Chatbots: el nuevo modelo de interacción con SAP

Data Governance

,

Pensamiento de liderazgo

Chatbots: el nuevo modelo de interacción con SAP

Adrián Vaca | jul 17, 2019

Se denomina chatbot a un agente de software capaz de mantener una conversación, ya sea mediante texto o mediante audio, como si se interactuara con una persona. Aunque no se trata de un concepto nuevo, ya que los primeros chatbots, basados en reconocimiento de patrones (expresiones regulares), aparecen en la década de los 60, los avances en inteligencia artificial (AI) permiten hoy día su uso en el contexto empresarial. Los chatbots constituyen un canal innovativo de interacción que nos permite mejorar la experiencia de usuario, dándole respuestas inmediatas mediante lenguaje natural.

Los escenarios de aplicación son múltiples. La interacción puede darse con:

  • Clientes (B2C) como complemento a un sistema CRM.
  • Otros negocios o proveedores (B2B).
  • Propios empleados (B2E).

El valor real de los chatbots aparece cuando los integramos con los sistemas donde residen los procesos de negocio, como SAP, y permitimos al usuario realizar consultas al sistema mediante lenguaje natural de una forma mucho más amigable, por ejemplo, dudas sobre una factura de un cliente o el estado de una incidencia.

En este último contexto en Techedge estamos desarrollando diversos chatbots integrados con los procesos de negocio en SAP, entre ellos el Nomibot, para ayudar a los empleados con sus cuestiones relativas a la nómina y compensaciones en general.

Casos de uso de chatbots

Un chatbot aportará el mayor valor al negocio cuando se emplee para realizar tareas repetitivas y de bajo valor que normalmente realizaría un empleado. Con esto se libera al empleado para que pueda realizar tareas de más esfuerzo intelectual, que aportan el verdadero valor al negocio. Un ejemplo sería liberar a empleados de Recursos Humanos para que puedan pasar más tiempo evaluando candidatos y menos respondiendo a preguntas sobre compensaciones.

Sin embargo, este no es el único caso en que al negocio le puede interesar un chatbot. Podríamos optimizar la plantilla de un callcenter usando un chatbot que gestione las incidencias del servicio más comunes, o en periodos de corte masivo del servicio. Por otra parte, también podríamos ofrecer a nuestro clientes un servicio de compra guiada, combinando nuestro chatbot con un sistema de recomendaciones basado en Machine Learning (ML).

No se puede dejar de destacar que, a pesar de los avances en AI conversacionales, todavía no estamos hablando de una inteligencia artificial completa del estilo que vemos en películas de ciencia ficción. Por supuesto podemos dar una “personalidad” a nuestro chatbot, hacerlo amigable y establecer casos de usos para conversaciones de poca relevancia como el tiempo; pero el foco principal deben ser los casos de uso del negocio.

Creación de chatbots

SAP Conversational AI (antes recast.ai) ofrece una plataforma cloud para la construcción de chatbots y su integración mediante diversos canales. Para ello se basa, como parte principal, en un motor de Natural Language Processing (NLP) que permite extraer diversa información a partir de las expresiones empleadas en la conversación. Además, permite definir el flujo de conversación mediante la herramienta gráfica Bot Builder, que además puede integrarse con llamadas REST a uno o varios backends. Arquitecturalmente, no es la única opción, ya que se podría implementar toda la lógica del chatbot fuera de la plataforma (tanto en la nube como on-premise), con Node.js por ejemplo, y usar las APIs de SAP Conversational AI (siempre en la plataforma Cloud de SAP) para que apliquen el procesamiento NLP.

Natural Language Processing es una disciplina amplia en la inteligencia artificial que no puede cubrirse por completo en este artículo. Si bien, las principales técnicas que aplica SAP Conversational AI son la clasificación supervisada de intenciones, intents, del usuario (segmentación y reconocimiento de temas) y el reconocimiento de entidades (Named Entity Recognition): las partes de información en las expresiones que son relevantes para la intención de la conversación: personas, lugares, conceptos propios del negocio o caso de uso, etc.

Además de estos dos conceptos, intents y entities, que se entrenan a partir de un cuerpo de expresiones, SAP Conversational AI es capaz de ir más allá sin entrenamiento adicional para ciertos idiomas con soporte avanzado: español, inglés, alemán y francés en la fecha actual. Para estos, tenemos Gold Entities, como la detección de expresiones temporales, espaciales (distancia), personas, lugares, organizaciones, cantidades monetarias, … Estas Gold Entities no solo reconocen estas expresiones sino que además las enriquecen con detalles como la granularidad de las expresiones temporales o las coordenadas de una localización.

Adicionalmente, para los idiomas con soporte avanzado, SAP Conversational AI puede detectar información sobre la positividad o negatividad de las expresiones (sentiment analysis) o el modo gramatical (¿es una afirmación, una orden o una pregunta?). En el caso de las preguntas, además, de qué tipo (question classification): cuestiones sobre cantidad, localización, procedimiento a seguir, descripción, etc. Como cabría esperar, tanto para los idiomas con soporte avanzado como para otros con soporte simple, SAP Conversational AI es capaz de detectar el idioma.

chatbots

Como hemos introducido, podemos hacer una clara distinción entre la inteligencia artificial de nuestro chatbot, el motor NLP, y su lógica o flujo de conversación. De cara a obtener una conversación satisfactoria, debemos evaluar la calidad de ambas. SAP Conversational AI provee de herramientas de monitorización y análisis que permiten comprender la calidad del reconocimiento de intents y entidades. La herramienta de benchmark permite obtener varias métricas, entre las que cabe destacar la matriz de confusión, para conocer qué tan bien se detectan y clasifican. Estas pruebas pueden lanzarse contra los propios set de datos de entrenamiento, o del modelo entrenado contra otro set de datos (cuerpo de expresiones) adicional.

Aunque la clasificación de intents y entidades es crucial, no podemos detenernos ahí. También debe evaluarse el flujo de conversación. Para ello, en tiempo de diseño habría que establecer unas “conversaciones perfectas” para el caso de uso, idealmente con un número bajo de interacciones que puedan mantener la atención del usuario. Una vez desplegado el chatbot, podemos muestrear las opiniones de los usuarios ofreciendo evaluaciones con métricas como la Mean Opinion Score (de 1 a 5 estrellas) introducida originalmente en el sector de las telecomunicaciones y ubicua hoy día.

Una vez desplegado el chatbot será necesario un cierto mantenimiento si queremos que la experiencia continúe siendo satisfactoria. Tanto la tendencia de uso y forma de comunicarse de los usuarios puede cambiar, como la propia terminología y procesos del negocio; lo que se traducirá tarde o temprano en la necesidad de ajustar tanto la definición de intents y entidades como, quizá, los flujos de conversación. Habremos de ser siempre cuidadosos de no sobreentrenar (dar demasiados ejemplos a) estos modelos de reconocimiento para que sigan siendo, no solo potentes, sino también fiables.

Tanto si queremos mejorar la experiencia de nuestros clientes como aumentar la productividad de nuestros empleados, los chatbots son una solución económica y fácilmente escalable, con disponibilidad 24/7. En Techedge, como partner de SAP, apostamos por la innovación sobre procesos de negocio SAP y no SAP. ¿Chatbots? ¿RPA? ¿Inteligencia artificial? Te ayudamos con tu transformación digital.

 

Consigue una verdadera transformación digital

Desde Techedge, debido a nuestra amplia experiencia, nos ofrecemos a ser tu partner en este proceso clave de una adecuada transformación digital. 

¡Quiero saber más!

¡Suscríbete!