¿Qué es un chatbot? Un chatbot es un software que puede entablar una conversación similar a la humana con un usuario. Un usuario puede hablarle o enviarle un mensaje a través de una aplicación de chat, y él responderá según corresponda hablando, escribiendo algo o mostrando algo gráfico. El principal caso de uso de chatbots en la actualidad es la atención al cliente, donde se utilizan para responder a preguntas sencillas y repetitivas y derivar preguntas más complejas a los agentes humanos.
Aunque quedan algunos problemas por resolver antes de que se utilicen de forma generalizada para la atención al cliente (más allá de los pedidos de productos de Amazon Alexa y algunos otros ejemplos), la interfaz conversacional se está adoptando rápidamente para funciones de atención al cliente.
Desde un punto de vista empresarial, un proyecto de chatbot, como cualquier otro proyecto, debe evaluarse en términos de riesgos y beneficios.
En este artículo, examinaremos los posibles retos que plantea la implementación de un chatbot y cómo evitarlos.
Muchos de los riesgos señalados aquí son evitables, ya que muchos de los problemas a los que se enfrentaron los primeros adoptantes son ahora bien conocidos.
Es inevitable que chatbots y la voz se adopten pronto de forma generalizada para la atención al cliente, ya que el ROI de los chatbot en muchos casos supera el 1.000%, lo que no se debe únicamente al ahorro de costes, sino también al aumento de la participación y la satisfacción del cliente y a las oportunidades de ingresos que se derivan de ello.
Las plataformas de bots existentes han madurado hasta el punto de que las empresas ya no tienen que preocuparse por esto. No solo se utilizará ampliamente chatbots para la atención al cliente, sino que los casos de uso se ampliarán rápidamente a la habilitación del cliente, que acabará dominando a la atención al cliente como caso de uso principal.
Más allá de la propaganda
A menudo es difícil evaluar una nueva tecnología porque uno sabe que parte de la publicidad que rodea al producto es sólo eso, publicidad. Las empresas tecnológicas hacen todo tipo de promesas sobre lo que ocurrirá cuando se implante su tecnología, pero uno sabe que no es tan fácil, que nada está garantizado y que, desde luego, no hacen hincapié en las desventajas. Lo mismo ocurre con chatbots.
Chatbots han pasado por muchas fases de exageración. Gran parte de esta exageración tiene que ver con la sobreestimación de lo que puede hacer chatbots .
Es cierto que en los últimos años se han producido auténticos avances en la IA relacionada con los chatbots, que es necesario comprender para tener una idea real de lo que cabe esperar de chatbots.
Los principales avances se han producido en tres tecnologías principales: el procesamiento del lenguaje natural (PLN), el reconocimiento del habla a escala (para asistentes de voz) y la generación de lenguaje natural.
La PNL permite a un chatbot identificar la intención común detrás de diferentes frases en lenguaje natural que tienen el mismo significado. Por ejemplo, "reservar un vuelo" o "quiero volar a París" tienen la misma intención que "reservar un vuelo". Un desarrollador de software puede codificar qué hacer una vez identificada esa intención.
El reconocimiento de voz utiliza una tecnología que traduce las palabras habladas en texto. Aunque el reconocimiento de voz existe desde hace mucho tiempo, sólo los avances en el rendimiento de los ordenadores y la posibilidad de delegar el trabajo en cloud hacen posible que estos sistemas sean capaces de identificar millones de palabras, ya que los algoritmos consumen muchos recursos informáticos.
La generación de lenguaje natural toma un conjunto de parámetros y genera una frase gramaticalmente correcta en lenguaje natural.
En cierta medida, todas estas tecnologías han avanzado gracias a los recientes avances en potencia informática.
La idea más extendida es que chatbots pronto sustituirá por completo a los agentes humanos. La realidad es que chatbots funciona extraordinariamente bien en un ámbito estrecho en el que el contexto es limitado y rinde mejor cuando responde a preguntas aisladas que no tienen contexto.
Eso no significa que la tecnología subyacente no sea potente y útil. Lo es. Eso no significa que chatbots no pueda generar un enorme retorno de la inversión (ROI). Sí que pueden.
Esto significa, sin embargo, que la experiencia del chatbot debe diseñarse teniendo en cuenta las limitaciones.
