Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the wp-user-avatar domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /home/planetac/public_html/wp-includes/functions.php on line 6114
Análisis de riesgos – RASA 💜 - Planeta Chatbot

¡Hola gente! Hoy vengo a hablar sobre algo que sucede mucho en nuestro desarrollo diario de Chatbots en RASA. Sabemos que trabajar con ML requiere una construcción muy sólida del corpus, con mucha calidad, revisión y métricas. Pero, ¿quién no ha sido nunca para hacer una alteración que parecía muy sencilla y acabó pasando días y días entre algunos errores que aparecieron por el camino? Sucede, ¿verdad?

Entonces, estoy aquí para compartir algunas cosas que me ayudaron a planificar mi trabajo de curaduría, reduciendo posibles errores. Primero, a la hora de analizar conversaciones, es importante anotarlo en una hoja de cálculo y luego generar una recopilación de las mejoras a realizar. Al priorizar un conjunto de ajustes para realizar a la vez, minimizamos los errores y obtenemos más control sobre lo que se está optimizando en el bot. Cuando cambiamos todo demasiado entrecortado, tenemos una alta incidencia de esfuerzo innecesario.

Lo ideal es documentar TODO, SIEMPRE. Lo que entra, lo que sale, lo que queda en análisis, lo que queda para el futuro. Luego, comparamos las métricas de curación antes y después de los cambios. Además, tenemos que abusar de todos los recursos de RASA TEST y otro tipo de pruebas que podamos aplicar. Sin una compilación que cubra todo nuestro corpus con casos de prueba automatizados, pueden surgir errores muy graves que afecten la experiencia de nuestros usuarios de manera muy negativa.

Muy bien, después de toda esta contextualización, ahora acerquémonos al análisis de riesgo para Rasa. También noté que muchas veces iniciamos una tarea con mucha certeza de que será algo sencillo de implementar. “Oh, lo hago en 30 minutos”. Y, estos 30 minutos se convierten en horas, días, semanas… Precisamente, porque no reflexionamos profundamente sobre la sensibilidad del entrenamiento en el modelo RASA. Si tenemos un corpus grande con más de 70 intents / stories, acciones, flujos transaccionales y todo lo demás, tenemos que hacer un análisis de riesgo sobre lo que vamos a cambiar y qué impactará en nuestro corpus. Entonces, creé una tabla muy simple para recordarme hacer esta reflexión obligatoria cada vez que repase algún detalle del bot.

La idea no es simplemente entrecerrar los ojos y decir: tengo que hacer un cambio de historia, ¡alto riesgo! Pero, unir los pasos de la tarea. Tengo que insertar contenido nuevo (total + intención + historia), por lo que tengo un riesgo bajo + medio + alto. Cuando planifique esto dentro de Sprint, evaluaré cada cambio dentro del código y recopilaré los riesgos para estar al tanto del tiempo que tomará hacer esta implementación y también los posibles errores que se puedan generar para que tengamos un poco más tiempo si lo hacemos, necesitamos hacer algunas correcciones que surgen en el camino. Este análisis mejoró enormemente mi desarrollo en RASA, porque dejé de ver el negocio de una manera milagrosa en base a mi expectativa de querer ARREGLAR TODO DE INMEDIATO! ja ja ja

¡Estás ahí! Si tienes  otras técnicas y consejos que ayuden a aportar más calidad al desarrollo de RASA, comenta aquí 💜. Y, en la siguiente, traeré algunas BUENAS PRÁCTICAS más detalladas que he estado recopilando y aplicando en mi trabajo basado en el mandala UX.

Por Paloma Mamede

Experta en Chatbot con experiencia en tecnologías Rasa y Watson Portfolio: https://www.clippings.me/palomacmamede

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *