ChatGPT no es “LA” IA. La IA no “ES” siempre ChatGPT.
En las últimas semanas en conversaciones con clientes hemos detectado la idea extendida de que cada vez que hablamos de IA en el contexto CX, estamos hablando implícitamente de #Chatbots o de #Voicebot; pero no es así.
Tal vez algo de esto lo heredamos de personajes de películas y filmes como “Jarvis” (en Iron Man), “R2D2 o C3PO” (en La Guerra de las Galaxias), o del personaje de Terminator en la misma película, entendiendo que toda IA tiene que ver con “máquinas” o software que realizan conversaciones inteligentes. ¡Pero no! No toda la IA tiene ESE propósito.
Por otro lado: Sí, definitivamente ChatGPT, como cualquier modelo LLM (Large Language Model), utiliza tecnologías de IA y puede considerarse como tal. Pero es importante entender las diferencias generales entre las diferentes tecnologías y aplicaciones de la IA.
En este artículo trataremos de establecer algunas explicaciones entre ellos.
Nota introductoria:
El enfoque de las siguientes líneas no es científico, pero sí apunta a establecer elementos de información para la comunidad del CX, las ventas y el servicio al cliente.
¿Qué es Inteligencia Artificial?
Como definición general, ITNG considera que la IA es la ‘combinación de ciencias, tecnologías y técnicas que imitan o emulan el comportamiento humano del cerebro para procesar simultáneamente y de manera masiva datos (o señales) con un propósito específico; aprovecha las computadoras y las máquinas para imitar las capacidades de resolución de problemas y toma de decisiones de la mente humana’. ¡Punto! (Seguramente hay mejores definiciones, pero esta transmite bien el sentido).
Sobre esa base, las preguntas adicionales comienzan a definir las aplicaciones y los casos de uso de cada IA en un campo determinado. De ahí que la pregunta clave sea: ¿cuál es el objetivo que se persigue? A continuación, algunas preguntas que dan un poco más de marco a diferentes usos podrían ser:
¿Se desea aplicar IA en la observación de imágenes? (IA Visión Computacional)
¿Se desea aplicar IA en la analítica y predicción de datos? (IA en Analítica de Datos)
¿Se desea aplicar IA para extraer datos de las conversaciones naturales en voz o texto? (IA Analítica Conversacional)
¿Se desea aplicar IA para automatizar conversaciones “inteligentes”? (IA Conversacional Generativa)
Y así sucesivamente.
Las diferentes aplicaciones u objetivos que se persigan permitirán utilizar una, varias o todas las ramas o tecnologías de la IA.
Ejemplos de IA que NO son ‘bots de conversación’
Caso 1
Por ejemplo, si una organización desea inspeccionar una línea de producción y detectar defectos o problemas imperceptibles al ojo humano en miles de productos o procesos por minuto, una tarea que sin duda puede superar rápidamente las capacidades humanas, un sistema de Visión Artificial basado en IA puede detectar y proporcionar una gran cantidad de información.
De esta observación computacional y análisis de resultados, se pueden tomar acciones o hacer recomendaciones basadas en la información procesada.
Sí, la visión artificial (o visión computacional) es IA, pero NO es la IA que conversa e interactúa con clientes.
Caso 2
Otro ejemplo es cuando se desea extraer y estructurar datos para la toma de decisiones a partir de las conversaciones que se llevan a cabo en el Contact Center o en los canales digitales y de mensajería instantánea (hay toneladas de información esperando ser descubierta). Allí, miles de datos pueden ser extraídos y analizados de simples llamadas y conversaciones de voz o texto, incluso de los comentarios y menciones que los usuarios hacen en las redes sociales:
¿Cómo hablan los agentes?
¿Cómo responden los usuarios?
¿Qué prácticas pueden ser replicables?
¿Están comunicando la política de privacidad?
¿Están siguiendo el guion diseñado para la atención?
¿Es asertiva la comunicación?
¿Hay demasiados silencios en la conversación?
Esto último es tan relevante que, según Gartner, en 2025 el 90% de los datos almacenados globalmente serán datos no estructurados, basados en grabaciones de audio, imágenes, chats de texto, videos, correos electrónicos, etc., esperando a que la IA aplicada a la Analítica Conversacional extraiga datos, tendencias, patrones y análisis para proporcionar información que permita a las organizaciones tomar decisiones adecuadas y acertadas en pro de sus clientes y del negocio.
¿Ves la diferencia entre la IA aplicada en varios campos y la IA aplicada a bots?
¿Pero y si aún así, quisiéramos emprender un enfoque de automatización?
Automatización en la atención al cliente
Cuando se desea que el proceso de interacción con un humano sea automatizado, ya sea con un cliente externo o un colaborador interno, podría usarse IA Conversacional. ¡Ojo!, no toda automatización implica el uso de IA. Es importante notar que se utiliza la expresión “podría”.
En este sentido, pueden aplicarse algunas técnicas de automatización como:
Automatización con flujos predefinidos.
Automatización con respuestas con identificación o reconocimiento de palabras (en voz o texto).
Automatización o 'bots' con Inteligencia Artificial.
1. Automatización con flujos predefinidos
Existen procesos automatizados que responden a flujos predefinidos de interacción, permitiendo que algunas tareas repetitivas sean realizadas por software o “bots”. No hay aplicación de ninguna técnica o tecnología de IA.
