Construir relaciones con los clientes con IA conversacional

En asociación con Fuerza de ventas

Todos hemos estado allí. Escuche todo nuestro menú ya que nuestras opciones han cambiado. Diga o presione uno para obtener información sobre el producto... A veces, estas experiencias de servicio al cliente automatizadas son efectivas y eficientes; otras veces, no tanto.

Muchas organizaciones ya están utilizando chatbots y asistentes virtuales para ayudar a servir mejor a sus clientes. Estos agentes de autoservicio inteligentes y automatizados pueden manejar las preguntas frecuentes, proporcionar artículos de conocimiento y recursos relevantes para abordar las consultas de los clientes y ayudar a los clientes a completar formularios y realizar otros procedimientos de rutina. En el caso de consultas más complejas, estos agentes de autoservicio automatizados pueden clasificar esas solicitudes a un agente humano en vivo.

Durante tiempos de incertidumbre y emergencia, las operaciones de servicio al cliente impulsadas por inteligencia artificial (IA) pueden ser invaluables para las empresas, ya que ayudan a los centros de atención al cliente o de recursos humanos a mantenerse al día con los picos de demanda y reducir los tiempos de espera y la frustración de los clientes. Según estimaciones recientes, Gartner predice que para 2022 , el 70% de las interacciones con los clientes involucrarán tecnologías emergentes como aplicaciones de aprendizaje automático, chatbots y mensajería móvil. Eso es un aumento del 15% desde 2018.

En este tipo de interacciones conversacionales, los chatbots de IA pueden ampliar el alcance del servicio al cliente de una organización y mantener un nivel de reciprocidad con sus clientes, dice Greg Bennett, director de diseño de conversación en Salesforce. También existe la oportunidad de que la empresa exprese su marca, su voz y su tono a través de las palabras y el lenguaje que utiliza para crear un mayor grado de intimidad. Bennett está profundamente involucrado en la capacitación de sistemas de IA que potencian los chatbots conversacionales y garantiza que sean inclusivos y capaces de comprender una amplia gama de dialectos, acentos y otras expresiones lingüísticas.

El uso de la automatización de la IA no solo se está generalizando, sino que también está demostrando ser un impulsor comercial importante. Gartner anticipa que en 2021, el aumento de IA generará $ 2,6 billones en negocios valor. También podría ahorrar hasta 6.200 millones de horas de trabajo.

Inteligencia conversacional definida

De acuerdo a investigación llevada a cabo por la consultora de gestión Korn Ferry, la inteligencia conversacional es un esfuerzo colaborativo. Y ese esfuerzo colaborativo es la reciprocidad de dos participantes para comunicarse de manera que lleve a un concepto compartido de la realidad. Eso cierra la brecha entre la realidad individual de los dos oradores y ayuda a las empresas a ayudar a los clientes.

Con eso en mente, Salesforce y otras empresas han llevado ese concepto un paso más allá al buscar formas de combinar la inteligencia conversacional con la tecnología. De hecho, a través de estos esfuerzos, la inteligencia conversacional impulsada por IA ha mejorado enormemente con el tiempo. Esto comenzó con el reconocimiento de texto simple en el que es bastante fácil lograr un grado significativo de precisión. Pero el reconocimiento de texto puede ser algo bidimensional, razón por la cual la investigación ha progresado para incluir el reconocimiento de voz automatizado. Los sistemas de reconocimiento de voz automatizados deben tener en cuenta diferentes idiomas, acentos e inflexiones acústicas, lo cual es mucho más difícil y matizado. A medida que los algoritmos de IA se han vuelto más sofisticados y han tenido el tiempo y la experiencia para incorporar más variaciones lingüísticas, la tecnología de IA ha mejorado su capacidad para comprender con precisión las sutilezas más profundas de las interacciones conversacionales humanas.

La inteligencia conversacional es la constelación de características y tecnologías que permiten que los humanos y las máquinas se turnen para intercambiar lenguaje y trabajar para lograr un objetivo discursivo, dice Bennett.

