Mejorar el servicio al cliente empleando la inteligencia artificial

El aprendizaje automático es una forma de hacer que las computadoras obtengan información de datos con una programación mínima. En lugar de escribir código, se ingresan datos en las computadoras, que crean su propia función lógica basándose en estos datos.

Componentes de la IA

• Comprensión del lenguaje natural (NLU): Sistemas que controlan la comunicación entre humanos y máquinas.
• Procesamiento de lenguaje natural (NLP): Sistemas diseñados para comprender lo que los humanos quieren decir cuando se comunican con otros humanos.
• Reconocimiento de entidades nombradas (NER): Etiqueta secuencias de palabras y selecciona elementos importantes como nombres, fechas y horas. Permite que las computadoras entiendan y aprendan en segmentos para poder responder adecuadamente.
• Aprendizaje profundo: Redes neuronales artificiales que se desarrollan entre puntos de datos de grandes bases de datos. Organizan los datos y mejoran el desempeño.

La importancia de la higiene de los datos y su cantidad determinan el desempeño y la funcionalidad del aprendizaje profundo.

¿Cómo funciona el aprendizaje automático en la práctica?

Comienza con los datos de aprendizaje, un conjunto de datos que se proporciona al modelo para ayudarle a aprender. Cuantos más datos se aporten, más preciso y útil será el modelo. Estos datos se definen por un conjunto de atributos y características. Determinar cómo dar sentido a estos atributos depende del modelo. El algoritmo sopesa las diferentes funciones para determinar el mejor conjunto de atributos que, combinados en una ecuación, resuelven un problema específico.

Servicio al cliente más inteligente con Einstein

• Aumente el desvío y reduzca el tiempo de procesamiento.
• Potencie la productividad de los agentes.
• Implementación y obtención de valor rápidas.

Funciones:

• Einstein Bots: Resuelven problemas comunes de clientes y recopilan información relevante para transferirla a un agente específico, reduciendo el tiempo de procesamiento.
• Einstein Agent: Transfieren o enrutan el caso específicamente a un agente.
• Einstein Discovery: Ayuda a los gerentes a tomar decisiones más estratégicas al proporcionar indicadores clave de desempeño predictivos.
• Einstein Vision: Utiliza la visión artificial para comprender y clasificar imágenes.
• Einstein Language: Procesa el lenguaje no estructurado y clasifica el texto por opinión gracias a un modelo de aprendizaje.

IA buena para todos

• Para el agente: Ayuda a concentrarse en los casos difíciles.
• Para los gerentes: Ofrece una perspectiva y análisis del desempeño de los agentes.
• Para los clientes: Proporciona respuestas personalizadas, rápidas y precisas.

Más productividad

Comprender por qué los chatbots son importantes para el centro de contacto:

• Resolver problemas de asistencia rápido.
• Desvían problemas comunes de clientes.
• Reducen la duración de las sesiones de chat.
• Comprenden el lenguaje humano.

Características esenciales de los chatbots:

• Transparencia: El chatbot debe identificarse a sí mismo como una máquina desde el principio.
• Personalidad: El chatbot debe tener una voz y un tono que expresen la marca.
• Exhaustividad: El chatbot debe dar al usuario información completa y tiempo para leerla.
• Iteratividad: Para solucionar cualquier problema que surja, los chatbots deben modificarse continuamente.

Nota: 

La IA generativa es una tecnología que toma un conjunto de datos y los utiliza para crear algo nuevo (como poesía, una explicación de física, un correo electrónico a un cliente, una imagen o música nueva) cuando lo solicita un ser humano. Existen varios enfoques para desarrollar modelos generativos de IA, pero uno que está ganando terreno significativo es el uso de modelos en lenguaje grande (LLM, por sus siglas en inglés) previamente entrenados para crear contenido novedoso a partir de indicaciones basadas en texto.

Es requerido por las empresas un enfoque humano cuando desarrollan tecnologías de IA generativa para poder probar flujos de trabajo automatizados supervisados por humanos antes de lanzar estas tecnologías. Esto evita riesgos y garantiza el uso ético y responsable de la tecnología.

Al profundizar más, normalmente lo hace utilizando uno de dos tipos de modelos de aprendizaje profundo: redes generativas adversarias (GAN) o transformadores.

Las GAN se componen de dos redes neuronales: un generador y un discriminador. Las dos redes compiten entre sí: el generador crea una salida basada en alguna entrada y el discriminador intenta determinar si la salida es real o falsa. Luego, el generador ajusta su salida basándose en la retroalimentación del discriminador, y el ciclo continúa hasta que deja perplejo al discriminador.

Los modelos Transformer, como ChatGPT (que significa Chat Generative Pretrained Transformer), crean resultados basados en datos secuenciales (como oraciones o párrafos) en lugar de puntos de datos individuales. Este enfoque ayuda al modelo a procesar el contexto de manera eficiente y es por eso que se utiliza para generar o traducir texto.

Si bien las GAN y los transformadores se encuentran entre los modelos de IA generativa más populares, también se utilizan otras técnicas, como los codificadores automáticos variacionales (VAE), que también se basan en dos redes neuronales para generar nuevos datos basados en datos de muestra y campos de radiación neuronal (NeRFs), que se utilizan para crear imágenes 2D y 3D.

Noticias recientes de Einstein GPT de Salesforce, la tecnología es "abierta y extensible (admite modelos de IA públicos y privados diseñados específicamente para CRM) y está entrenada con datos confiables en tiempo real". Clara Shih, directora ejecutiva de Salesforce AI, cree que la IA generativa "remodelará por completo el campo del servicio al cliente", generando automáticamente respuestas personalizadas.

No solo es ofrecer la última tecnología, sino priorizar la innovación responsable guiando en cómo usar la tecnología y garantizar que se tenga las herramientas para desarrollar y utilizar estas tecnologías de manera segura, ética y responsable.

Garantizar que los datos sean precisos y confiables

Los resultados de la IA son inexactos y por eso Salesforce está desarrollando capacidades de IA confiables con guías y barreras de seguridad para evitar problemas potenciales.

La IA es responsable pero no sostenible, la IA generativa consume más energía, lo que deja una huella de carbono.

Recientemente, Salesforce anunció Einstein GPT, la primera IA generativa para CRM del mundo. Desde correos electrónicos de ventas personalizados hasta código generado automáticamente, Einstein GPT entregará contenido creado por IA en todas las interacciones de ventas, servicios, marketing, comercio e IT, a hiperescala. Y está diseñado para los clientes de una manera que sea relevante para ellos: Einstein GPT utiliza datos de Data Cloud combinados con datos públicos para crear contenido en Einstein 1.