¿Qué es la Inteligencia Artificial? Simplificación de la IA para profesionales de la experiencia de clientes y empleados

La inteligencia artificial está de moda, pero ¿qué puede significar para el sector de la experiencia? El primer paso es entender qué es y qué no es la IA. Esto es lo que necesitas saber sobre IA, aprendizaje automático, procesamiento del lenguaje natural y mucho más.

Parece que hoy en día no se puede ver ni leer nada sin que se mencione la inteligencia artificial o "IA" alrededor de un millón de veces, hablando en términos conservadores. A veces, un caprichoso "aprendizaje automático" o "ML" puede aparecer en los mismos medios. Pero, ¿qué significa todo esto? ¿Qué es la IA generativa? ¿Qué es la inteligencia artificial? ¿Supervisada? ¿Sin supervisión? ¿Semisupervisada? ¿PNL? El vocabulario se complica rápidamente. 

Seguimos oyendo hasta qué punto la IA revolucionará el trabajo, la sanidad, las finanzas, la literatura, el arte y todo lo demás, incluida la experiencia del cliente y del empleado, como si la IA fuera una especie de tecnología omnisciente de otro mundo. Algunos incluso declaran con orgullo que la IA sustituirá a las personas en estas funciones. En realidad, la IA es realmente una herramienta valiosa que ya se ha utilizado para mejorar la productividad de las personas, pero no es ni una panacea ni un sustituto de los humanos. Tiene sus limitaciones, pero es posible que usted no lo sepa basándose en la interpretación popular de la IA. 

Estoy escribiendo este blog para usted - la persona no técnica - para ayudarle a entender un poco lo que está pasando con la IA y cómo podría afectar CX y EX. No es necesario tener un título en matemáticas. Eso ya lo he hecho por ti. Empecemos por el principio.

Inteligencia artificial, aprendizaje automático, PNL y métodos generativos: ¡vaya por Dios!

¿Qué es la IA?

Hay que tener en cuenta que la IA es más un concepto que una tecnología plenamente desarrollada. Básicamente, la IA es la capacidad de las máquinas o los programas informáticos para pensar, actuar y aprender como una persona, lo que incluye nuestra capacidad para ajustar nuestra forma de hacer las cosas basándonos en nueva información, crear trabajos realmente novedosos y manejar la ambigüedad. Esto no existe. El cerebro humano es algo realmente increíble y crear tecnologías que puedan hacer lo que hacemos nosotros es todavía un futuro muy lejano.

¿Qué es el aprendizaje automático?

Cuando la gente utiliza el término "IA", casi seguro que se refiere a un amplio conjunto de métodos de aprendizaje automático que permiten a los ordenadores "aprender" basándose en patrones extraídos de grandes conjuntos de datos. Ambos términos se utilizan indistintamente y a menudo se confunden, incluso en lugares donde la distinción es importante. Decir que la IA no existe sería tan correcto como decir que sí existe. Confuso, ¿verdad? Para simplificar las cosas, Microsoft define el aprendizaje automático como "el proceso de utilizar modelos matemáticos de datos para ayudar a un ordenador a aprender sin instrucciones directas [lo que] permite a un sistema informático seguir aprendiendo y mejorando por sí mismo, basándose en la experiencia". 

En esencia, el ML se compone de muchas matemáticas y estadísticas complejas aplicadas a grandes conjuntos de datos que permiten encontrar patrones, lo que imita el aprendizaje humano. Los métodos de ML suelen dividirse en tres categorías: supervisados, semisupervisados y no supervisados. Muchas soluciones que utilizan el ML suelen emplear una mezcla de todos estos métodos, adaptados a las tareas específicas que se les encomiendan. Incluso los ejemplos tradicionales de ciertos tipos de métodos de aprendizaje automático pueden realizarse utilizando métodos diferentes en función de la herramienta que se utilice. Definido de forma simple y rápida, existe:

