Estado del arte en el desarrollo de chatbots a nivel mundial

Los creadores de chatbots pretenden cambiar la forma en la que interactuamos con la tecnología y nos comunicamos a través de Internet, pero pocos han sido capaces aún de lograr que modifiquemos nuestros hábitos, por ejemplo cuando realizamos búsquedas online, donde seguimos recurriendo al teclado para escribir en Google lo que necesitamos, en lugar de usar la voz a través de un interfaz conversacional, como puede ser Siri.

La manera más natural de empezar una interacción para un ser humano es comenzando a hablar, no utilizando botones, menús, ni formularios… La aparición de las interfaces conversacionales (chatbots) supone el fin de las webs y apps tal y como las entendemos actualmente. Eduardo Manchon, fundador de Panoramio.

En este artículo vamos a descubrir el estado del arte en el desarrollo de los chatbots, comenzando por conocer las tecnologías que hacen posible la existencia de estos programas informáticos basados en algoritmos y potenciados por Inteligencia Artificial. También vamos a conocer muchos ejemplos de uso de los chatbots y su aplicación en múltiples ámbitos, para finalmente tener la visión de los expertos en el tema, sobre cómo puede evolucionar esta tecnología en los próximos años.

La ciencia que permite la creación de Chatbots

Un chatbot es un software que es capaz de mantener un diálogo mediante lenguaje natural con un humano, o con otro chatbot. Para conseguirlo el software ha sido especialmente diseñado, entrenado y programado para poder interpretar el motivo o intención de la conversación, entender las respuestas de un humano y en base a ellas decidir qué debe responder o qué acción debe tomar a continuación. Ésta capacidad para entender de forma natural un diálogo y procesarlo es posible gracias a las tecnologías NLP (Natural Language Processing) y a la Inteligencia Artificial. Cuando el chatbot reconoce determinadas palabras o expresiones, es capaces de interactuar con la persona respondiendo de forma parecida a como lo haría otro humano. Los bots conversacionales pueden ser utilizarlos en las empresas por ejemplo para automatizar la atención al cliente, o se pueden ofrecer con ellos servicios específicos como la información meteorológica o el tráfico en las carreteras.

Por lo tanto para que estos chatbots resulten realmente  útiles se debe usar en el desarrollo una combinación de las siguientes materias:

Semantic Analysis: trabaja en los aspectos del significado, sentido o interpretación de signos lingüísticos como símbolos, palabras, expresiones o representaciones formales. En principio las expresiones del lenguaje formal o de una lengua natural admiten algún tipo de correspondencia con situaciones o conjuntos de cosas que se encuentran en el mundo físico o abstracto que puede ser descrito por dicho medio de expresión.

Sentiment Analysis: es el uso del procesamiento de lenguaje natural, análisis de texto y lingüística computacional para identificar y extraer información subjetiva de los textos. Se realiza una tarea de clasificación masiva de documentos de manera automática, en función de la connotación positiva o negativa del lenguaje ocupado en el documento. Su objetivo es determinar la actitud de un interlocutor o un escritor con respecto a algún tema. La actitud puede ser su juicio o evaluación, estado emocional del autor cuando escribe o la intención comunicativa emocional que intenta causar en el lector.

NLP Natural Language Processing: combina las tecnologías de la ciencia computacional, como la inteligencia artificial, el aprendizaje automático y la inferencia estadística, con la lingüística aplicada, con el objetivo de hacer posible la comprensión y el procesamiento asistidos por ordenador de información expresada en lenguaje humano para determinadas tareas, como la traducción automática, los sistemas de diálogo interactivos y el análisis de opiniones.

NLU Natural Language Understanding: dentro del procesamiento del lenguaje natural se ocupa de la comprensión de la lectura por parte de la máquina. Gracias a esto es posible analizar texto y extraer metadatos de contenido no estructurado como conceptos, entidades, palabras clave, categorías, sentimiento, emoción, relaciones y roles semánticos. Del mismo modo es posible personalizar el análisis de texto para los matices lingüísticos específicos de un sector concreto. NLU es considerado un problema difícil de resolver en Inteligencia Artificial.

Machine Learning: tiene el objetivo de desarrollar técnicas que permitan a las computadoras aprender, por medio del desarrollo de programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos, por lo que se trata de un proceso de inducción del conocimiento. El campo de actuación del aprendizaje automático se solapa con el de la estadística computacional y también se centra en el estudio de la complejidad computacional de los problemas. Gran parte de la investigación realizada en aprendizaje automático está enfocada al diseño de soluciones factibles a los problemas NP-Hard.

Gracias a todas estas técnicas está siendo posible que comiencen a resultarnos de utilidad los Interfaces Conversacionales en nuevos dispositivos como los altavoces inteligentes Amazon Echo con Alexa, Apple Homepod con Siri y Google Home, o los chatbots a los que estamos dedicando este artículo.

Un ejemplo de las tecnologías que se desarrollan en este ámbito es el trabajo que realiza
la empresa MeaningCloud que ofrece una herramienta que permite de manera sencilla, potente y asequible extraer el significado de todo tipo de contenido no estructurado: conversaciones sociales, artículos y expedientes. Para ello ofrece APIs de analítica de textos sobre infraestructura en la nube de Amazon. Algunas de las funcionalidades que ofrecen estas APIs son: clasificación de textos; extracción de entidades (personas, lugares, organizaciones…) y conceptos; análisis de sentimiento, opinión y reputación; clustering; análisis de la voz del cliente o de empleados; y análisis en general de la experiencia del usuario.

