Nieves Ábalos [@nieves_as] es ingeniera especializada en sistemas de interfaces conversacionales, aunque ella se define con tres conceptos: “Indie maker, product manager & entrepreneur”. Lleva años investigando en el mundo de la inteligencia artificial, con especial foco en Natural Language Processing, chatbots y sistemas de voz; comenzando a nivel académico en la Universidad de Granada y desarrollando productos tecnológicos y plataformas de agentes inteligentes en Innovación dentro del ámbito empresarial.
Su último año ha sido el del reto del emprendimiento convirtiéndose, a la vez, en nómada digital, viajando por el mundo mientras desarrolla productos para monoceros.xyz. El más relevante es naiz.chat, startup de la que es co-fundadora desde la que dotan de contexto, personalidad e inteligencia emocional a chatbots.
Hemos querido hablar con Nieves para tratar de entender por qué la inteligencia artificial está viviendo su hype en el ámbito empresarial y conocer cuál es la madurez real de esta tecnología, a la que mucha ciencia ficción y recientes predicciones ha hecho que le tengamos cierto respeto pero que, como conoceréis en esta entrevista, si la transformamos en inteligencia aumentada, los pros para el ser humano se multiplican.
Qué es más importante, ¿los datos o la tecnología?
El momento tecnológico actual ha influido mucho. Por ejemplo, se han hecho avances a nivel académico en la rama deep learning, detectando un potencial que se ha querido trasladar rápidamente a valor empresa. Pero el concepto de inteligencia artificial general ha existido desde hace mucho. Al final, como sucede con otros conceptos tecnológicos, se habla de ellos por olas que vuelven a resurgir cada cierto tiempo pero que se llaman de distinta manera. Inteligencia artificial ha sido siempre inteligencia artificial, pero a la gente que no es muy técnica no le puedes hablar de términos más específicos como reinforcement learning, se le habla en general del concepto inteligencia artificial.
¿Qué es y qué no es inteligencia artificial?
Cuando la gente de a pie habla de inteligencia artificial se refiere más a la magia de algo que no entiende cómo funciona pero le sorprende el resultado, más que a cosas que usan en su día a día y no entienden, pero a eso no le llaman IA. Que tu correo electrónico te filtre el spam es inteligencia artificial, y eso lleva existiendo años, pero no lo entendemos como tal.
La IA es un campo muy amplio, desde la aplicación de algoritmos para obtener conclusiones, hasta aplicar reglas en un algoritmo en un juego de ajedrez; y ya jugábamos hace años al ajedrez contra una máquina. O juegos como los Sims, en los que el comportamiento de los personajes tenían por detrás motores de IA.
¿Por qué ahora se habla tanto a nivel empresa? Por la tecnología actual, como he dicho antes, y porque es una ola más. La ola anterior era el big data. Tenemos un montón de datos y procesos, pero ya falta el siguiente paso: ¿Cómo lo aplicas? ¿Cómo pueden aprender los sistemas de esos datos? Mucha gente ha empezado a utilizar el término inteligencia artificial para referirse a todas esas cosas “nuevas” que pueden hacerse con los datos o esos pipeline de procesamiento. Es hacer algo más que big data.
¿Qué valor tienen los datos para estas tecnologías?
En gran parte de las técnicas de inteligencia artificial utilizadas hoy en día, los datos son indispensables. Sin ellos, no podemos crear modelos de aprendizaje que sean capaces de crear patrones para ver si podemos resolver ciertos problemas. Es el primer paso del proceso: obtener datos y “limpiarlos”. Y necesitamos datos en la suficiente cantidad y con la suficiente calidad.
Que los datos no sean suficientes o no tengan calidad afectará a las conclusiones o patrones obtenidos por los modelos. Debemos ser cuidadosos al sacar conclusiones con modelos mal entrenados porque influirá decisivamente en el resultado. Por ejemplo, los chatbots pueden tener modelos entrenados para comprender el lenguaje natural. Si el objetivo es que entiendan a cualquier persona, tenemos que tenerlo en cuenta a la hora de recoger datos de entrenamiento. Si sólo han sido entrenados con frases expresadas por una persona joven, el sistema aprenderá a entenderla, mientras que no podrá entender bien a gente adulta que utilice otro tipo de expresiones.
Esto también se extrapola a otros modelos, por ejemplo para la toma de decisiones. Que los datos estén sesgados hará que nuestro modelo también lo esté y debemos ser cuidadosos con estas situaciones.
Desde monoceros.xyz desarrollais productos cuya base esencial son los interfaces conversacionales entre la IA y las personas, ¿qué son y por qué son importantes en este campo?
Una interfaz conversacional es tanto la interfaz como lo que hay por detrás. La IA no es solo que puedas automatizar, o predecir, o hablar con un software y te entienda; también es pensar en la persona que lo va a utilizar. Desde nuestro punto de vista, lo que le falta a muchos productos tecnológicos es esa parte de acercarlo más a una necesidad real, y utilizar interfaces conversacionales hace que cualquiera pueda utilizar un sistemas de recomendación de manera más sencilla o automatizar procesos de empresa de forma amigable.