• El ML supervisado utiliza conjuntos de datos etiquetados, es decir, usted proporciona etiquetas como humano en el conjunto de datos diciendo cómo debe clasificarse una cosa determinada para entrenar algoritmos que predicen resultados. Ejemplos: filtros de spam en correos electrónicos, clasificación de textos, reconocimiento de voz...
• El ML semisupervisado utiliza una pequeña cantidad de datos etiquetados y una gran cantidad de datos sin etiquetar para predecir resultados. Ejemplos: clasificación de contenidos web, clasificación de imágenes o voz, identificación de anomalías en registros bancarios...
• El ML no supervisado utiliza una gran cantidad de datos no etiquetados para predecir resultados. Ejemplos: Medallia's Theme Explorer, motores de recomendación, segmentación de clientes

Cada uno de estos métodos pretende identificar patrones que imiten el aprendizaje humano de diferentes maneras con la esperanza de que conduzca a una valiosa insights dependiendo del tipo de tarea y datos con los que se esté tratando. Por ejemplo, imagine que intenta recomendar productos a un determinado cliente. No tendría sentido dedicar tiempo a etiquetar datos para cada cliente, lo que significa que el aprendizaje automático no supervisado es probablemente el mejor modelo. 

La parte de "imitar" es muy importante. El ML -y, por tanto, la IA- requiere mucho material de entrada para tratar de encontrar patrones, que luego se utiliza para proporcionar insights en un conjunto de datos o generar contenido con resultados bastante precisos. La primera situación es especialmente valiosa en los análisis de texto y voz, que se basan en datos de texto y audio. 

¿Qué es el procesamiento del lenguaje natural?

En Medallia, cuando se utiliza el análisis de texto, el análisis de voz o la transcripción de voz a texto, invariablemente se está utilizando IA/ML. Para ello utilizamos el Procesamiento del Lenguaje Natural (PLN), a veces denominado en nuestro sector Comprensión del Lenguaje Natural (NLU). NLP/NLU es un subconjunto del aprendizaje automático, lo que significa que NLP/NLU es una serie de métodos de aprendizaje automático aplicados al lenguaje natural humano. Siri, Alexa, Google Home y probablemente incluso tu coche utilizan métodos NLP para transcribir lo que dices a texto. Los grandes modelos de lenguaje (LLM) como ChatGPT/GPT-3 de OpenAI, BERT, LLaMA de Meta y Ernie de Baidu son todos NLP porque se ocupan de aprender del lenguaje natural para generar contenido de texto similar al humano. 

¿Qué es la IA Generativa o los Modelos Generativos?

Ningún contenido generado es verdadera ni completamente novedoso. Tampoco todos los modelos generativos de IA/ML se aplican únicamente al texto. El uso de métodos de ML para generar información "nueva" o faltante se denomina IA generativa o modelos generativos. La IA generativa, tal y como la define IBM, "se refiere a modelos de aprendizaje profundo que pueden generar texto, imágenes y otros contenidos de alta calidad basándose en los datos con los que fueron entrenados." Dado que el ML imita el aprendizaje humano, está limitado por el conjunto de datos en el que fue entrenado para producir o generar alguna otra salida. Estos resultados pueden ser imágenes, como en DALL-E, audio o texto a voz, como en Meta Voicebox, así como paneles de análisis, texto y mucho más. 

¿Debe la industria de la experiencia ser cautelosa con la IA Generativa?

La razón del revuelo en torno a la IA -sobre todo porque estos modelos generativos existen desde hace años- es que por fin están en tus manos, las del usuario cotidiano, y son valiosos para tu vida diaria. 

Sin embargo, todos los usuarios de IA generativa deben tener en cuenta también algunos de los riesgos de utilizar estos modelos, algunos de los cuales son riesgos inherentes al análisis de datos y a la IA en general. En concreto, es vital saber con qué datos se ha entrenado cualquier modelo para mitigar el sesgo y otros riesgos. Como todos los modelos de IA/ML, los datos de entrenamiento sesgados, inexactos o malintencionados darán lugar a resultados sesgados, inexactos o malintencionados. Los datos incompletos o los datos que involuntariamente -o intencionadamente, en casos de malicia- sobrerrepresentan a determinados grupos pueden dar lugar a resultados generados que reflejen esos datos. Libros como Invisible Women (Mujeres invisibles ), de Caroline Criado Pérez, y Weapons of Math Destruction (Armas de destrucción matemática ), de Cathy O'Neil, son sólo dos de los muchos libros escritos sobre el sesgo en el análisis de datos que demuestran por qué éste puede ser un problema importante para la IA de todo tipo. Conseguir y garantizar datos de entrenamiento de alta calidad, bien gestionados y bien mantenidos puede ayudar a minimizar algunos de estos problemas. 

