El bot se entrena con el contenido concreto del que lo alimentemos, e irá mejorando -vía ese entrenamiento- con el paso del tiempo para que:
- Sea capaz de dar respuesta a nuevas intenciones (nuevas funcionalidades que, por tanto, implican una ampliación del scope del chatbot).
- Identifique nuevas formas de formular una pregunta (de “despertar” una intención).
Tabla de contenidos
Es decir, podríamos decir que contamos con dos tipos de entrenamiento
- El primero, en base a las funcionalidades que identifiquemos que son de interés para los usuarios del chatbot, y que, en la mayoría de los casos, supondrá una ampliación del scope del chatbot.
- El segundo tipo, en base a aquellas formas en las que un usuario del chatbot nos pueda inferir una determinada intención, pero que no habíamos contemplado de forma previa.
[cta]
Suponer que un chatbot va a dar respuesta al 100% de las preguntas, cuando en ocasiones llamas a un call center y no saben contestarte, quizás no tiene mucho sentido. De ahí que un chatbot para atención al cliente se tome como un nivel 1 de soporte, tras el que llegado el momento haya que derivar la conversación a un agente que termine con el caso.
Entrenamiento en base al momento en el que lo llevas a cabo
Ahora bien, al chatbot lo puedes entrenar para mejorar ese % de respuestas (o resoluciones) automáticas. Existe un entrenamiento inicial –que es el más importante puesto que es con lo que vas a salir a mercado–, y de forma recurrente tendrás que hacer un reentrenamiento continuo para incrementar el porcentaje de éxito.
Una vez lanzado el bot, y con los scripts de las conversaciones, tendrás nuevas formas en las que un cliente te formulará sus preguntas, para retroalimentar al motor de NLP. Ahora bien, el incremental de la mejora del entrenamiento se notará más al inicio y, poco a poco, el bot — dentro del scope definido que tiene — será capaz de dar respuesta a más formas en las que un cliente te realiza una pregunta. Es decir, el bot estará cada vez más entrenado.
¿Y qué hay del entrenamiento automático?
¿Entrenamiento automático? Las marcas quieren tener el control sobre lo que dice el chatbot y cómo lo dice. Es normal, al fin y al cabo, es la imagen de la empresa. Ya en 2016, Microsoft lanzó Tay, un bot en Twitter que se retroalimentaba con las respuestas de los twitteros, pues bien, el bot se terminó convirtiendo en un bot racista. No conozco ninguna empresa que quiera asumir este tipo de riesgos.
Entonces, ¿cómo de complicado es el re-entrenamiento del chatbot?
Una herramienta de IA lo que nos dice — en base a lo que le hemos entrenado — es con qué porcentaje de fiabilidad cree que la intención del cliente es una u otra. En aquellos casos en los que por seguridad hayamos definido que si no tiene una fiabilidad superior al 80% no le dé una respuesta automática, podremos ver en un script aquellas propuestas del sistema de IA con una fiabilidad del 60% al 80%, para confirmarle si su suposición era o no correcta para que la siguiente vez sepa tratar dicha pregunta de la forma adecuada. Pero la última palabra, la tendremos nosotros. La tecnología es un facilitador.