Los chatbots evolucionan para comprender mejor el lenguaje humano

En los últimos años muchas industrias han apostado por los chatbots inteligentes para mejorar la atención al cliente a través de una interfaz amigable que sustituye al personal humano en diversas tareas. Esta tecnología también se encuentra presente en los asistentes virtuales de Apple, Google, Amazon y similares, que actualmente son la máxima expresión en lo que se refiere a máquinas capaces de comprender el lenguaje humano.

Según los expertos, las barreras a superar en esta tecnología no se encuentran en el reconocimiento de voz, sino en la comprensión de la semántica en el lenguaje. Para ello se debe partir del lenguaje escrito, que se puede procesar con más facilidad por parte de los sistemas de inteligencia artificial y aprendizaje automático que se emplean en el desarrollo de los bots conversacionales, y que actualmente se están expandiendo en el campo de la Automatización Robótica de Procesos (RPA) y en otros campos como la mejora de la experiencia del cliente.

Como explica en un reciente artículo el colaborador de Forbes Adrian Bridgewater, las primeras iniciativas de Natural Language Undesrtanding (NLU), datan de la década de los ’80. Nacieron para abordar el reto de interpretar la información conversacional no estructurada y convertirla en datos estructurados con los que alimentar a los sistemas de Procesamiento de Lenguaje Natural (NLP), de ámbito más amplio. En un principio esto era muy complicado y generó mucha frustración a los desarrolladores y usuarios pioneros, pero actualmente se han superado muchas de las dificultades iniciales, lo que ha permitido impulsar el desarrollo de los actuales chatbots hasta nuevos niveles.

Bridgewater destaca que en los últimos años los desarrolladores de software NLU han logrado reducir la tradicional barrera del idioma entre las personas y la inteligencia artificial, aplicando las matemáticas a la comprensión semántica. Diferentes desarrolladores de la industria están combinando la IA con NLP para mejorar la capacidad de comprensión de los chatbots, ya sean mediante lenguaje escrito o hablado. El objetivo es que las máquinas sean capaces de comprender los errores que se producen muchas veces al transmitir las órdenes o las preguntas al bot, que tradicionalmente han llevado a errores de interpretación que reducen la confianza de los usuarios.

Además, la ambigüedad del lenguaje es una importante barrera, ya que cada palabra puede tener diferentes significados, y en algunos casos cientos de connotaciones, lo que dificulta la comprensión del mensaje completo a las máquinas. En estos casos la industria está realizando grandes avances gracias al aprendizaje automático, que permite a los chatbots identificar estructuras sintácticas y significados posibles para frases ambiguas y/o con errores de escritura o expresión.

Y en esta evolución, los expertos también trabajan con lo que denominan metaaprendizaje, que implica el uso de los metadatos asociados al mensaje original. En una empresa, esto significa que en la comprensión del mensaje se consideran factores adicionales como la persona, ubicación y departamento de dónde procede, la función que desempeña el empleado en cuestión y otros datos de interés.  Por último, los expertos están trabajando en lo que denominan chatbots dinámicos, un concepto que responde al propio dinamismo del lenguaje humano y corporativo. Para ello se emplean las técnicas de aprendizaje automático más avanzadas, con capacidades de análisis profundo y respuesta en tiempo real, todo ello con la intención de imitar capacidades humanas de nivel superior, como es la intuición.