{"id":155734,"date":"2019-06-27T12:25:37","date_gmt":"2019-06-27T19:25:37","guid":{"rendered":"https:\/\/www.genesys.com\/?post_type=blog&p=155734"},"modified":"2019-06-27T12:25:37","modified_gmt":"2019-06-27T19:25:37","slug":"en-los-datos-confiamos-ia-ia-conversacional-y-bots","status":"publish","type":"blog","link":"https:\/\/www.genesys.com\/es-mx\/blog\/post\/en-los-datos-confiamos-ia-ia-conversacional-y-bots","title":{"rendered":"En los Datos confiamos: IA, IA conversacional y bots"},"content":{"rendered":"

[vc_section full_width=”stretch_row”][vc_row][vc_column][vc_column_text]Ya todos sabemos eso de que \u201clos datos gobiernan el mundo\u201d. Por lo general, eso se refiere a la \u00a0inteligencia artificial (IA) y machine learning<\/a>. Es un concepto del que se habla mucho y se implementa poco. Y el fiel reflejo de eso son las empresas que abordan el tema a nivel superficial o que no prestan la suficiente atenci\u00f3n a los datos antes de embarcarse en proyectos de IA, frecuentemente a trav\u00e9s de bots.<\/p>\n

Este es el primero de una serie de blogs que analiza los aspectos que deben tenerse en cuenta respecto de los datos de IA. Analizaremos c\u00f3mo Genesys atiende estas cuestiones y cu\u00e1les fueron las lecciones aprendidas en el camino.<\/p>\n

D\u00f3nde empez\u00f3 el amor de la IA por los datos<\/strong><\/p>\n

En la d\u00e9cada de 1980,\u00a0la tecnolog\u00eda de reconocimiento de voz<\/a>\u00a0sent\u00f3 las bases de c\u00f3mo la IA trabaja con los datos hoy. A pesar de que inicialmente reconoc\u00eda solo n\u00fameros, los gobiernos de EE. UU. y Europa realizaron un esfuerzo conjunto para desarrollar esta tecnolog\u00eda. Su objetivo era hacer que los datos estuvieran disponibles para la investigaci\u00f3n y basarla en algoritmos. La curaci\u00f3n de datos de investigaci\u00f3n, a pesar de ser un proceso tedioso y que insume mucho tiempo, permiti\u00f3 innovar para mejorar la precisi\u00f3n utilizando t\u00e9cnicas de modelado estad\u00edstico.<\/p>\n

Hoy en d\u00eda se ha avanzado much\u00edsimo en la \u201cvisi\u00f3n de la computadora\u201d, que captura informaci\u00f3n de las im\u00e1genes o los datos multidimensionales. Esto fue impulsado por acad\u00e9micos y gobiernos que buscaban proporcionar datos para realizar investigaciones. MNIST e ImageNet son buenos ejemplos de esos datos. Sin embargo, la visi\u00f3n de la computadora es bastante diferente de la IA conversacional. La cantidad de formas en las que los humanos se comunican verbalmente, la complejidad de las modalidades como la voz, y la sem\u00e1ntica de las conversaciones que no siempre est\u00e1n bien definidas convierten a la IA conversacional en todo un desaf\u00edo.<\/p>\n

Lo que existe hoy no es suficiente<\/strong><\/p>\n

Desafortunadamente, la IA conversacional carece de datos de investigaci\u00f3n, y esto afecta a la industria en general y a Genesys en particular. La falta de datos hace que sea dif\u00edcil comparar la tecnolog\u00eda de los\u00a0voicebots, chatbots<\/a>\u00a0y de los distintos tipos de sistemas asistidos por agentes. Por ejemplo, comparemos la manera en que usted reconoce las intenciones de los clientes cuando hablan con un asistente de voz como Alexa o Cortana. La intenci\u00f3n ha sido dise\u00f1ada para un bot del sector bancario, a modo de ejemplo. Si no lo hace, ser\u00eda como comparar una silla de living con un sill\u00f3n para odontolog\u00eda. Calibrar los algoritmos para que los bots realicen determinadas tareas no es suficiente para poder implementar la tecnolog\u00eda de nuestros clientes, que tienen necesidades m\u00e1s profesionales y orientadas a las tareas.<\/p>\n

Todos los datos disponibles para la investigaci\u00f3n tienen puntos d\u00e9biles, incluidos los siguientes:<\/p>\n