Los asistentes virtuales, más conocidos como chatbots, son muy populares desde que podemos conversar con uno a través de casi cualquier teléfono inteligente. Me refiero a Siri o Google Assistant. Pero en realidad existen desde 1966, cuando aparece el primer software, ELIZA, capaz de imitar un psicoterapeuta… Y como que yo sepa no cotizó, aún sigue sin jubilarse: puedes visitarle en este enlace.
Desde finales de los 60 han evolucionado mucho, y no solo pueden interactuar con nosotros a través del teclado de un terminal. Podemos encontrarlos en webs, en los altavoces para el hogar o en televisiones inteligentes… y a nivel empresarial detrás de muchos teléfonos de atención al cliente. Su inteligencia inicial también ha despegado, desde unas pocas respuestas preprogramadas en función de frases concretas, pasando por la detección de patrones de interlocución a partir de palabras clave, hasta el análisis de intenciones mediante algoritmos de aprendizaje automático, y últimamente mediante técnicas de aprendizaje profundo reforzado, en las que el asistente sigue aprendiendo mientras conversa… o peor aún, escuchando lo que se dice a su alrededor, aunque no se le esté dirigiendo la palabra… Como hacíamos todos de niños escuchando las conversaciones de los mayores. Esto que puede dar miedo con los asistentes domésticos, es tremendamente útil con los de uso empresarial.
Los servicios de aguas no han sido ajenos a esta evolución, conscientes de que un asistente virtual puede reducir los costes de la atención comercial, a la vez que mejorar la experiencia de un cliente cada vez más acostumbrado al uso de la tecnología y con menos tiempo. Especialmente cuando un incidente provoca una avalancha con decenas o cientos de comunicaciones simultáneas, como una helada capaz de congelar los contadores o una lluvia torrencial; y más si se produce en horario nocturno o festivo.
A partir de los años 90 se desarrollaron muchas iniciativas con agentes conversacionales basados en interfaces de texto para web, especialmente en los servicios regulados del Reino Unido. Algunos aún están en uso, otros han desaparecido, o al menos no he podido encontrar la forma de acceder a ellos. Como ejemplos más interesantes comparto los siguientes:
- DEWA Emirates (Rammas)
- Dwr Cymu - Welsh Water (Lili).
- Anglian Water (Amanda).
- Aigues de Barcelona (Aigues Chatbot).
Para probarlos, les he hecho una pregunta sencilla pero seguramente poco habitual. Estos han sido los resultados, ordenados de menos a más satisfactorios:
Lili:
- I'm looking for a job.
- Can I view my bill online? (sin comentarios, aunque me queda la duda de si estaría esperando una cuestión en galés…)
Rammas:
- I'm looking for a job.
- I found below answer which might be interesting to you (con 3 botones sobre empleo, uno de ellos para solicitar trabajo, y otro adicional para temas relacionados).
Amanda:
- I'm looking for a job.
- If you're interested in working for Anglian Water and want to know more about our current vacancies, please consult our Anglian Water Careers page. (Perfecto)
Aigües:
- Estic buscant feina.
- En Aigües de Barcelona queremos contar con los mejores profesionales. Si quieres trabajar con nosotros, envíanos tu CV a través de este enlace. (Perfecto, y aunque introduje la pregunta en catalán, como tenía seleccionada la interface en español me respondió en mi idioma).
Pero no solo podemos verlos en las webs: también hay asistentes capaces de interactuar con el usuario de manera automática, a través todos los canales de texto de una organización: WhatsApp, Twitter, Facebook… Y no solo eso: también en los tradicionales teléfonos de contacto, donde puede que ni siquiera seamos capaces de percibir que hemos tenido una conversación con una máquina, especialmente si se trata de un asunto simple como conseguir una cita. ¿Habremos superado personalmente una prueba de Turing sin saberlo? No es un servicio de aguas sino una peluquería, pero en este vídeo queda claro cómo se desenvolvió hace ya dos años la IA de Google para responder a un cliente pidiendo una cita: juzgue usted mismo.