Errores comunes de un proyecto de chatbot
Objetivo equivocado
Hay muchas formas de que el objetivo elegido al implantar un chatbot sea erróneo. Puede haber muchos problemas a la hora de establecer objetivos, como resolver un problema que no existe, es decir, utilizar un chatbot para hacer algo que se hace mejor mediante una interfaz gráfica.
El mayor error que se puede cometer es creerse el bombo e intentar implantar un chatbot similar a un ser humano que entable una conversación con los clientes casi a nivel humano. Muchas empresas lo han intentado y han fracasado. Tratar de crea un chatbot fuera del ámbito de las cosas que hace realmente bien es siempre un problema.
Las mejores experiencias de chatbot son experiencias conversacionales guiadas, no abiertas. El software Botpress , por ejemplo, define un camino feliz que es un camino guiado en el que el software debe mantener al usuario. Si el usuario se desvía de este camino, el software intentará devolverle al camino feliz o le ofrecerá la oportunidad de iniciar otro camino, pero no le permitirá salirse por la tangente.
Problemas de diseño y desarrollo
Un chatbot mal diseñado hace que los usuarios lo utilicen de una forma que no estaba prevista. Obviamente, esto provoca frustración y tiene todo tipo de repercusiones negativas.
Chatbots deben diseñarse de forma conservadora, el alcance debe ser muy claro y la conversación debe escalarse a un humano con demasiada frecuencia en lugar de con poca frecuencia (o debe utilizarse una estrategia equivalente para el caso de uso en cuestión).
Ni que decir tiene que los desarrolladores que trabajen en el bot deben ser competentes y estar familiarizados con las mejores prácticas en este ámbito.
Enfoque tecnológico equivocado
Chatbots son hoy una mezcla de PNL y árboles de decisión. La PNL permite al usuario hacer preguntas abiertas en un ámbito muy limitado y los árboles de decisión le llevan a través de un árbol de decisión (el camino feliz) para resolver un problema o completar una tarea. Como ya se ha dicho en relación con los desvíos, el usuario tiene un margen limitado para desviarse del camino feliz.
Es un error elegir un enfoque de caja negra para las conversaciones. Las soluciones de caja negra son soluciones basadas en datos en las que la lógica se mantiene esencialmente en los algoritmos de IA. El problema es que nadie sabe con certeza qué hará la solución de IA, es extremadamente difícil de depurar, no se puede probar exhaustivamente y la nueva información puede cambiar su comportamiento.
Aunque incluso Botpress utiliza parte de esta tecnología, limita el ámbito en el que puede operar esta IA "de caja negra" al estrecho ámbito en torno al camino feliz. Por lo tanto, el objetivo de la IA es devolver siempre al usuario al camino feliz o permitirle la transición a un nuevo camino. Esto es mucho más fácil de entender y depurar.
Debo mencionar que esta IA de "caja negra" funciona extremadamente bien en dominios acotados y en los que hay una enorme cantidad de datos relevantes en torno a la tarea que se está realizando. Por eso la IA puede jugar tan bien. El problema con el lenguaje es que tiene dimensiones infinitas, ya que cualquier afirmación significa cosas diferentes dependiendo del contexto, que incluye afirmaciones que se han hecho previamente y otra información relevante que el agente conversacional debe conocer.
Implementar una IA de caja negra para las conversaciones utilizando el estado actual de la tecnología es similar al error de intentar implementar un chatbot abierto.
Además, a pesar de los defectos mencionados anteriormente, este tipo de enfoque de caja negra es extremadamente intensivo en datos y, por lo tanto, cuesta una fortuna implementarlo. Y el hecho de que sea una caja negra significa que es muy difícil cambiar de proveedor, lo que implica un coste de cambio extremadamente alto y, por tanto, un bloqueo.
Es mejor utilizar tecnologías sencillas de PNL y árboles de decisión para crea bots y luego utilizar IA con un alcance limitado en los bordes para que el usuario vuelva a completar la tarea que tiene entre manos. Hemos comprobado que las empresas se sorprenden de lo accesible y fácil que es utilizar esta tecnología. Un desarrollador competente puede aprender a crea un bot que utilice NLP y árboles de decisión en sólo unas horas.