Creemos que las interfaces conversacionales aúnan muchos requisitos de la IA, ya que podemos automatizar pero a la vez podemos hacer que entienda mejor a las personas. Se pueden dar herramientas a las personas para que puedan apoyarse en la tecnología y dar un mejor servicio. Las interfaces añaden la capacidad de automatizar la mayor parte de un proceso y lo que ésta no sea capaz de hacer o automatizar, lo haga una persona. Hablamos de Inteligencia Aumentada, tenemos la capacidad de usar el software para mejorar las características que no son buenas. Si entendemos la inteligencia artificial como inteligencia aumentada, es como utilizar la tecnología para dar superpoderes a las personas, reforzando aquello en lo que no son tan buenas y permitiéndoles dedicarse a lo que mejor se les da.
¿Es posible entonces la convivencia de IA y personas a nivel laboral?
Se habla mucho de inteligencia artificial como sustituto de personas. El Foro Económico Mundial dice que en 2020 muchos puestos de trabajos van a ser sustituidos por IA y que estamos obligados a renovarnos. La inteligencia artificial ha estado ahí siempre, es verdad que ahora, con los nuevos avances, es posible que las empresas la integren más rápido y de manera más fácil, y habrá gente que deje de hacer tareas repetitivas, pero todo no es automatizar procesos y quitar a gente de sus tareas.
La IA aumenta las capacidades de las personas. Los humanos somos buenos en creatividad, empatía, capacidad de entender necesidades de otros… Las máquinas no hacen eso bien, pero sí son más analíticas que nosotros, más rápidas procesando datos… Pueden hacernos mejores.
¿Cómo se está llevando la inteligencia artificial al ámbito de los chatbots?
Hablamos de varias tecnologías cuando hablamos de chatbots: chatbots como canal, como automatización y como preguntas frecuentes. Esas tres patas están muy mezcladas actualmente.
Los inicios de los chatbots se centraron en preguntas frecuentes, ese problema está actualmente resuelto, se lanza una consulta y se devuelve un resultado tras buscar en una base de datos; pero otra cosa es cómo quieres que tus usuarios consuman esa información, aquí hablamos de chatbot como canal. Antes no era tan importante tener entre tus canales online este servicio a tu cliente, pero esto ha cambiado con los avances tecnológicos (de web a móvil, de móvil a multicanal) y las empresas sienten la presión de estar en los canales donde están sus clientes, independientemente del tipo de chatbot que sea. La diferencia está en que las empresas se están dando cuenta de que tienen que estar ahí pero no saben cómo hacerlo, eso ha provocado que se haya quedado en hype, porque, salvo casos aislados, no se han encontrado casos de uso o no han conseguido dar un servicio satisfactorio para los clientes con la tecnología.
Entonces, ¿los chatbots y las IA no están tan vinculados?
Digamos que no se ha sabido utilizar la tecnología disponible para que el chatbot sea independiente como canal. Tiene que haber una persona detrás porque el chatbot no entiende al usuario, y esto no es más que un parche por no saber aprovechar la tecnología. En una conversación reciente con una startup de turismo, nos decían que querían llegar a los canales donde estaba la gente, tipo Facebook, utilizando servicios de terceros genéricos, pero si el chatbot no entiende al usuario, perdemos al usuario y perdemos ingresos. No abras ese canal si no puedes gestionarlo bien.
Está bien que haya personas detrás de este sistema. Para un 80% de los casos te va a servir un chatbot como backend (preguntas frecuentes o automatización de tareas), pero hay otro 20% que requiere de una persona detrás que puede tener más tiempo para dar un servicio más exclusivo o de valor al usuario porque no tiene una sobrecarga de tareas.
La tecnología generalista accesible en el mercado no es capaz de dar un buen servicio para crear chatbots autónomos como canal. Hace años también había chatbots, se hacían a medida, y creando algo propio puedes gestionar bastante bien a tus clientes, pero claro, la inversión es alta. Si se utilizan las herramientas genéricas, te quitan mucho trabajo a nivel técnico pero también limitan la forma en la que llegas a tus usuarios. Las herramientas mejores son las más técnicas, que la gente no técnica no puede implementar, y se recurre mucho a las genéricas del mercado que no cumplen las expectativas. Hace falta una segunda ola tecnológica para que haya herramientas mejores y democratizar el acceso a mejores soluciones en la construcción de chatbots.
¿Cómo se da la comunicación entre IA y personas?
Hace poco leía un artículo que afirmaba que hay cinco niveles de sistemas inteligentes: el primer es automatizar tareas sin que el sistema te entienda bien; el segundo es un sistema capaz de resolverte preguntas frecuentes; el tercero, un sistema que puede hablar contigo y entender el contexto de la conversación; el cuarto, tiene más inteligencia y es capaz de gestionar más tareas autónomas y el último es el concepto cognitivo de un sistema con un entendimiento 360º. A día de hoy, hemos llegado a hacer bien el nivel 2, y estamos en el camino aún del nivel 3 de entender al usuario.