Los últimos chatbots de este tipo son también capaces de detectar el estado emocional del interlocutor y las preguntas con dobles intenciones, derivando a una atención personal al interlocutor en caso necesario… Por ejemplo si la conversación sube de tono o si simplemente, el llamante tiene dificultades para comunicarse de una manera fluida con el asistente.
Con todo, podemos clasificar los tipos de chatbot según tres criterios:
Por su forma de funcionamiento o tecnología:
- Con filtros que guían al usuario a través de árboles de decisión, al estilo de los tradicionales menús desplegables, que pueden enmascararse mediante botones de contestación rápida que aparecen entre sus respuestas. Realmente usan varios modelos de conversación, cada uno orientado a un propósito, en función de si por ejemplo un cliente quiere contratar un alta, domiciliar un recibo o dar una queja.
- Híbridos, que permiten centrar el tema a tratar mediante botones de elección. Es el más habitual como Rammas de DEWA, la Agencia de Agua y Electricidad de Dubai; y como Lilí en Aguas de Gales, cuyos enlaces están arriba. Si el usuario no centra el tema a tratar con el asistente, este tratará de responder, pero su capacidad para hacerlo es muy limitada.
- De lenguaje natural (NLP), capaces de detectar las intenciones de una cuestión, y centrar el tema de la conversación de forma dinámica e interactiva. Corresponde al tercer y cuarto ejemplo (Amanda, de Anglian Water, y Aigües, de AGBAR).
Por tipo de canal: WhatsApp, Facebook, Twitter, Web, telefónicos… pero también multicanal, cuando un solo chatbot es capaz de atender a través de diferentes interfaces a los usuarios.
Por su forma de aprendizaje:
- Supervisada, a partir de palabras clave o frases que previamente hemos identificado como representativas para centrar el tema de conversación y determinar la intención del interlocutor.
- Reforzada: cuando el modelo es capaz de seguir aprendiendo a través del feedback del interlocutor, midiendo el tiempo que tarda la conversación en llegar a un objetivo, pero también preguntando al cliente si considera que ha recibido una buena atención, o incluso detectando su tono de voz en la despedida. Solamente algunos modelos NLP son capaces de aprender de esta manera. Amanda, de Anglian Water parece hacerlo, porque nos pregunta si estamos satisfechos con su respuesta.
Esto no ha hecho más que empezar: la evolución de estos asistentes es imparable. Pero no una amenaza: ni para la humanidad ni para los trabajadores de atención al cliente. Tienen muchas limitaciones, la principal que carecen de una perspectiva humana de la realidad, necesaria para tratar muchos problemas. Aun así, son muy buenos en las interacciones más rutinarias: informar sobre temas concretos, tomar nota de quejas o incidentes, y resolver pequeñas dudas. Lógicamente esto se puede orientar a reducir los puestos de trabajo del call-center, pero también a mejorar las tareas de esos puestos, descargando aquellas menos gratificantes hacia el asistente virtual.
Pero como no se trata solo de hablar, sino de actuar… vamos con la demostración que acompaña cada post de esta serie. En este caso consta de 3 ejemplos de código Python, que siguen la evolución cronológica de los primeros asistentes: el primero tan simple como poco eficaz: solo reacciona ante preguntas concretas con las que encuentra una coincidencia exacta, pero puede resultar útil como primera aproximación a la programación de estos sistemas. El segundo responde en función de una serie de palabras clave predefinas, que sirven para determinar la intención del interlocutor. Finalmente, el tercero utiliza un clasificador mediante una máquina de vectores de soporte (SVM) para determinar, en base a un modelo de aprendizaje supervisado entrenado con frases habituales, la intención de quien se dirige al servicio de aguas, y por tanto la respuesta más apropiada a lo que realmente quiere. Lo más sorprendente es su respuesta a la última pregunta… parece detectar que si el ciudadano duda de su inteligencia virtual lo mejor es que visite las oficinas del servicio.
Como siempre, los cuadernos Jupyter pueden consultarse en el navegador, y también descargarse para ser ejecutados en local, ó mejor aún, modificados. Para saber cómo, en el segundo post de la serie se indica lo necesario (instalar Anaconda). Si no tiene planes mejores, anímese: merece la pena.