Estos sistemas de inteligencia artificial centrados en la lingüística utilizan una serie de tecnologías diferentes para comprender las interacciones escritas y habladas con los humanos. Algunos de estos incluyen lo siguiente:

• Reconocimiento de voz automatizado, que se utiliza para comprender el lenguaje hablado para los sistemas de voz;
• Procesamiento del lenguaje natural, que ayuda a las computadoras a comprender, interpretar y analizar el lenguaje hablado y escrito; y
• Comprensión del lenguaje natural, lo que hace posible que la IA comprenda la intención.

Yendo mucho más allá del simple reconocimiento de texto, la comprensión del lenguaje natural es donde la IA realmente está aportando sus puntos fuertes. Al facilitar una conversación más profunda y matizada, aumenta la eficacia de las interacciones humano-IA. Cuando un sistema de servicio al cliente impulsado por IA está mejor equipado para reconocer y discernir el lenguaje natural con menos errores, puede guiar a un cliente a través de una interacción completa sin tener que contratar a un agente de servicio humano. Esto libera a los agentes para que se concentren en casos más complejos.

Y el uso de estas capacidades en entornos de servicio al cliente puede ayudar a las empresas no solo a agilizar y mejorar las interacciones con sus clientes, sino también a mejorar la relación general con el cliente. Si podemos tener una máquina que ayude a facilitar ese tipo de interacción entre una empresa y un cliente, entonces ayuda a construir una relación con ese cliente de una manera que no lo haría un artículo de ayuda, dice Bennett.

Y cuanto más interactúa un sistema de IA con los humanos, más efectivos se vuelven sus algoritmos. Al interactuar con humanos, un sistema de IA puede recopilar los datos necesarios para mejorar la comprensión del lenguaje natural para comprender mejor la intención, lo que ayuda a facilitar conversaciones entre humanos y computadoras más matizadas. La interacción humana también ayuda a estos sistemas de IA a mejorar el reconocimiento y las capacidades predictivas para ofrecer contenido más personalizado. Al aprender las muchas formas en que las personas se comportan e interactúan, la respuesta del sistema se vuelve más precisa.

Los algoritmos de IA absorben, procesan y analizan los conjuntos de datos introducidos en el sistema utilizando sus propias ecuaciones específicas. Este procesamiento se realiza en una de dos modalidades básicas: supervisado o no supervisado. En la mejora supervisada, los conjuntos de datos tendrán un valor o categoría objetivo asignado. En la mejora no supervisada, el algoritmo analiza el conjunto de datos por sí solo sin orientación ni restricciones.

A medida que reciben y procesan más datos, los algoritmos evolucionan, adaptan y mejoran sus modelos analíticos. Entonces, los algoritmos mejoran y se refinan en función de la calidad y la cantidad de datos procesados. Hay nociones de que la IA puede obtener distintas intenciones, alcance y contexto al interactuar con los humanos, dice Bennett. Estas mejoras incrementales en la capacidad predictiva y la profundidad de la comprensión aumentan la eficiencia de la participación del cliente.

Apreciar los desafíos lingüísticos

Aunque el procesamiento del lenguaje natural ha recorrido un largo camino, la tecnología de reconocimiento de voz automatizado continúa enfrentando desafíos para reconocer la gama completa de variaciones lingüísticas. Existen todos estos diferentes acentos ingleses, todos ellos son robustos y válidos y deben celebrarse, dice Bennett. Otras variaciones lingüísticas que desafían a la IA incluyen diferentes argots o expresiones coloquiales para transmitir significados similares y otras características paralingüísticas como el tono, la entonación, el ritmo, las pausas y el tono.

Es fundamental ayudar a la IA a gestionar los niveles inherentes de sesgo presentes en el sistema y expandirse para reconocer la gama completa de variaciones lingüísticas. Estas mejoras incrementales en la capacidad predictiva de los algoritmos de IA ayudan a mejorar la experiencia del cliente al reducir la cantidad de intercambios de ida y vuelta y los momentos de frustración provocados por la falta de un reconocimiento preciso.