También es fundamental entender que las conversaciones con chatbots no deben replicar las conversaciones con humanos. Las interfaces gráficas, por ejemplo, son mucho más eficientes en muchos casos que el texto o la voz. Es más rápido pulsar los botones de opción que escribir o pronunciar una respuesta. Esto sería cierto incluso si fuera posible crear un chatbot de nivel humano. A menudo se pasa por alto esta realidad al utilizar un enfoque de IA basado principalmente en palabras o en una caja negra.
Plataforma equivocada
Es posible que los problemas derivados de la elección de un marco bot incorrecto no se manifiesten de inmediato, pero se harán evidentes con el tiempo.
La forma más rápida de crea un chatbot es utilizar una plataforma de arrastrar y soltar. El problema es que, en la mayoría de los casos, los desarrolladores no tardan en toparse con grandes limitaciones. Además, el enfoque genérico utilizado significa que lo que deberían ser funciones sencillas se hackean en el sistema haciendo que sea torpe y difícil para los administradores utilizar el bot.
El otro lado del espectro son las plataformas propietarias basadas en código que permiten a los desarrolladores programar el bot desde cero. El problema de este enfoque es que se tarda mucho tiempo en crea , incluso con bots sencillos.
El mejor enfoque es un marco que proporcione todos los componentes e interfaces visuales necesarios, incluidas las interfaces de arrastrar y soltar, pero que al mismo tiempo permita personalizar fácilmente todos estos componentes e interfaces para la tarea en cuestión.
Esto es especialmente importante porque los patrocinadores de bots suelen centrar la mayor parte de su atención en cómo funcionará el bot para los usuarios finales. El problema es que hay muchos otros componentes e interfaces que son importantes para otros usuarios del bot, como los administradores (que quieren supervisar los análisis del chatbot y gestionar el acceso al backend), los creadores técnicos y no técnicos (que quieren modificar el comportamiento y el contenido del bot) y los agentes humanos (que responden a las conversaciones escaladas por el bot).
Construir estos componentes desde cero es un ejercicio que lleva mucho tiempo. Por supuesto, los frameworks simples de arrastrar y soltar tienen versiones muy genéricas y limitadas de esta funcionalidad y no se pueden personalizar fácilmente.
La capacidad de personalización es esencial para el propio bot del usuario final, aunque no resulte obvio a primera vista. Por ejemplo, cuando se construyen flujos utilizando el constructor de flujos de arrastrar y soltar, puede haber algunas tareas que deban repetirse una y otra vez en diferentes flujos, como autenticar a un usuario con un sistema de la empresa o procesar un pago.
El framework debería permitir añadir estos componentes como componentes visuales al constructor de flujos, de modo que los creadores de contenidos menos técnicos puedan añadir fácilmente estas funciones a los procesos.
Una plataforma que no sea fácil de personalizar dificultará ofrecer a los usuarios no técnicos formas de actualizar el contenido, ya que los métodos para hacerlo deben "piratearse" en el marco. Un marco que permite la personalización de todo debería facilitar la creación de pantallas diseñadas para usuarios no técnicos que sean fáciles e intuitivas de usar.
Además, también es muy beneficioso que sus desarrolladores tengan acceso al código fuente subyacente del sistema. Esto les permitirá entender más rápidamente cómo hacer las cosas y les permitirá identificar rápidamente los problemas si surgen.
Algo de vital importancia para un framework es la capacidad de controlar y migrar sus datos. La plataforma debe permitir a las empresas desplegar el bot en cualquier lugar que elijan, ya sea en una cloud privada u on-prem (en servidores internos).
El retorno de la inversión también es una consideración importante en términos de plataforma. La plataforma debe permitir reutilizar el trabajo de un bot para otros bots, es decir, crear funcionalidades para un bot facilita la creación de crea para el siguiente. Esto hace que la ampliación de un bot a muchos bots sea cada vez más barata, lo que repercute en una mejora del ROI general.
Un ejemplo de ello es que las plataformas mal diseñadas le obligarán a crear un nuevo bot para cada nuevo idioma que añada en lugar de permitirle simplemente ofrecer el mismo contenido en un idioma diferente. Incluso el hecho de no separar el diseño del flujo del contenido hace que la gestión del contenido sea más difícil y propensa a errores, ya que el personal no técnico tiene que editar los flujos reales en lugar de simplemente actualizar el contenido.