Las tecnologías usadas para el desarrollo de Chatbots

Las grandes empresas tecnológicas han detectado que los interfaces conversacionales pueden convertirse en una evolución del modelo de uso actual que hacemos del software a través de Internet. Por lo tanto se han lanzado a ofrecer soluciones en este ámbito que a su vez están permitiendo que muchas startups no tengan que empezar de cero para desarrollar nuevas utilidades, sino que aprovechan la infraestructuras existentes para construir el ecosistema actual de aplicaciones basadas en Inteligencia Artificial.

1. IBM en el marco de su tecnología de computación cognitiva ofrece un conjunto de servicios en modo SaaS, sobre la plataforma cloud Bluemix, centrados en procesamiento de lenguaje, como es Watson Conversation Service que se centra en la conversación, permitiendo definir intenciones y entidades. Normalmente requiere de otros servicios como Alchemy Language o Natural Language Classifier. También cuenta con Watson Virtual Agent diseñado específicamente para el desarrollo de chatbots con los que ofrecer experiencia conversacional cognitiva que puede proporcionar respuestas y actuar en modo autoservicio. La empresa también ofrece tecnologías propias para el desarrollo de funciones concretas que pueden requerir los chatbots como son Speech to Text y Text to Speech.

2. Microsoft dentro de su plataforma de cloud Azure ofrece una tecnología pensada específicamente para el desarrollo de Bots y por otro lado la tecnología Language Understanding Intelligence Service a la que han bautizado como Luis como una serie de servicios alrededor del procesamiento de lenguaje natural como es el análisis lingüístico y ofrece un conjunto de herramientas que permite entrenar a la plataforma en modelos de conversación. Una aplicación de la tecnología de chatbots desarrollada por la propia empresa Microsoft la encontramos en el proyecto calendar.help que ofrece una utilidad para la gestión de agenda y reuniones.

3. Google ofrece la API Natural Language sobre su plataforma Cloud, la cual está diseñada para descubrir la estructura y el significado del texto mediante modelos de aprendizaje automático. Se trata de una API REST que puede ser utilizada para extraer información sobre personas, lugares, eventos y muchos elementos más, que se mencionen en documentos de texto, artículos de noticias o entradas de blogs. También puede usarse para conocer las opiniones sobre un producto en las redes sociales o analizar las intenciones de los clientes a partir de las conversaciones de un centro de llamadas o una aplicación de mensajería. Es posible analizar el texto que se suba en la solicitud o integrar la función en el almacenamiento de documentos de Google Cloud Storage. Además Google cuenta con API.ai que compró en 2016 y se ha convertido en una de las principales tecnologías para el desarrollo de chatbots por parte de empresas y startups, gracias a su capacidad de procesamiento del lenguaje natural. Google también ha creado Chatbase a través del cual se ofrece un servicio de analítica con el cual los desarrolladores pueden analizar los resultados y aprender de las incidencias o errores que puedan aparecer en sus chatbots.

4. Amazon ha desarrollado la tecnología Lex como un servicio para crear interfaces de conversación en cualquier aplicación con voz y texto, con funcionalidades de aprendizaje profundo avanzadas del reconocimiento automático del habla, para convertir vox en texto y la comprensión del lenguaje natural para reconocer la intención del texto. Gracias a esto se pueden crear aplicaciones con interacciones de conversaciones realistas. A través de este servicio se ponen las tecnologías de aprendizaje profundo de Amazon Alexa a disposición de cualquier desarrollador, que puede crear con rapidez y facilidad bots de conversación lenguaje natural sofisticados. Para potenciar el uso de esta tecnología y la creación de chatbots la empresa organiza, junto con Slack, el concurso AWS Chatbot Challenge.

5. Facebook además de disponer de algunas de las principales plataformas sobre las que pueden funcionar los chatbots, como son Messenger y Whatsapp, también compró en 2015 Wit.ai un servicio por medio del cual los desarrolladores podían crear chatbots. Gracias a esta tecnología era posible crear un bot autónomo y que aprende con el tiempo. Para ello se ofrecía una interfaz especialmente diseñada para simplificar el proceso de creación del bots, y varios SDK y API para que se puedan integrar con muchos lenguaje de programación. Recientemente se ha anunciado que el servicio únicamente se ofrecerá para el procesamiento del lenguaje natural.

Otras tecnologías que los desarrolladores usan para crear chatbots:

  • Motion es una plataforma especializada en la creación de bots de forma visual, de manera que no hay que utilizar códigos de programación, ya que tan sólo será necesario crear diagramas de flujo para crear bots funcionales.
  • Smooch se presenta como la plataforma de creación de interfaces conversacionales para empresas y ofrece una variedad de integraciones con soluciones de terceros como son: Facebook Messenger, LINE, Twillio, WeChat, Telegram y en los sistemas operativos móviles, iOS y Android.
  • Gupshup es una solución que dispone de un sencillo editor de código, un servicio de publicación y un sistema de testeo de cada uno de los chatbots creados, que pueden funcionar en casi todas las herramientas de mensajería, redes sociales o soluciones VoIP del mercado.
  • Botkit es un framework desarrollado por HowdyAI, que ayuda en el desarrollo de Bots en el entorno de ejecución para JavaScript NodeJS. Establece el canal de comunicación entre las aplicaciones/dispositivos con el servidor del bot.
  • Rasa ofrece una herramienta de código abierto para la clasificación de intenciones y la extracción de entidades. Se trata de un conjunto de APIs de alto nivel que permiten crear un propio analizador de idiomas utilizando las bibliotecas NLP y Machine Learning existentes.

Plataformas sobre las que funcionan los  Chatbots

La mayor parte de aplicaciones de mensajería han desarrollado entornos de trabajo sobre los cuales se pueden crear chatbots, que tienen la capacidad de interacturar con los usuarios como si de otra persona se tratase. Algunas de estas aplicaciones además han creado Chatbots Stores y sistemas avanzados de búsqueda y valoración de chatbots, con el objetivo de que los desarrolladores sean quienes generen las utilidades que potencien el uso de dichas aplicaciones.