Uno de los problemas principales de por qué nos quedamos en el nivel 2 es porque las herramientas genéricas de sistemas de diálogo no gestionan el contexto, algo que para el ser humano es super obvio. Entre las personas, una conversación tiene un objetivo y una información mínima, porque ya hay una relación previa, porque hay un contexto previo… Pero un chatbot necesita más información y una conversación incompleta provoca la frustración de los usuarios por la falta de entendimiento.
El aprendizaje es importante para mejorar la comunicación. Dentro de este mundo hay chatbots que aprenden y otros que no aprenden. En un sistema de diálogo hay muchas piezas y cada una, tecnológicamente, es independiente. Una de esas piezas puede ser un modelo que necesite aprender, mientras que otras piezas no tienen por qué ser así. Para un modelo de comprensión de los usuarios, se puede aprender de las interacciones; qué le pides, cómo se lo pides…
Por otra parte tenemos la gestión del diálogo (que llamamos comportamiento) y cómo te responde. En cómo se comporta entra: qué acción va a hacer y si hay acciones o automatismos asociados.
A día de hoy, los sistemas empiezan a aprender la parte del entendimiento o comprensión: que pidas las cosas de distinta manera pero te refieras a lo mismo; el aprendizaje completo y personalizado es un poco lejano aún, porque es resultado de la interacción del dispositivo contigo en concreto, no referido a patrones de grupos. Tampoco me queda claro que a las empresas de referencia en estos dispositivos, como puedan ser Amazon o Google, a día de hoy, les interesen ese grado de personalización. Lo más parecido que se hace es lo que conocemos como sistemas de recomendación, como podemos ver en Netflix, que aprende de nuestros gustos.
Si tuvieras que establecer el punto de madurez de las IA con las personas, ¿dónde dirías que estamos?
La IA, como hemos dicho al inicio, es un campo muy amplio, pero empieza a haber avances en casos muy concretos que se resuelven con inteligencia artificial. Hay empresas muy potentes que dedican todos sus recursos y esfuerzos en resolver este tipo de problemas. El concepto IA como inteligencia global que lo resuelve todo está a años luz.
Por ejemplo, crearon un superalgoritmo que aprendió para ganar al mejor jugador de Go, un juego de moda en Asia, y consiguió vencerlo. O un caso de aplicación en industria, por ejemplo, es que crearon una IA que reconocía tomates maduros y no maduros, separándolo de manera automatizada a través de cámaras que detectaban el color.
A la inteligencia artificial le das unas reglas y es capaz de aprender de manera autónoma o bien le podemos enseñar dándole refuerzo y es capaz de dar este tipo de soluciones.
Hay más inteligencia artificial de lo que parece desde hace mucho tiempo. Esa es la IA en la que se está avanzando y con la que a corto plazo resolveremos más problemas cada vez, pero serán problemas estructurados, problemas concretos.
¿Qué sectores están sabiendo aprovechar la inteligencia artificial?
Hay sectores muy avanzados, más de lo que podríamos imaginar, un ejemplo es el caso de Defensa, que en EEUU ha hecho pública una polémica alianza con Google. O en Medicina, que ya cuenta con muchos casos resueltos con IA: la detección de tumores a través de las fotografías, pronóstico de enfermedades en pacientes en base a historiales o ADN. Un problema acotado y unas reglas. Y no es que vaya a diagnosticar y sustituir al médico, sino que es un caso de inteligencia aumentada: el doctor se va a apoyar en un sistema para tomar una mejor decisión.
Todo lo que esté relacionado con atención al cliente empieza a despuntar pero no se está aprovechando. Es el caso de los call centers; es cierto que fueron pioneros con el tema de sistemas de diálogo, hay mucho que aprender de ellos en temas de voz, pero sigue faltando más tecnología a pesar de que hay una buena oportunidad en ese sector.
En casos de automatización de procesos, empresas que venden productos a otras, son las que más están utilizando la IA. Por ejemplo, x.ai es una empresa que vende asistentes virtuales que ayudan a agendar una reunión leyendo y escribiendo correos electrónicos para un problema concreto que supone perder mucho tiempo para múltiples personas. El asistente se coordina con otros asistentes para planificar la reunión. Es un ejemplo claro de IA: tiene mucho por debajo de optimización, tiene NLP para entender los emails, soluciona de manera efectiva un problema concreto…
Donde haya una necesidad con ciertas tareas repetitivas hay una oportunidad para la IA.
¿Hacia dónde va el uso de la IA en próximo años a nivel empresarial?
En general, se van a avanzar en dos líneas en paralelo: la optimización y automatización de procesos está clarísima; el otro es que la tecnología va a mejorar que estos tipos de sistemas como canal se usen de manera más efectiva, que entiendan mejor, que sean más autónomos. Las empresas no se van a poder permitir fallar en este canal, si un cliente se frustra y se va, no vuelve.
Mucha ciencia ficción ha hecho que tengamos miedo a estos conceptos, pero si lo convertimos en Inteligencia Aumentada estamos transformándolo en beneficio para las personas.
Deja tu comentario