Y hasta aquí, la entrega de esta semana. La que viene seguiremos hablando de como seguir haciendo el despliegue de chatbots avanzados, haciendo uso de los datos recopilados y creando algoritmos de Inteligencia Artificial.

Espero que esta lectura os haya sido interesante,

MÁSTER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento

El pasado jueves, 26 de abril, estuvimos hablando de chatbots. Una charla en la que vimos cuándo y cómo han surgido los bots, cuáles han sido las condiciones y qué circunstancias que han hecho que sean una de las tecnologías más solicitadas en la actualidad y con un futuro prometedor. La charla se organizó en cuatro bloques:

Introducción a los bots

En el primer bloque se introdujo el mundo de los bots, viendo aspectos tales como el momento en el que se han convertido en una tecnología emergente, su definición, historia y los tipos que hay.

Situación actual de los bots

A continuación, vimos dónde se pueden encontrar, cuál es su grado de aceptación, tanto por los usuarios como las empresas, y los cambios recientes, tecnológicos y sociales, que los han convertido en una tecnología de alta proyección y demanda.

Tecnologías para crear bots

En la tercera parte se estuvo hablando de las herramientas y tecnologías disponibles para su construcción y despliegue, viendo también su relación con otras tecnologías como el Big Data y la Inteligencia Artificial.

Nuestros chatbots

En la recta final, se estuvo hablando de los tres Chatbots que se han desarrollado en datahack, contando su funcionalidad y las tecnologías utilizadas para su desarrollo y despliegue. También hubo tiempo para hacer una demo de uno de ellos, Tivisa: un Chatbot de reglas, creado para potenciar los contenidos de una web.

Y al final...

Tras esta demo se hizo una conclusión final, en la que se vieron y comentaron aspectos acerca de su futuro prometedor. Además de ver cuáles serían los próximos pasos a seguir, tanto para los que los quieran utilizar como para los que quieran hacerlos y convertirse en uno de sus artífices.

¡Gracias a tod@s los que estuvisteis aquí, por estar y compartir un viaje tan apasionante!


MÁSTER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

chevron-down