A continuación compartimos los accesos a la información correspondiente al desarrollo de chatbots para las principales plataformas de mensajería a nivel mundial.

Chatbots “con vida propia”, creados por startups españolas

Para que los chatbots se conviertan en una alternativa real al modelo actual de búsqueda de información y comunicación a través de Internet, es necesario que muchos emprendedores se lancen a desarrollar ideas sobre cómo utilizar estas tecnologías para crear utilidades reales para las personas. Algunas de estas aplicaciones ya han empezado a desarrollarse y puedas conocerlas a continuación:

Zensei es un bot para Messenger que está especializado en ayudar a los usuarios en aspectos relacionados con la salud, como es por ejemplo temas relacionados con las alergias o la contaminación atmosférica.

Faster.city: es el asistente pensado para ayudar a los usuarios a moverse de forma inteligente por la ciudad. Gracias a su uso se pueden evitar los atascos, las obras en el metro o los problemas ocasionados por la meteorología. El chatbot se encarga de decir al usuario cómo ir de un lugar a otros de la manera más cómoda y rápida.

Corre y Vuela permite realizar búsquedas y comprar vuelos a través de mensajes de texto. El sistema funciona escribiendo diferentes palabras y comandos sobre plataformas de mensajería como Messenger, Whatsapp, Telegram y SMS.

Ask Vicente es el chatbot especializado en restaurantes, que ayuda a los usuarios a elegir dónde ir a comer. Vicente funciona sobre Messenger y está diseñado para indicarnos cuál es el sitio que mejor se ajusta a nuestra intereses y situación.

Mrjobot es un chatbot que funciona actualmente sobre Facebook Messenger y que está diseñado para ayudar a los usuarios en la búsqueda de empleo. Su desarrollo ha sido realizado utilizando la tecnología de Commons.

Gus es chatbot enfocado al mundo de los eventos, que funciona sobre Messenger y Whatsapp ofreciendo servicios relacionados con boletos y accesos VIP, información y preguntas frecuentes, asistente virtual y promoción de sponsors.

Politibot nació en junio de 2016 con el objetivo de cubrir las elecciones españolas en Telegram. Gracias a una ayuda del fondo de innovación de Google para medios europeos se relanzó en marzo de 2017 en Telegram y en Messenger. Desde entonces cada día mantiene una conversación para intentar explicar detalles importantes de la política en España, Europa y Estados Unidos.

Octopocket es un chatbot pensado para el envío de dividas entre usuarios. Además funciona como un monedero que soporta varias divisas, como euros, dólares y bitcoins, entre otras. Permite sacar dinero mediante cajero automático o enviarlo directamente a tu cuenta bancaria. Todo ello desde Telegram, sin necesidad de descargar ninguna otra aplicación.

Billy es un chatbot especializado en seguros y está disponible para las plataformas Whatsapp, Messenger y Telegram. Su utilidad consiste en ayudar a los usuarios a encontrar el mejor seguro para su coche o moto, comparando entre las opciones ofrecidas por las distintas aseguradoras.

Alfred es el asistente virtual corporativo de Sngular, que actúa como compañero de trabajo virtual, diseñado para ayudar a los trabajadores de una empresa. Está construido sobre API.ai de Google, siendo capaz de mantener conversaciones y extraer información, integrando la suite de herramientas internas de la empresa para automatizar tareas y procesos generales, como puede ser la reserva de salas de reuniones, gestionar tickets de gasto, petición de vacaciones, imputación de horas de trabajo y recordatorios de tareas.

Otras startups españolas dedicadas a la tecnología de chatbots

Además de las startups que han creado sus propios chatbots, para ofrecer nuevos modelos de negocio a los usuarios de Internet, también han proliferado en los dos últimos años las empresas que ofrecen servicios de creación de chatbots, para aquellos negocios que quieran ofrecer nuevas formas de interactuar con sus clientes. Al igual que sucedió con el nacimiento de las redes sociales, donde muchas empresas crearon sus propios perfiles con los que comunicarse con los clientes, ahora son los Interfaces Conversacionales, a través de apps de mensajería o de altavoces inteligentes, los que toman el protagonismo. Algunas de las empresas españolas que se dedican a este negocio son:

Inbenta está especializada en Inteligencia Artificial, Procesamiento del Lenguaje Natural y Búsqueda Semántica. Su tecnología de chatbot es capaz de entender a las personas, el lenguaje humano, sin recurrir a las restrictivas y tradicionales palabras clave. Gracias a la aplicación de marcos teóricos lingüísticos como la Teoría Sentido Texto (MTT), la única teoría lingüística que utiliza las funciones léxicas para tratar la semántica; y al Procesamiento del Lenguaje Natural (PLN), una de las ramas de la IA, el Chatbot de Inbenta, es capaz de comprender y analizar la semántica de las palabras, su significado, pudiendo entablar así una conversación real y eficiente con el interlocutor. Para ello ha creado una amplia base de conocimiento en la que lo importante no es cómo se formule la pregunta sino qué se pregunte, independientemente de que el usuario transmita información compleja, utilice frases sin estructurar, ambiguas, incompletas o con errores ortográficos. Además, el Chatbot de Inbenta incorpora Machine Learning, lo cual le permite ofrecer respuestas no sólo basadas en el significado de las palabras, sino también en el aprendizaje automático a partir de la experiencia en las interacciones con los usuarios. Todo este proceso siempre está supervisado por un humano con el objetivo de que aprenda sólo aquello que resulte de utilidad para su función. Todo ello se combina así en un completo y complejo “cerebro de doble hemisferio”, el semántico y el de aprendizaje, que permite ofrecer a los usuarios resultados más precisos. Además se ofrece de un sistema de chabot híbrido ya que en el caso de que el usuario no esté satisfecho con la respuesta, este redirige la conversación de manera inmediata con un agente en directo que ya dispondrá de toda la información y podrá resolver la situación. El Chatbot puede responder en más de 25 idiomas diferentes.