Un buen ejemplo lo encontramos en los sistemas de bots que hay en muchos softwares de omnicanalidad. Allí se puede automatizar la interacción, pero al establecer flujos predefinidos, podrían ser inflexibles al solo presentar opciones tipo botones o números de selección que llevarán a acciones ya prefijadas, como la entrega de enlaces, información, documentos o algunos procesos.
Ejemplos de esto son los IVR en el canal de voz (“marque 1 para ventas, marque 2 para Servicio al Cliente...”) y los bots en canales digitales que emulan la selección de opciones (como Chatbots, WhatsApp, Messenger, entre otros).
2. Automatización con identificación o reconocimiento de palabras
Estos “bots” permiten identificar algunas expresiones que son dichas o escritas por los usuarios, brindando mayor flexibilidad, pero no “entendiendo” en su totalidad la intención del usuario o incluso el contexto en el cual se desarrolla la interacción. Ante un cambio de contexto o intención del usuario, puede quedarse corto y no ofrecer respuestas adecuadas.
Estos utilizan tecnologías de reconocimiento de habla (Speech Recognition) como una función de IA, pero se quedan cortos al no procesar el lenguaje hablado de manera amplia, por lo que sus funciones son limitadas.
Ejemplos de esto son aquellos que piden al usuario decir verbalmente una palabra (como “sí” o “no”) para establecer una confirmación o que requieren escribir frases cortas en los canales de mensajería instantánea, sin permitir la libertad de que el usuario responda de manera natural.
Según Gartner en 2025 el 90% de los datos almacenados globalmente serán datos no estructurados, basados en grabaciones de audio, imágenes, chats de texto, videos, correos electrónicos, etc.
3. Automatización o bots con IA Conversacional
Este tipo de tecnologías ofrecen al cliente atención coherente, inteligente y natural, incluso en todos los canales y puntos de contacto, gracias a la IA conversacional. Entienden las intenciones, contextos y el habla natural del usuario, ya sea en voz o texto. Normalmente se basan en una plataforma de inteligencia artificial conversacional con lenguaje natural diseñada para eliminar la fricción del soporte tradicional y ofrecer una atención al cliente excepcional con la ventaja de la IA.
Ejemplos de estos son los Voicebots (canal de voz) y Chatbots (canales digitales) basados en IA, que escuchan y generan conversaciones naturales, reaccionando a las peticiones e intenciones de los usuarios.
A la vez que mejora la experiencia del cliente con una única vía de acceso para proporcionar un agente virtual de IA inteligente, y un soporte de centro de contacto de agentes humanos, también obtienen una nueva interfaz intuitiva que permite a todos los empleados de su organización crear y mantener agentes virtuales y chatbots basados en IA, sin necesidad de escribir una sola línea de código.
Cada caso de uso puede resolver una necesidad en la organización y todas son aceptadas con distintos niveles de adaptación, para el mejor beneficio tanto del usuario como de la organización.
Sobre la Automatización con IA Generativa (en texto), (ChatGPT y otros)
Hay un tipo de IA Conversacional que se ha popularizado en los últimos meses, conocido como ChatGPT (Generative Pre-trained Transformer, en español Transformador Pre-entrenado Generativo). En realidad, es un robot virtual (Chatbot con IA) que responde en texto a una variedad de preguntas, realiza tareas por escrito y conversa con fluidez, contexto y naturalidad sobre una serie de temas generales.
OpenAI, su fabricante, indica que está “desconectada” de internet y que ha sido preentrenada con cientos de millones de parámetros, lo cual le otorga una capacidad de respuesta bastante elevada.
Sus posibilidades de generar contenido son inmensas, en ocasiones hasta inventado (o generado), no necesariamente cierto o con fuentes de consulta.
Junto con esta, han surgido otras que están en la misma línea de trabajo, como Bard (de Google) o Bing (de Microsoft, que se basa en ChatGPT), que aunque trabajan con LLM diferentes, se dirigen al mismo objetivo.
Una pregunta que surge siempre es: ¿Cómo usar sus capacidades para el beneficio de una organización y su CX?
Al tratarse de un modelo preentrenado, sus datos corresponden principalmente a “cultura general”. Sin embargo, puede ser entrenada para trabajar con datos y documentos corporativos, páginas web, manuales, URL, etc., manteniendo el debido grado de confidencialidad, seguridad y tratamiento de datos.
Así se podría obtener lo mejor de los dos mundos en automatización basado en IA: integrando la IA Generativa con la IA Discriminativa. Apóyate en quienes tengan experiencia y casos demostrados de éxito.
Conclusión
Existe un mundo de posibilidades cuando usamos y hablamos de la IA en el CX, y no es solo de 'ChatGPT'. De éstas existen diversas posibilidades desde la analítica de datos, analítica conversacional, la automatización, la identidad digital, el testeo omnicanal, etc., cada una tiene su espacio en las interacciones con clientes, más aún cuando las conversaciones con ellos son naturales y no estructuradas. Y debemos usarla con equilibrio, siempre propendiendo por los objetivos que sustentan este tipo de proyectos: aumento de ingresos, reducción de costos y mejora en el CX de nuestros clientes.
Ahora sí: ¿Cuál crees que pueda ayudarte en tu mejora de CX?
Nota final: Este artículo NO fue escrito usando ChatGPT...😉
Comments