¿Pueden los nuevos avances en IA brindar el toque humano que tanto necesitan los chatbots?

¿Pueden los avances en IA darle humanidad a los chatbots?

Cuando los chatbots se volvieron comercialmente accesibles por primera vez, las empresas grandes y pequeñas los adoptaron con entusiasmo. “¿Un robot que resuelve preguntas de servicio al cliente en segundos? ¡Increíble!” – pensamos.

El problema fue que estos primeros chatbots eran más molestos que útiles, más como una barrera molesta hacia un ser humano real. Desde que nos preguntaron: “¿Puedes repetir la pregunta?” diez veces hasta que nos dirigieron a una página de información completamente irrelevante, los clientes simplemente no tienen la paciencia para lidiar con chatbots mal hechos.

De hecho, un estudio realizado por Zoom encontró que más de la mitad de los encuestados cambiarían a un competidor después de una o dos malas experiencias de soporte al cliente.

Pero ¿podrían los nuevos avances en la tecnología de IA brindarnos los chatbots inteligentes, emocionalmente inteligentes y proactivos de nuestros sueños de ciencia ficción? Veamos dónde se equivocan los chatbots y cómo la IA puede ayudar.

Salirse del guión

Si alguna vez has viajado a un país extranjero para poner a prueba tus habilidades lingüísticas, sabrás que lo que te enseñan en clase es completamente diferente a cómo habla la gente en la práctica. “¿Cómo estás?” puede ser reemplazado por “¿cómo estás?” “10 libras” se convierte en “10 quid”. No es hasta que has pasado tiempo con los locales que realmente aprendes a hablar un idioma.

Los primeros chatbots eran muy parecidos a los nuevos aprendices de idiomas. Su conocimiento del lenguaje humano se limitaba a un conjunto predefinido de preguntas y respuestas. Olvídate del argot o los matices, incluso decir “hola” en lugar de “hello” podría confundirlos. Si les preguntas algo fuera de su programación, puedes esperar la famosa respuesta: “Lo siento, no entiendo”.

El Procesamiento del Lenguaje Natural (PLN) permite que tus chatbots mejoren sus habilidades en el lenguaje humano. En lugar de depender de preguntas y respuestas predefinidas, los chatbots basados en PLN descomponen la consulta de un cliente en partes y la analizan en busca de contexto y significado.

Esto significa que los clientes pueden hablar con estos chatbots avanzados de la misma manera que hablarían con un representante de servicio al cliente real y recibir respuestas sorprendentemente no robóticas a cambio. ChatGPT es un buen ejemplo de una herramienta de IA que aprovecha el PLN para comprender mejor las consultas de los usuarios.

Además, cuanto más interactúen los chatbots de PLN con los clientes, más aprenden. Esto significa que con el tiempo pueden proporcionar respuestas más precisas y relevantes basadas en interacciones pasadas.

Comunicación mejorada

Entonces, los chatbots mejorados con IA pueden escribir el texto. ¿Pero pueden hablar el idioma?

El reconocimiento de voz y la conversión de voz a texto realmente están poniendo el “chat” en chatbot. Hasta hace cinco años, cualquier persona con apenas un leve acento tenía dificultades para obtener una respuesta de un asistente de voz. Hoy, utilizando la Comprensión del Lenguaje Natural (NLU), los chatbots modernos pueden detectar idiomas y acentos, responder en el mismo idioma y convertir la palabra hablada en respuestas escritas utilizando la funcionalidad de voz a texto.

Esto también es útil para agentes de servicio al cliente que desean generar resúmenes de sus conversaciones con fines de registro y capacitación.

El componente emocional

El propósito de un chatbot está en el nombre, chatear. Por definición, deberían ser conversacionales. Pero chatear no se trata solo de palabras, se trata de entender las emociones y los matices.

Los humanos no siempre dicen lo que quieren decir; el lenguaje corporal, el tono de voz, la expresión facial y la entonación pueden indicar un mensaje que no puede ser capturado solo con palabras. Lo que hace que sea aún más difícil para los chatbots entender lo que realmente queremos decir.

A través de técnicas de aprendizaje automático, los chatbots modernos pueden ser entrenados para reconocer la intención subyacente detrás de los mensajes. Esto se conoce como análisis de sentimientos, que permite que los modelos de IA detecten si el lenguaje humano tiene un sentimiento positivo, negativo o neutral detrás de él.

Como somos humanos, tendemos a usar un lenguaje emotivo, incluso al comunicarnos con bots.

Las herramientas de análisis de sentimientos pueden clasificar los datos en una escala de cuán positivos o negativos son, según el lenguaje utilizado. Por ejemplo, incluso la mejor tecnología de PLN puede que no pueda entender el sarcasmo, pero el análisis de sentimientos se puede utilizar para detectar cuándo un cliente puede estar furioso. Esta tecnología se puede utilizar en una amplia gama de casos, desde ayudar en el análisis de riesgos hasta detectar y alertar a los agentes sobre casos de duelo.

Esto es útil para los equipos de servicio al cliente que necesitan categorizar y priorizar casos rápidamente o identificar cuáles deben ser redirigidos o escalados a un representante humano. Este tipo de enrutamiento y escalado inteligente puede reducir los tiempos de respuesta y ahorrar tiempo a los equipos de servicio al cliente al tratar de asignar casos a los agentes correctos.

Aprendizaje y obtención de conocimientos para el futuro

El sentido común es un rasgo inherente (que la mayoría de los seres humanos tienen), que nos distingue de nuestras máquinas cada vez más inteligentes. Si hacemos algo suficientes veces sin obtener el resultado deseado, es la vocecita que nos dice: “Oye, tal vez algo no está del todo bien aquí”.

Aunque todavía no hemos podido programar el sentido común en nuestras máquinas, la analítica predictiva puede ayudar a los bots a aprender de datos pasados y proporcionar soporte proactivo.

Si un cliente publica una reseña de un producto en línea y menciona un fallo en el producto, las herramientas de analítica predictiva pueden ayudarte a rastrear a los clientes que utilizan el mismo producto y podrían enfrentar problemas similares. Aquí está lo inteligente: puedes utilizar esos datos para proporcionar soporte dirigido a los clientes afectados, emitir un comunicado masivo sobre el fallo e influir en el desarrollo futuro del producto.

La analítica predictiva también puede ayudarte a asegurar una pequeña venta adicional. Al analizar los datos de compras pasadas de los clientes, las herramientas de analítica predictiva pueden hacer recomendaciones de productos personalizadas para cada cliente.

Scaling Success: Cómo la IA generativa está revolucionando la experiencia del cliente (CX)

Si estás listo para adentrarte más en el mundo de la IA para el servicio al cliente, echa un vistazo a este seminario web bajo demanda donde los expertos Tim Banting de Omdia e Iqbal Javaid de Zoom discuten:

  • Tendencias de adopción y las tecnologías de IA más populares en este momento
  • Algunos de los desafíos cuando se trata de datos, seguridad y sesgos
  • Mejores prácticas para integrar herramientas de IA en equipos de servicio al cliente
  • Plataforma de experiencia del cliente basada en IA de Zoom