Commons ofrece una herramienta que permite a cualquier desarrollador crear su propio bot conversacional. En su núcleo se encuentra un motor de razonamiento que es el responsable de que el sistema piense, es por esto por lo que sostienen que sus bots se caracterizan por pensar antes de hablar. Para conseguirlo su tecnología se construye a partir de dos niveles. El primero consiste en un motor de razonamiento que se encarga del comportamiento del bot y es responsable de poder manejar el contexto de la conversación, gestionar varios hilos conversacionales, memorizar o pedir datos si son necesarios. El segundo nivel se encarga de decirle al bot qué tiene que ser, adaptándose a las necesidades y la personalidad del cliente. Para lograrlo existe un componente metodológico muy importante sobre negocios, donde el consumidor está en el centro, hay que aprender de él y adaptarse.

Caravelo está especializado en la creación de chatbots para aerolíneas. Los chatbots desarrollados por ejemplo para Finnair, Thomas Cook y Volaris son capaces de realizar funciones como reservar, modificar o cancelar la reserva de un vuelo, avisar si el check in está abierto, consultar la puerta de embarque o cuántos kilos es posible llevar en el equipaje.

Chatbots creados por startups a nivel mundial

x.ai es una de las grandes apuesta del capital riesgo por impulsar startups dedicadas al desarrollo de bots, ya que cuenta con más de 44 millones de dólares de inversión para crear un asistente personal que ayuda a los usuarios a fijar la fecha para la organización de reuniones entre varias personas. Para ello utiliza los correos electrónicos que se intercambian las personas que van a participar en la reunión.

Buoy es un sistema de inteligencia artificial que ha sido entrenado con más de 5 millones de pacientes, que funciona por medio de un chat, disponible en web y iOS, para ofrecer a los usuarios ayuda a la hora de identificar problemas relacionados con la salud. La startup ha realizado varias rondas de inversión por valor de 9 millones de dólares.

Cleverbot es un chatbot que funciona sobre una web en la que mediante Inteligencia Artificial se recopilan miles de datos provenientes de conversaciones que mantiene con diferentes usuarios, para aplicarlas en futuras conversaciones. Se trata de un proyecto desarrollado por el informático británico Rollo Carpenter.

Donotpay ha sido creado por un estudiante de la Universidad de Stanford con el objetivo de ayudar a los usuarios a recurrir las multas de aparcamiento, por lo que actúa como un abogado virtual. A través del chatbot los usuarios puedan descubrir si es posible apelar ante una multa de aparcamiento. Funciona gracias a una guía con las 12 opciones más comunes para apelar. Una vez seleccionada la opción que más se adecue a la infracción, el documento de apelación es enviado a las autoridades correspondientes. En la prueba de funcionamiento del bot en Nueva York, ha conseguido anular 160.000 multas de las 250.000 gestionadas. Actualmente también ofrece la posibilidad de tramitar una demanda a la empresa Equifax por la pérdida de los datos de sus usuarios.

La visión de los especialistas en el desarrollo de Chatbots

1. Juan Salvador Sánchez fundador de Botize:

Botize es un servicio que entre otras cosas permite crear chatbots para Telegram, para ello cuenta con un editor que aun sin estar la documentación publicada ya se está usando para hacer chatbots que se conectan a Telegram, Slack, Line, Facebook Messenger, clientes de mensajería XMPP e incluso se han hecho recientemente desarrollos de chatbots con Botize y WhatsApp, un reto ya que este último no dispone de API.

Botize también es compatible con API.Ai, de modo que también puedes hacerte tus chatbots en esta otra plataforma y luego conectarlo a Botize para que el chatbot se conecte con otras aplicaciones y haga todo tipo de consultas, publicaciones, etc y te traiga los resultados al chat.

Volviendo a los chatbots de Botize, son ajenos al canal, es decir, lo creas por un lado y luego lo conectas a los canales o aplicaciones de mensajería que tú quieras, pues Botize se encarga de hacerlos compatibles de manera nativa.

Los chatbots de Botize se conectan nativamente con todas las APIs disponibles, actualmente 75 servicios distintos, entre ellos redes sociales y también AIs de terceros como Computer Vision de Microsoft o Watson de IBM.

Cuentan con memoria a corto plazo para entender el contexto de la conversación y memoria a largo plazo para por ejemplo recordar tu nombre cuando vuelvas a hablar con el chatbot después de un tiempo, etc.

Por último cada chatbot cuenta con una AI, que se entrena manteniendo conversaciones con el robot, lo cual es muy sencillo de hacer. La AI va aprendiendo de esas conversaciones automáticamente y es capaz de encontrar patrones para luego aplicarlos con los demás usuarios.

¿Qué tipo de Inteligencia Artificial se usa para el funcionamiento de vuestros chatbots?

A día de hoy no existe una única inteligencia artificial capaz de atender a todas las necesidades de un chatbot. Al igual que tampoco todos los chatbots son iguales, el número de algoritmos y herramientas de machine learning crece proporcionalmente a los requisitos que se deban cumplir.

Podemos entender una AI como un algoritmo capaz de dar respuesta a una pregunta. La respuesta sería el conjunto de datos que necesitamos obtener y la pregunta un conjunto de datos que ya conocemos. Para que la AI pueda dar una respuesta de calidad, debe haber sido entrenada previamente con un histórico de preguntas y respuestas concretas, suficientemente representativo del problema a tratar.