Permitir que los administradores y otros usuarios de backend realicen su trabajo de forma eficiente y sencilla también ahorra tiempo y conduce a menos errores, lo que mejora el retorno de la inversión.
Bloqueo de proveedores
La dependencia de un proveedor es un problema en varios sentidos.
Si estás obligado a utilizar su tecnología, es decir, la plataforma no te permite utilizar componentes de terceros, estás apostando a que todos sus componentes serán los mejores de su clase para siempre. Si no, te verás obligado a utilizar tecnología obsoleta mientras el resto del mercado avanza o se somete a un ejercicio de cambio muy costoso.
Si les falta algún componente, o si necesitas cambiar el funcionamiento de algo, tendrás que confiar en ellos para que realicen el desarrollo a medida, lo que no sólo provoca retrasos, sino que puede resultar caro.
Por último, si eres un cliente cautivo, ellos pueden fijar los precios, que pueden ser muy caros. Saben que los costes de cambio a plena carga pueden ser muy elevados, sobre todo si dificultan la migración de datos y código a otras plataformas.
Utilizar un sistema propietario en lugar de un sistema abierto hace que el bloqueo sea más probable y los costes de cambio más elevados. Además, elegir un enfoque complejo para chatbots que sólo puedan aplicar los especialistas en datos significa que será aún más difícil escapar al bloqueo y que los costes del mismo serán más elevados.
No conseguir la participación de las partes interesadas
Se trata de un error común y obvio en cualquier proyecto de software que implique cambiar comportamientos existentes, y las soluciones son bien conocidas. Por supuesto, los agentes de atención al cliente son especialmente importantes en el mundo de los bots, ya que pueden sentirse amenazados por esta tecnología. Hay que volver a formarlos para que ofrezcan un conjunto de servicios complementarios a los que ofrece el bot, sobre todo para que ofrezcan servicios más profundos a los clientes que tienen necesidades más complejas que no pueden resolver los bots.
Ignorar el ROI
Ignorar el ROI puede conducir al fracaso de dos maneras. La primera es que, sin una cifra de ROI convincente, el proyecto no obtendrá patrocinio, incluso si se patrocinó un POC para probar la tecnología. La segunda es que las partes interesadas en el proyecto se den cuenta de que no hay ROI una vez que el proyecto está en marcha.
No hay razón para no calcular el ROI esperado [calcular el ROI] por adelantado y luego actualizar este número a medida que se obtiene más información sobre el caso de uso y el contexto. Hay muchos casos de uso que tienen un ROI extremadamente alto, por lo que encontrar casos de uso no debería ser difícil.
No construir el bot de forma incremental
Por supuesto, muchos de los riesgos anteriores pueden evitarse siguiendo un enfoque de implantación incremental del bot.
Es extremadamente fácil crea soluciones que pueden probarse de forma incremental. Empiece con un único caso de uso POC y dirija a unos pocos usuarios finales al bot para evaluar el rendimiento. De este modo, la eficacia de la solución, incluida la respuesta de los usuarios, puede probarse y perfeccionarse de forma económica en cada paso.
Por supuesto, es importante seleccionar los casos de uso que cuestionan los supuestos de mayor "riesgo" al seleccionar un caso de uso para este ejercicio, de modo que los supuestos más inciertos y críticos se comprueben por adelantado.
A muchos proveedores les gustaría que te involucraras en un enfoque big bang en el que se invierte una gran cantidad de trabajo y esfuerzo por adelantado antes de presentar a los usuarios un bot que funcione, incluso un POC. No sólo eso, sino que los proveedores insisten en que sólo los consultores de alto precio son capaces de gestionar y supervisar el bot para usted. Esto debería ser una señal de alarma.
Conclusión
Hay muchas consideraciones a tener en cuenta a la hora de crear un chatbot. Siempre que conozcas los principales riesgos y adoptes un enfoque gradual de la implementación, tendrás muchas posibilidades de crear un chatbot de éxito y obtener un ROI extraordinario.
Comparte esto en:
Construye gratis tu propio chatbot personalizado
Empieza a crear un bot GPT personalizado con nuestra intuitiva interfaz de arrastrar y soltar.
Empieza: ¡es gratis! 🤖No se necesita tarjeta de crédito
Manténgase al día sobre lo último en IA chatbots