Pero estos esfuerzos y avances presentan ciertos acertijos éticos. Considere, por ejemplo, cómo se representan las minorías en los conjuntos de datos de entrenamiento o, más exactamente, cómo no se representan. Los conjuntos de datos más utilizados excluyen expresiones más diversas de dialecto e identidad social. Garantizar una representación diversa en los equipos que desarrollan tecnologías de IA es un paso fundamental hacia el desarrollo y la evolución de algoritmos de IA para reconocer una gama más amplia de expresiones lingüísticas.

Ahora que la IA es capaz de permitir un mayor grado de variación, debería poder dar cuenta de una relevancia contextual más amplia y ser más inclusiva. Si bien la conversación y el idioma son el conducto, corresponde a los humanos que trabajan con sistemas de inteligencia artificial continuar considerando la accesibilidad en todos los dialectos, acentos y otras variaciones estilísticas.

Las minorías subrepresentadas tienen muy poca representación de su dialecto y la expresión de su identidad social a través del lenguaje en estos sistemas. Se debe principalmente a su falta de representación entre los equipos que crean la tecnología, dice Bennett. Asegurarse de que las empresas que desarrollan e implementan sistemas de IA traigan equipos más diversos a la mezcla puede ayudar a resolver ese sesgo inherente.

Los sistemas de IA tienen la capacidad de permitir un mayor grado de variación. Cuando los sistemas puedan interpretar con precisión esas variaciones y generar una respuesta contextualmente relevante, la IA habrá evolucionado más que nunca. Allí es realmente a donde creo que nos ha llevado la evolución [del campo], dice Bennett.

Por supuesto, eso no quiere decir que no haya otras preocupaciones éticas y prácticas en torno al uso ampliado de la IA. Las preocupaciones por la privacidad, la responsabilidad, la transparencia y la delegación precisa y adecuada de los procesos de decisión siguen siendo relevantes. Y luego está el uso ético de las grabaciones de voz. Es un campo en crecimiento en el que aún se deben definir parámetros importantes.

Forjando una conexión humana-IA más profunda

Abordar la gama completa de variaciones lingüísticas e incluir grupos más diversos y minorías históricamente subrepresentadas en el proceso es realmente construir el futuro de la conexión humano-IA. Esto también dará lugar a casos de uso más generalizados para las empresas. De hecho, el mayor diferenciador competitivo en el futuro de la tecnología conversacional será la capacidad de proporcionar una sólida comprensión conversacional independientemente del idioma, el acento, la jerga, el dialecto u otros aspectos de la identidad social.

Bennett recuerda una lección de un profesor de la escuela de posgrado: dijo: 'Tener una conversación es como trepar a un árbol que vuelve a trepar'. Y eso realmente caracteriza la trayectoria de hacia dónde deben ir las tecnologías de inteligencia artificial conversacional para satisfacer las necesidades humanas y los estándares de La conversación como práctica conductual. La conversación no es un acto en solitario. Es una calle de doble sentido. La verdadera conversación es el acto, algunos incluso podrían decir el arte, de turnarse para hablar y escuchar, intercambiar ideas, intercambiar sentimientos e intercambiar información.

En lingüística, las características paralingüísticas del habla, como la inflexión, la entonación, el ritmo, la pausa y el tono, proporcionan la capa pragmática de significado a una conversación, dice Bennett. En lugar de centrarnos en cómo los usuarios pueden ayudar a los sistemas de IA, deberíamos preguntarnos cómo podemos escalar el sistema para satisfacer a los usuarios donde se encuentran. Dado lo que sabemos sobre lingüística, no creo que se pueda forzar ningún tipo de cambio de idioma, dice. La tecnología de IA conversacional está configurada de una manera que podría tener éxito si adoptamos ese enfoque en la capa pragmática: el lado paralingüístico de las cosas.

La capacidad de comprender, entender completamente y escalar a ese nivel de diversidad lingüística es hacia donde se dirige la IA, dice Bennett. Las empresas emergentes en el espacio de IA conversacional están indexando eso como un factor diferenciador. Y cuando lo piensa, si incluye grupos más diversos y minorías históricamente subrepresentadas en el proceso, eso en realidad expande su mercado total direccionable.

Este contenido fue producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No fue escrito por el equipo editorial de MIT Technology Review.

esconder