En el problema a tratar se encuentra actualmente uno de los mayores desafíos de la AI, pues debe definirse de manera muy precisa para que la AI funcione correctamente, lo que nos lleva a que una AI pueda resolver extremadamente bien el problema para el que fue entrenada pero no sea capaz de trabajar en otros escenarios.

Esto es lo que hace a Watson ser capaz entrenarse para ganar el juego de Jeopardy pero incapaz de aprovechar ese aprendizaje para jugar una partida de damas, y la razón principal por la que para el funcionamiento de un chatbot es necesario el uso de varias AIs, entrenadas para distintas necesidades.

Las AIs con las que cuenta un chatbot son de dos tipos. Las internas o propias del chatbot, que son todas aquellas que lo dotan de la capacidad de comprensión del lenguaje humano, del contexto y de la toma de decisiones, y las AIs propias de la tarea que debe desempeñar el chatbot, como por ejemplo una AI capaz de tomar una fotografía enviada por un usuario y clasificarla adecuadamente según el contenido de la misma.

Internamente las AIs que usan los chatbots de Botize se componen principalmente de redes neuronales y redes bayesianas. Las primeras ayudan a dar respuestas basadas en patrones aprendidos y las últimas a clasificar la información para la correcta toma de decisiones. Tareas básicas en todo chatbot.

¿Qué es lo más difícil a nivel técnico a la hora de desarrollar un chatbot?

La comunicación por texto o voz, por chat u otros canales entre el humano y el chatbot ya no supone un reto en la actualidad. Todo lo que los humanos hacemos con mayor o menor dificultad, como el movimiento de datos entre sistemas y servicios, el seguimiento de un flujo por el cual guiar al usuario que se encuentra al otro lado, etc, todo dejó de ser un problema ya.

Actualmente uno de los mayores problemas de quienes trabajamos en este sector es dotar al chatbot de todas aquellas otras funciones que a los humanos se nos da tan bien que hacemos casi sin pensar, como por ejemplo darle el contexto adecuado al mensaje de nuestro interlocutor.

Dada la riqueza del lenguaje humano y sus imperfecciones, un simple “gracias” puede ser identificado como un gesto de gratitud o un modo de despedirnos, pero también vale para “sí, por favor” y hasta un “No en esta ocasión”.

Los humanos tenemos un sentido del contexto suficientemente bueno como para distinguir cada caso dependiendo de la situación y el momento en que se presente, sin embargo técnicamente se trata de un reto aun por resolver.

¿Puedes explicarnos qué tiene que hacer una empresa que quiera crear su chatbot con Botize?

Actualmente estamos trabajando con empresas que más allá de un chatbot conversacional, necesitan que este tenga la capacidad de conectarse a sus sistemas, operar junto con ellos y adecuarse a sus propios procesos y reglas de negocio, tanto para estrategias de cara a sus clientes como a nivel interno de la empresa.

Una vez la empresa contacta con nosotros les ayudamos en todas las fases, desde el levantamiento de información y definición de los flujos que debe ser capaz de realizar el chatbot, hasta decisión de los canales en los que trabajará (WhatsApp, Telegram, Facebook Messenger, etc) y los sistemas con los que tendrá que operar, para con todo ello hacer un dimensionamiento del proyecto y terminar en una prueba de concepto con la que ya iniciar el desarrollo.

¿Tenéis información sobre cómo reaccionan los usuarios que se encuentran con un chatbot desarrollado por uno de vuestros clientes?

Es imprescindible saber qué está sucediendo al otro lado, entre el chatbot y los usuarios. Por ello los chatbots para las empresas con las que trabajamos cuentan con un Bot Analytics desde el cual en tiempo real se visualizan indicadores estratégicos como pueda ser el número de conversaciones mantenidas, sentiment, porcentaje de procesos exitosos y fallidos, estado de las distintas APIs integradas, etc.

¿Qué le falta a la tecnología actual de Inteligencia Artificial para que un chatbot pueda superar el test de Turing?

El test de Turing es aquel en el que un humano conversa mediante texto con dos interlocutores a quienes no puede ver, siendo uno otro humano y otro un robot. Pasar el test de Turing significa que el humano mantiene ambas conversaciones y no sabe distinguir cual de sus interlocutores es el robot que está mantenido una conversación tal que no se distingue de un humano.

Las reglas no son suficientemente precisas como para que en un ejercicio de este tipo podamos determinar con exactitud si se pasó o no el test. Existen hoy escenarios donde un usuario conversa con un chatbot sin sentir la más mínima sospecha de que pueda tratarse de una máquina y otros escenarios donde el chatbot falla estrepitosamente.

El porcentaje de casos en los que ya se pasa el test de Turing no hace más que aumentar, pero aun tenemos que mejorar nuestra tecnología para trabajar mejor areas como la empatía o la correcta gestión de conversaciones que escapan los escenarios para los que el chatbot fue entrenado.

2. Jiaqi Pan fundador de Landbot:

¿Con qué tecnología está desarrollado Landbot?

Al ser una herramienta SaaS utilizamos 100% tecnologías cloud. Usamos framework modernos como React.js para el frontend o la capa más visual. En backend usamos Django un framework de Phyton uno de los principales lenguajes de programación en el mundo de data science e inteligencia artificial. Utilizamos también tecnologías de NLP para validaciones de datos en las conversaciones con los usuarios.

¿Qué tipo de Inteligencia Artificial se usa para el funcionamiento de vuestros chatbots?