Además, la IA generativa puede tener problemas con la propiedad intelectual y el plagio si se ha entrenado con ese tipo de contenido. Los modelos de IA no saben que están siendo entrenados con imágenes o textos en línea protegidos por derechos de autor o debidamente atribuidos. Como resultado, estos modelos pueden acabar generando contenido "nuevo" que no proporcione las atribuciones de código abierto adecuadas o elimine los datos protegidos por derechos de autor de sus datos de entrenamiento. A partir de 2023, varias empresas de IA generativa tienen pendientes demandas por este tipo de problemas. Por lo tanto, es vital que todas las empresas conozcan los datos con los que se entrena su IA generativa.

¿Cómo puede ayudar la IA a la experiencia de clientes y empleados?

Cuando se habla de la utilidad de la IA, suele hacerse en el contexto de la automatización. Aunque la automatización es una parte importante de la utilidad de la IA, lo valioso no es la automatización en sí misma. La automatización por sí misma puede ser arriesgada cuando las situaciones cambian o cuando la IA puede cometer un error, especialmente porque ninguna IA ni ningún ser humano será nunca 100% preciso o acertado en su toma de decisiones. 

Dicho esto, a muchas empresas con equipos de experiencia del cliente, contact centerse les pide que hagan más con menos tiempo y dinero. Las automatizaciones impulsadas por IA pueden ayudar a sus equipos a tomar grandes volúmenes de datos de comentarios y reducir sustancialmente el tiempo para obtener información y aumentar la productividad de los empleados, al tiempo que mejoran las experiencias de los clientes. Más allá del uso de la PNL para sacar a la superficie insights en sus datos, el futuro de la IA en la experiencia del cliente y del empleado es brillante.

Por ejemplo, los resúmenes automatizados de las llamadas podrían eliminar las notas posteriores a la llamada para contact center. El resumen de los registros de clientes, empleados y empresas podría permitir a los usuarios obtener una comprensión más rápida de las experiencias colectivas que una persona ha tenido con su empresa y tomar decisiones sobre la base de esos datos. La determinación de las próximas mejores acciones podría basarse en la IA para personalizar exactamente los siguientes pasos que se podrían dar para mejorar la experiencia y la satisfacción de una persona con su empresa. 

IA para el profesional de la experiencia cotidiana

No hace falta ser un científico de datos o un estadístico para aprovechar la IA en la vida cotidiana. Basta con utilizar Siri o una plataforma como Medallia para aprovechar la IA para mejorar tu productividad. En el futuro, los métodos generativos se convertirán cada vez más en el motor para impulsar una mayor productividad y personalización en sus flujos de trabajo e interacciones con las empresas. 

Si hay un mensaje que pueda extraer de este blog, debe ser: La IA no es una nueva tecnología aterradora que vaya a quitarle el trabajo. Es una herramienta que probablemente requerirá asistencia humana constante para ser tan eficaz como promete. Eso significa que el personal tendrá que supervisar y mantener constantemente sus modelos de IA de cualquier tipo, ya sean internos o de código abierto, para cumplir sus requisitos de conformidad, calidad y reglamentación. Mantener la seguridad de los datos, la transparencia de los datos de formación y la calidad de los resultados requerirá personal, desde especialistas en ética hasta ingenieros de datos. En definitiva, aunque la IA/ML utilizable es un auténtico avance, debemos ser circunspectos en su uso al mismo tiempo que disfrutamos de la comodidad que aporta a nuestras vidas.

Inscríbase en Experience '24 para saber más sobre cómo Medallia ha utilizado la IA y sigue cambiando el juego.