yoizen.com Open in urlscan Pro
2a06:98c1:3120::3  Public Scan

Form analysis
0 forms found in the DOM

Text Content

Ir al contenido
 * Soluciones
   * Automatización
   * Atención al Cliente
   * Atención a Empresas
   * Notificación y Gestión
   * Soluciones para Ventas
 * Productos
   * ySocial
   * yFlow
   * ySurvey
   * WhatsApp Business Platform
 * Historias de Éxito
 * Nosotros
 * Blog
 * Contacto

Menú
 * Soluciones
   * Automatización
   * Atención al Cliente
   * Atención a Empresas
   * Notificación y Gestión
   * Soluciones para Ventas
 * Productos
   * ySocial
   * yFlow
   * ySurvey
   * WhatsApp Business Platform
 * Historias de Éxito
 * Nosotros
 * Blog
 * Contacto

 * Yoizen Suite
   * Productos
     * Automatización
     * Atención al Cliente
     * Atención a Empresas
     * Notificación y Gestión
     * Soluciones para Ventas
   * Soluciones
     * WhatsApp Business Platform
     * ySocial
     * yFlow
     * ySurvey
 * Historias de Éxito
 * Nosotros
 * Blog
 * ¡Hablemos!

Menú
 * Yoizen Suite
   * Productos
     * Automatización
     * Atención al Cliente
     * Atención a Empresas
     * Notificación y Gestión
     * Soluciones para Ventas
   * Soluciones
     * WhatsApp Business Platform
     * ySocial
     * yFlow
     * ySurvey
 * Historias de Éxito
 * Nosotros
 * Blog
 * ¡Hablemos!


Wiki
 * Soluciones
   * Automatización
   * Atención al Cliente
   * Atención a Empresas
   * Notificación y Gestión
   * Soluciones para Ventas
 * Productos
   * ySocial
   * yFlow
   * ySurvey
   * WhatsApp Business Platform
 * Historias de Éxito
 * Nosotros
 * Blog
 * Contacto

Menú
 * Soluciones
   * Automatización
   * Atención al Cliente
   * Atención a Empresas
   * Notificación y Gestión
   * Soluciones para Ventas
 * Productos
   * ySocial
   * yFlow
   * ySurvey
   * WhatsApp Business Platform
 * Historias de Éxito
 * Nosotros
 * Blog
 * Contacto


Wiki
 * VOLVER




HACIENDO UN ASISTENTE VIRTUAL EN LA ERA POST CHATGPT

ALEXANDER DITZEND

ARTIFICIAL INTELLIGENCE SPECIALIST

 * 5 min

 * 16/03/2023


 * Atención al Cliente Bots CX Novedades




SE ABRIÓ UNA NUEVA ERA EN EL DESARROLLO DE CHATBOTS. TODO LO QUE SABEMOS HACER
AL RESPECTO AHORA PARECE PREHISTÓRICO.

Los grandes modelos de lenguaje (LLMs, por sus siglas en inglés) vienen
superándose a sí mismos desde hace varios años. La idea detrás de estos modelos
es aprovechar toda la data disponible en formato digital y público para
alimentar un solo modelo generalista.

El camino recorrido por los asistentes virtuales tiene tres fases evidentes. De
acuerdo a las tecnologías de base utilizadas podemos clasificarlas en
generaciones:

 * Primera Generación: Marcada por la interpretación de lenguaje mediante
   botones, opciones de letras o números o palabras clave. Sin presencia alguna
   de machine learning.
   
   
 * Segunda Generación: Caracterizada por la creación de modelos de lenguaje
   compuestos por intenciones y entidades, que son una forma de modelar lo que
   un usuario necesita. Por ejemplo “quiero obtener un préstamo para comprarme
   una tele” se modelaría con la intención «Solicitar_Producto» y la entidad
   «PRODUCTO=PRESTAMO_PERSONAL».
   
   
 * Tercera Generación: Basados en los grandes modelos de lenguaje (LLMs, por sus
   siglas en inglés).



Gracias al constante aumento de la capacidad de cómputo, estos modelos pudieron
trazar relaciones cada vez más complejas entre conceptos sin que una persona
tenga que enseñárselas.

Pero el público general entró en contacto con esta tecnología a partir del 30 de
noviembre de 2022 cuando ChatGPT salió a la luz gratis, alcanzando el millón de
usuarios en cinco días. Algo que a Netflix le costó tres años y medio.