En el mundo de chatbot podemos diferenciar tres aproximaciones diferentes:

– NLP/NLU: procesamiento de lenguaje natural. Todas las grandes empresas tecnológicas están invirtiendo muchísimos recursos para que los usuarios puedan interactuar con el lenguaje humano con las maquinas.
– Voice UI: aquí están todos los asistentes de voz Siri, Alexa, Google Assistant donde el principal medio de interacción es la voz.
– Conversational interfaces: es una propuesta híbrida que combina la interacción de lenguaje natural con elementos más gráficos para reducir la complejidad del sistema.
En nuestro caso apostamos claramente a la tercera propuesta. Usamos tecnologías NLP pero en muy menor medida para casos de uso muy concretos. Para el funcionamiento principal nos apoyamos más bien en elementos de interfaz para ofrecer una mejor experiencia de usuario.

Por otra parte defendemos lo que llamamos inteligencia conversacional. La idea se basa en que a la hora de diseñar interacciones con usuarios debemos plantear de forma inteligente como reducir las fricciones del flujo de conversación para generar la mejor experiencia de usuario posible.

¿Cuál es la mayor dificultad técnica que os habéis encontrado en el desarrollo de la tecnología de chatbot?

Hemos empezado como todos los demás en el sector de chatbot trabajando en las tecnlogias de NLP. Hemos probado todas las que hay en el mercado: API.ai de Goolge, Wit.ai de Facebook, Watson de Amazon, Luis de Microsoft, etc. Pero nos hemos dado cuenta de que es un camino no viable para una pequeña empresa como nosotros. Las gigantes tecnológicas están invirtiendo millones al año en el campo de IA pero aún así el nivel de precisión que consiguen es pésimo. 4 de cada 10 interacciones fallan en reconocer la petición del usuario.

Por eso hemos apostado en trabajar en una dirección diferente: la interfaz conversacional. En este caso, nos basamos en las tecnologia web que son mucho más asequibles de desarrollar y mantener. Además con un flujo bien diseñado (inteligencia conversacional como he dicho antes) no hay necesidad de usar apenas NLP, por lo que de cara a las empresas que son nuestros clientes es algo mucho más asequible de usar.

¿Cómo es el proceso de puesta en marcha de un chatbot para una empresas?

La planificación es el punto más importante en el que se debe detener una empresa a la hora de iniciar un proyecto de chatbot. Esta planificación comprende diferentes etapas, siendo la primera y más importante la asignación de objetivos desde un punto de vista doble, el del creador (empresa) y el del público (usuarios). Los objetivos de la empresa pueden estar asociados con la actividad que desempeña el bot (como “dar información en tiempo real a los usuarios sobre los productos que ofrecemos”) o con un KPI específico (disminuir en un 20% la inversión mensual en Contact Center).

Después, tenemos que definir qué va a hacer el chatbot y con qué funcionalidad (dar soporte conectándose a un listado de preguntas frecuentes, consultar estado de pedido recibiendo identificadores por voz y cotejando en un CRM, etc.). Ahora es turno de la audiencia: para quién está concebido este bot (millennials, tercera edad), en qué contexto será utilizado (mobile, desktop, lugar ruidoso), con qué frecuencia…

Acto seguido decidiremos qué tecnología queremos utilizar (un sistema de drag-and-drop sin código, un procesador de NLP con auto-entrenamiento, interfaces conversacionales con saltos lógicos…) y en qué canales (¿Messenger, SMS, WhatsApp, email, Web, App…?). A partir de aquí, lo ideal es seleccionar una herramienta que cumpla con todos los puntos anteriores y ponerse en manos de expertos que sepan transformar nuestras ideas, objetivos y retos en algo tangible y que aporte valor a nuestros usuarios o clientes.

¿De qué forma están reaccionando los usuarios que se encuentran con uno de vuestros chatbot en una web?

Estamos también viendo que cada vez hay más empresas que están empezando a crear chatbot “nativos” (aquellos creados para funcionar en entornos 100% controlas por la propia empresa como su web o app). Tenemos como ejemplos a Duolingo, Lemonade o Banco de America, etc. Las razones pueden ser varias, pero principalmente facilidad de personalización, el control del trafico de usuario y menos dependencia de plataformas de terceros.

En cuanto al comportamiento de los nuestros usuarios, por un lado estamos observando un engagement muy superior en un landbot (web conversacional) frente a una landing page más convencional. Al ser un formato tan diferente suele despertar curiosidad en los usuarios y por tanto llega a convertir mejor. Por otra parte al contrario de lo que opina mucha gente, los usuarios no quieren “teclear” mucho, prefieren interacciones más visuales y simples.

¿Puedes darnos datos de uso de vuestros chatbots y alguna estadística que muestre su utilidad?

Hasta la fecha se han creado más de 6.000 landbots en nuestra plataforma con más de 3 millones de interacciones mensuales. La mayoría enfocada a casos de uso de marketing y ventas como generación de leads. Muchos clientes consiguen duplicar las tasas de conversiones de lead con landbot. Por otra parte hay casos más específicos que están experimentando algunos clientes, por ejemplo: usar landbot como un asistente de onboarding cuando se registra un nuevo usuario, crear contenidos conversacionales para generar awarness, formularios de feedback instantáneo.

¿Qué planes tenéis para la nueva versión de Landbot?

Con todo el aprendizaje que hemos adquirido con la versión actual, estamos trabajando en una versión de Landbot completamente renovada. Que será un cambio bastante importante, y queremos iniciar un proceso de beta privada para testear bien la plataforma antes de lanzarlo a todo el mundo. Entre los cambios más destacables está un dashboard de desarrollo de chatbot más intuitivo y fácil de usar. También potenciaremos aspectos como las opciones de personalización de los mensajes enviados a los usuarios. Además, incluiremos algunas herramientas de analítica para facilitar el análisis de las conversaciones con los clientes y mejorar así la comparabilidad de estas interfaces conversacionales con otros métodos más convencionales. Para los interesados en la nueva versión pueden enviarme un mail a jiaqi@landbot.io

3. David Martín-Corral fundador de Zensei.

¿Qué tipo de tecnología de Inteligencia Artificial se usa actualmente en Zensei?