Salvo algunas tareas específicas, los LLMs no han logrado modificar la
estructura general de un asistente virtual en los últimos años. Todas las
conversaciones eran modeladas con reglas, intenciones, forms, slots y entidades.
Luego de mucho trabajo lográbamos un asistente virtual útil dentro del campo de
uso para el que fue diseñado. También se requería mucho esfuerzo de
mantenimiento diario analizando conversaciones para agregar ejemplos de lenguaje
al modelo o diseñar flujos nuevos.

En un proyecto de tercera generación todo ese trabajo se reduce fenomenalmente
permitiendo una salida al mercado mucho más rápida.

Para sacar el máximo provecho de estos nuevos modelos hay que desarrollar una
nueva capacidad dentro de los equipos de desarrollo de asistentes virtuales
vinculada a la optimización del comando que le vamos a enviar al modelo. Una
sola palabra en la dirección correcta puede modificar drásticamente la respuesta
obtenida, ahorrando mucho dinero en proyectos de gran envergadura. Tan
importante es esta tarea que tiene nombre propio: Prompt Engineering. Y podría
tranquilamente convertirse en una de las habilidades más buscadas de los
próximos años.

Pero tener el equipo más avanzado de prompt engineers para clasificar si un
usuario quiere adquirir un préstamo o saber dónde está la sucursal más cercana
es equivalente a usar un camión de bomberos para regar una maceta.


Y ENTONCES, ¿CÓMO LO USAMOS?

El primer paso es entender que un modelo de lenguaje de segunda generación no
tiene casi nada que ver con un LLM. Estos son algunos de los aspectos clave que
tenemos que entender para sacar el máximo provecho:

 * Un LLM se consume por API. Es inviable tenerlo corriendo en un servidor
   propio. Hay que prestar atención entonces a no sacar de nuestro entorno
   seguro datos sensibles de nuestros usuarios o que viajen por un túnel
   encriptado.
   
   
 * Todos los LLMs están entrenados en varios idiomas. Armar modelos para cada
   idioma ya no es necesario. Además podemos pedirles que hablen como los
   habitantes de un lugar específico. Incluso el usuario puede usar varios
   idiomas durante la misma sesión.
   
   
 * Los LLMs tienen cierto poder de razonamiento. Sin necesidad de código podemos
   indicarles que usen herramientas como búsqueda online o en una base de
   conocimientos. También podemos procesar textos largos que mezclen varias
   intenciones.
   
   
 * La mayoría son generativos. Con el debido cuidado los podemos usar para
   inventar palabras nuevas, nombres de marcas, poesías o cualquier pieza de
   texto que necesitemos.
   
   
 * Pueden resumir textos extensos. Esto significa que podemos hacerles preguntas
   sobre un conjunto de libros y el modelo comenzará a buscar en el resumen del
   resumen del resumen la respuesta correcta. Algo exponencialmente más rápido
   que iterar letra por letra hasta encontrar una similitud.
   
   
 * Consumen gran cantidad de recursos de cómputo y cuando hay picos de uso los
   servicios que proveen el acceso a estos modelos se caen. A veces por varias
   horas.




En Yoizen tuvimos que enfrentar todos estos desafíos para poder darle acceso a
todo el potencial de los grandes modelos de lenguaje a nuestros clientes con
cuatro líneas clave:

 * Seguridad: Generamos una capa de control que filtra mensajes de usuarios
   maliciosos que podrían engañar al modelo para hacer que emita un mensaje
   nocivo para nuestro cliente. Además creamos una “jaula” dentro de la cual el
   modelo solo puede generar respuestas autorizadas por los equipos de marketing
   y comunicación, ajustándose a los mismos estándares que un agente humano.
   
   
 * Veracidad: Desarrollamos servicios para lograr que los modelos solo contesten
   a partir de una base de conocimientos. O sea que las respuestas que emite el
   asistente provengan de documentación o bases de datos del cliente y no de el
   conocimiento con el que fue entrenado el modelo, que puede estar muy
   desactualizado o en algunos casos completamente incorrecto.
   
   
 * Branding: Es importante que el asistente mantenga la personalidad de la marca
   usando los modismos, el tono discursivo y hasta la cantidad de emojis para
   generar una experiencia homogénea en todos los canales.
   
   
 * Robustez: Diseñamos una arquitectura en cascada que llama a un modelo
   suplente cuando el principal tiene problemas técnicos para no demorar la
   respuesta al usuario.


Con estas ideas en mente podemos pensar soluciones nuevas con muy poco esfuerzo
de desarrollo comparado con la generación anterior.


MEMORIA Y CONTEXTO

Ahora podemos pedirle al modelo que interprete el significado de un mensaje del
usuario dentro del contexto de la conversación, recordando todo lo que se dijo
antes. Este era un desafío casi imposible de modelar en la era previa.

Frases que hacen referencia a un elemento previo de la conversación como:

 * “¿y para cuando va a estar listo?”
 * “¿y el más grande de todos cuánto me saldría?”
 * “me gustaba más el anterior”
 * son ahora atacables mediante «prompt engineering», o sea, diseñando con
   astucia cómo le vamos a plantear el problema al LLM.


BÚSQUEDA POR SIGNIFICADO

Más conocida como búsqueda semántica, se caracteriza por extraer el significado
de un mensaje y acceder a una base de significados. En ningún momento utiliza
identificadores, índices o palabras. Esto es posible gracias a modelos que
convierten una frase en una serie de números llamada vector. Y si podemos
convertir un mensaje de un usuario en un vector también podemos convertir toda
una página web en una serie de vectores para guardarlos en una base de datos
vectorial. Un LLM toma el vector del mensaje entrante, lo usa para bucear dentro
de la base de vectores y cuando obtiene aquellos vectores relevantes para
formular una respuesta utiliza todo su entrenamiento en lenguaje natural para
armar una respuesta que usa palabras propias, distintas a las que había
originalmente en la página web, como si fuera una persona.

Siempre que hacemos una búsqueda en una página web, en un documento o en un
archivo pensamos en que coincidan las palabras que buscamos con las que están
presentes en el texto. Gracias a los nuevos modelos de lenguaje las palabras que
usa el usuario se convierten en un significado, esto implica que todos los
usuarios de diferentes nacionalidades buscando lo mismo pueden usar sus propias
palabras y el resultado va a ser el mismo, sin que nadie de nuestro equipo de
mantenimiento tenga que estar agregando sinónimos y lugarismos todos los días.
Los sinónimos y lugarismos ya están dentro de los modelos, de ahí reciben el
nombre de grandes modelos de lenguaje.

Estamos frente a un cambio de gran magnitud en la forma en que los humanos nos
comunicamos con las computadoras. En los próximos meses vamos a poder tener
conversaciones con asistentes de manera totalmente natural, usando nuestra voz,
fotos, videos y documentos y vamos a recibir exactamente la respuesta que
necesitamos, sin la fricción o espera a la que estamos acostumbrados hoy,
liberando tiempo para aspectos más interesantes de nuestras vidas. La misión de
Yoizen es cocrear ese futuro junto a sus clientes.

PS: Partes de este artículo fueron escritos con la ayuda de GPT-4

Un ejemplo:

Alexander

GPT-4

¿Ya comenzaron a explorar el uso de Chatgpt en tu empresa? ¿Quieres saber más
sobre el potencial de esta tecnología para tu negocio? ¡Hablemos!

TAGS:


AI ARTIFICIAL INTELLIGENCE CHATBOTS CHATGPT CHATGPT-4 IA INTELIGENCIA ARTIFICIAL
LARGE LANGUAGE MODELS LLM



SUSCRÍBETE
A NUESTRO BLOG

Recibe todas nuestras novedades
en tu email.



SUSCRÍBETE
A NUESTRO BLOG

Recibe todas nuestras novedades
en tu email.




ARTÍCULOS RELACIONADOS


5 HACKS PARA GENERAR MÁS VENTAS EN LA TEMPORADA DE DESCUENTOS

 * Bots Ventas WhatsApp


 * 5 min

 * 14/09/2023

Lee el artículo


CX DAY MÉXICO 2023: EX Y CX EN LA ERA DE LA IA Y LA DIGITALIZACIÓN

 * Atención al Cliente Bots CX Novedades


 * 5 min

 * 26/07/2023

Lee el artículo


CÓMO ESCALAR TUS VENTAS CON GPT EN WHATSAPP

 * Atención al Cliente Bots CX Ventas WhatsApp


 * 3 min

 * 26/07/2023

Lee el artículo

Yoizen © 2023 —Todos los derechos reservados.

Términos y Condiciones | Política de Calidad |

Políticas de Privacidad

Seguinos



Yoizen tiene certificado su
sistema de gestión de calidad
según norma IRAM-ISO 9001:2015
con RI-9000-14480