Actualmente Zensei utiliza múltiples modelos de aprendizaje estadístico, tenemos en producción 17 modelos que predicen y categorizan series temporales, estos modelos van desde Gradient Boosting Machines hasta Long Short Term Memory neural networks. Tenemos un sistema de entrenamiento automático que decide que modelo utilizar en función de su performance.

Luego dependemos del servicio Wit.ai, que nos ha ayudado a entrenar los modelos semánticos de lenguaje natural, no quisimos dedicar a construir un servicio de NLP desde cero.

¿En qué nivel de desarrollo se encuentran los chatbots para que realmente puedan conversar con las personas?

Bajo mi punto de vista y después de haber desarrollado unos cuantos, creo que tener conversaciones más o menos estructuradas vemos que es posible, el problema es cuando estos agentes conversacionales necesitan contexto para poder responder preguntas abiertas, ahí está el reto.

Esta desventaje está siendo estudiada por el proyecto bAbi Tasks, que son distintos tipos de problemas que pueden ser presentados a un agente a la hora de responder.

Otro problema es la memoria de estos agentes, los algoritmos actuales no pueden ser entrenados con una memoria lo suficientemente grande, el requerimiento computacional es muy grande y además no tienen acceso a actualizaciones de memoria.

¿Estamos cerca de contar con chatbots que superen el test de Turing?

Para poder contar con agentes capaces de superar el test de Turing sería necesario
primero llegar a la Generalized AI, o inteligencia artificial generalizada, donde el
aprendizaje fuera totalmente no supervisado.

Ahora mismo, todos los modelos de agentes conversacionales tienen entrenamientos
supervisados.

Para seguir cuales son los avances, el concurso sobre agentes conversacionales Loebner Prize es un buen sensor del desarrollo actual, hasta la fecha la mayoría agentes funcionaban mediante rule based algorithms, pero seguro que empezamos a ver otro enfoques con Recurrent Neural Networks u otras arquitecturas. Otro buen lugar para ver estos avances es el concurso NIPS.

¿Por qué habéis decidido desarrollar Zensei sobre Facebook Messenger?

Pues la verdad que fue pensando en que tendríamos más audiencia, pero un estudio de usuario nos dijo que el 50% de los usuarios iban a tener Messenger y así ha sido. En España Messenger no es bajo mi punto de vista la plataforma donde vas a tener acceso a las masas, Facebook no está haciendo lo suficiente para el descubrimiento.

¿Tenéis planes para integraros con otras plataformas de chatbots?

La idea que tenemos es habrir grupos en Telegram por ciudad para dar nuestras métricas y tenerlos como canales de adquisición de usuarios, ya que nuestro core es la app móvil que vamos a sacar en breve. Las plataformas de agentes conversacionales no nos permiten ayudar a nuestros usuarios como quisieramos.

¿Sabes qué plataformas de chatbots están logrando actualmente un mejor engagement con los usuarios?

Los datos que manejo me dice que Telegram está ganando la batalla.

¿En Zensei se realiza algún tipo de entrenamiento entre el usuario y la AI o todo está automatizado?

Ahora mismo, como utilizamos el servicio de Wit.ai los modelos fueron hardcodeados desde el día cero y actualizados según íbamos viendo que podíamos mejorarlos. Hemos visto la caducidad de Wit.ai y en algún momento tendremos que empezar a desarrollar nuestra plataforma, donde ya tendremos más flexibilidad a la hora de tener aprendizaje validado por usuarios.

4. Omar Pera fundador de Reply.ai

Reply.ai es una platforma de chatbots para enterprise. Algunas de las grandes marcas que han confiado en nosotros: Samsung, Coca-Cola, KIA, Nike y VAIO. Además de las principales agencias del mundo como R/GA o IPG. Trabajamos a nivel internacional con clientes en EEUU, Europa y Japón. Acabamos de ser elegidos por Forrester como una de las “Top 10 Chatbot Platforms for Enterprise Customer Service”. Estamos centrados en el campo enterprise, prestando mucha atención a la seguridad, control de roles de usuario, multiples organizaciones y reporting. Algunos de nuestros Messenger bots han salido en la Super Bowl (KIA) o en una campaña en pleno Times Square (GoVoteBot), y en los últimos meses hemos automatizado más 50 millones de mensajes.

La mision de Reply es acercar negocios a sus clientes por medio de las plataformas de mensajeria como Messenger, SMS, FB Messenger, Web y pronto WhatsApp. Tras ver cómo la mensajería nos estaba cambiando nuestras vidas, decidimos aplicarla para cambiar como una empresa se comunica con sus clientes.

Reply es una solución global para la estrategia conversacional, que dividimos en varios pasos: Build, Manage and Optimize. En el paso de Build, disponemos de un editor visual de conversaciones para testear, aprender y deployear la estructura general de la conversación, sin gastar horas de desarrollador, además de integrar con tu CRM y backend. Disponemos de un motor de procesamiento del lenguaje natural propio para casos de uso más avanzados. Durante el proceso de Manage, integramos con los principales herramientas de soporte como Zendesk, LiveChat, FreshDesk para hacer takeover de una agente con el contexto adecuado. Y una vez has lanzado, nuestro Analytics dashboard te da business insights de tus usuarios, y podrás optimizar la forma en la que el bot habla con los clientes.

Reply está fundada por Pablo Pera (COO) y Omar Pera (CEO), siendo un equipo distribuido entre Nueva York, Madrid, Córdoba y Alcoy. Trabajamos en el pasado en el CERN, Google y por último Pixable en Nueva York. Durante años combinamos nuestros trabajos allí con el de su propia startup, Perops. Hacíamos aplicaciones que llegaron a tener 40 millones de descargas, centrados en apps de transformación de vídeo y audio en tiempo real.

¿Cuál es el mayor reto técnico al que os habéis tenido que enfrentar para desarrollar los chatbots?

Si es un chatbot que tiene por detrás un FAQ con miles de preguntas, la fase de entrenamiento y optimización de la comprensión del bot es la más compleja. Tienes que disponer de muchos datos para poder entrenar bien el modelo, y conversaciones pasadas no siempre estan disponibles.

Lo mas importante para deployear un chatbot es pensar bien en el caso de uso, pensar desde el punto de vista del usuario cuál es la forma más eficiente de dar dicho servicio, y tener bien claro que es un proceso iterativo.

¿Qué tiene que pasar para que un chatbot supere el test de Turing? ¿Es cuestión de tiempo o hay aún algún impedimento importante que resolver?

No veo necesario para nada que un chatbot pase el test de Turing, hoy por hoy. Cada chatbot tiene que tener un caso de uso en mente que lo resuelve de forma más eficiente que sus alternativas, y puede haber casos que un mix entre conversación guiada y NLP cumple con los objetivos perfectamente. Uno de los objetivos es dar valor de forma inmediata a los usuarios de tu chatbot, y no necesariamente este objetivo esta ligado con pasar el test de Turing.

De hecho, en Reply.ai tenemos como ethos que no tienes que tratar de engañar al usuario pensando que tu chatbot es un humano. Aconsejamos a nuestros clientes que implícitamente o explícitamente muestren que están usando un sistema automático, el caso peor de un cliente que se sienta engañado puede dañar mucho a la compañía.

Hay muchísimo camino por recorrer para llegar a tener un chatbot con empatía, generación de lenguaje en base a estados anímicos, etc. Pero se llegará como industria en unos años.

¿Puedes darnos datos de uso de vuestros chatbos? ¿De todos los desarrollos que habéis hecho qué tipo de chatbot ha tenido mejor acogida por parte de los usuarios?

Algunos de nuestros clientes han tenido grandes resultados con sus chatbots hechos en Reply.ai:
– KIA Niro bot ha reducido significantemente el coste de un lead para la compra de un coche y registrado miles de visitas al concesionario.
– Starbucks chatbot intercambió millones de mensajes en solo unos días, con una media de 28 mensajes por usuario.
– Samsung ha lanzado una campaña en varios países sobre el Samsung Galaxy S8, con varios millones de mensajes en verano.
– Una aseguradora en Japón, ha incrementado la conversión de sus leads por 3 en su LINE chatbot que tiene un mix de bot y agente humano.
– Una aerolínea europea ha reducido un 40% su coste de atención al cliente, dando un servicio inmediato a miles de clientes.

¿En qué plataforma de mensajería la gente es más receptiva a interactuar con un chatbot?

Siempre depende del caso de uso, donde está la audiencia objectivo, cual es el retorno de inversión esperado y el tipo de chatbot (atención al cliente, orientad a lead gen, marketing, etc). Como plataforma de chatbots, no veo importante que un usuario esté familiarizado con el concepto, sino con el hecho de que un usuario tenga una mayor satisfacción contactando a una compañia en un medio que conoce, de forma asíncrona y se les preste un servicio de forma inmediata y eficiente.

Hemos deployeado bots para LINE, Messenger, Kik, Web, App e incluso Skype. Cada caso de uso es distinto y se tiene que personalizar la experiencia a cada plataforma.

Todo hay que decirlo, Messenger es hoy por hoy es la plataforma donde se consigue mayor tracción para compañías Europeas y Americanas.

El recorrido de los chatbots

Para terminar de tener una visión completa del estado del arte de desarrollo de esta tecnología vamos a conocer a continuación cómo imagina el futuro de los chatbots José Luis Calvo, director de interfaces cognitivos de Sngular:

Estamos a vueltas con los chatbots desde hace unos 15 años, probablemente animados entonces con el auge de MSN Messenger. Tan fulgurante fue el interés que despertaron, como testimonial el lugar que acabaron ocupando durante una década.

Desde hace unos 18 meses vivimos su resurgir. En este momento, además de la masiva adopción de Whatsapp o Facebook Messenger, creo que el detonador ha sido la comoditización de las herramientas NLP. Las compras de Wit.ai y API.ai por parte de Facebook y Google, junto al lanzamiento de LUIS.ai, Watson Conversation y Lex por parte de Microsoft, IBM y Amazon, han derribado la principal barrera en estos proyectos, el campo de la inteligencia artificial que entiende que significa una frase. Pero entender una frase no implica saber que hacer después.

La situación actual, como tantas veces, es que tenemos un gran salto entre la expectativa de un chatbot que va a reemplazar a todos los operadores de un call center y lo que realmente tenemos. Además, reconozcamos que tenemos que revisar lo que hemos aprendido de experiencia de usuario en web y móvil para adaptarlo a este canal. La expectativa razonable hoy creo que debe ser hacer un chatbot que atienda a un ámbito muy concreto. Limitado e imperfecto pero útil. Los escenarios viables son innumerables, simplemente hay que tener los pies en el suelo.

Es un campo en el que debemos esperar un desarrollo a un ritmo vertiginoso en los próximos años. Tanto en el aspecto de la conversación como en la de automatización ejecución de tareas hay casos muy prometedores que dan pistas de lo que podemos esperar. Sistemas de IA que escriben el guión de una película o que son capaces de aprender tareas simplemente observándolas en un entorno de realidad virtual, nos permiten imaginar un conjunto de posibilidades infinitas.

En definitiva, es el momento de subirse a la ola de los chatbots, con una ambiciosa visión, pero paso a paso y con pragmatismo.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *