Este artículo contiene los siguientes temas:
- ¿Cómo se procesa el lenguaje natural?
- ¿Cómo se seleccionan los artículos para las recomendaciones?
- Ideas equivocadas
Artículos relacionados:
¿Cómo se procesa el lenguaje natural?
Los agentes IA usan la inteligencia artificial para evaluar los artículos, lo que quiere decir que pueden imitar el comportamiento humano. Se valen del procesamiento del lenguaje natural (NLP) para leer todos los artículos del centro de ayuda y comprender el concepto principal de cada artículo. Luego toman todos los conceptos de los artículos y los colocan en un mapa. Cada concepto tiene su propia “dirección” en el mapa de manera que se encuentre cerca de otros conceptos similares. Sin embargo, en lugar de solo una ciudad, una calle y un código postal, esta dirección tiene 500 partes. Cada vez que llega una pregunta nueva, el agente IA hace lo posible por comprender el concepto de la pregunta y usa el mapa para determinar cuál es el artículo existente más cercano.
Por ejemplo, estos son algunos conceptos que podrían extraerse de algunas preguntas:
Pregunta | Posible concepto |
---|---|
¿Cómo hago para poner mis tickets en un archivo? | Exportación de datos |
No puedo entrar a mi cuenta | Acceso a la cuenta/Restablecimiento de la contraseña |
¿Cómo hago para crear una grulla? | Plegar pájaros de origami |
Observe que el agente IA detecta automáticamente el idioma utilizado en un mensaje de correo electrónico combinando el asunto y la descripción y utilizando la predicción de idioma. Esto puede hacer que las sugerencias aparezcan en un idioma que no coincide con el configurado en el perfil del usuario final.
¿Cómo se seleccionan los artículos para las recomendaciones?
Si una pregunta entrante se aproxima bastante a un artículo existente, se convierten en “vecinos” en el mapa (como se describe más arriba) y es obvio que el agente IA debería recomendar ese artículo. No obstante, si la aproximación más cercana está a unas cuadras de distancia, o en un barrio cercano, es menos seguro que los conceptos están relacionados.
El equipo de ciencia de datos en Zendesk hace un monitoreo cuidadoso del rendimiento y lo ha perfeccionado con el tiempo mediante el ajuste de una “perilla de umbral”. Los administradores y agentes no pueden ajustar este umbral, solo está a disposición de los equipos de desarrollo de Zendesk. La perilla de umbral es un control global (es decir, afecta a todas las cuentas) y se usa para determinar cuán cercanos tienen que estar los dos conceptos en el mapa de conceptos para que se puedan considerar similares.
Cuando la perilla de umbral se sube, el agente IA se vuelve más cauteloso y recomienda menos artículos, pero es más probable que las recomendaciones sean pertinentes para la pregunta. Sin embargo, eso también quiere decir que habrá más preguntas sin ningún artículo recomendado ni contenido del centro de ayuda. Cuando la perilla de umbral se baja, se presenta más contenido, pero es menos probable que sea pertinente para el usuario final.
Ideas equivocadas
Hay algunas ideas equivocadas que pueden causar confusión. En esta sección, las describiremos para intentar aclarar posibles malentendidos.
- ¿Aprende el agente IA de los comentarios de los usuarios finales? ¿No es para eso que sirve el aprendizaje automático?
- ¿Es la búsqueda basada en IA siempre mejor que una búsqueda por palabra clave?
- ¿Puedo “entrenar” al agente IA haciendo la misma pregunta y respuesta una y otra vez, y respondiendo con “Sí” o “No” para marcar un artículo como relevante o irrelevante?
- Si agrego rótulos a mis artículos, ¿equivale eso a agregar una palabra clave al artículo? ¿Se puede hacer eso para aumentar la frecuencia con la que se sugiere un artículo?
- Si no puedo usar el botón “mejorar respuestas” para mejorar el rendimiento, ¿qué alternativa tengo?
¿Aprende el agente IA de los comentarios de los usuarios finales? ¿No sirve para eso el aprendizaje automático?
Aunque el agente IA funciona con un modelo de aprendizaje automático, eso no quiere decir que esté aprendiendo constantemente. El modelo no incorpora los comentarios en tiempo real de los usuarios finales y agentes. Por lo tanto, los comentarios no tienen ninguna influencia en los artículos que se recomiendan.
Los comentarios de los usuarios finales se captan y se usan de varias maneras:
- Son mostrados a los agentes para proporcionar contexto adicional sobre los artículos que fueron visualizados, marcados como “No es útil”, o usados para resolver un caso.
- Son incluidos en los informes para que los administradores puedan hacer seguimiento del rendimiento.
- Son evaluados por el equipo de ciencia de datos de Zendesk.
Si observa que se están recomendando artículos incorrectos repetidamente, lo mejor es modificar los títulos y las primeras 75 palabras de los artículos para que la idea principal quede más clara. También puede usar rótulos para crear una lista de artículos que se pueden utilizar para hacer sugerencias; de esta manera, las sugerencias se limitarán a ese subconjunto de artículos solamente.
¿Es la búsqueda basada en IA siempre mejor que una búsqueda por palabra clave?
En general, las recomendaciones de artículos generadas por IA son más exactas y pertinentes que las búsquedas por palabra clave, sobre todo si la pregunta se hace como una oración completa (en lugar de utilizar de una a tres palabras).
¿Puedo “entrenar” al agente IA haciendo la misma pregunta y respuesta una y otra vez, y respondiendo con “Sí” o “No” para marcar un artículo como relevante o irrelevante?
No. El agente IA recomendará siempre los mismos artículos independientemente de los comentarios de los agentes o usuarios finales. Está diseñado específicamente para que no necesite ningún tipo de entrenamiento para comenzar. Ya está entrenado para comprender el lenguaje natural. Si hace una prueba con una frase o pregunta y se recomiendan artículos incorrectos, lo mejor es modificar el título y las primeras 75 palabras de los artículos para que el concepto principal quede más claro.
Si agrego rótulos a mis artículos, ¿equivale eso a agregar una palabra clave al artículo? ¿Se puede hacer eso para aumentar la frecuencia con la que se sugiere un artículo?
Los rótulos son una excelente manera de crear una lista de artículos aprobados que se pueden utilizar para hacer sugerencias. Sin embargo, los rótulos no tienen influencia en el peso que se da a cada artículo. Consulte Mejores prácticas: uso de rótulos para optimizar las recomendaciones de artículos.
Si no puedo usar el botón “mejorar respuestas” para mejorar el rendimiento, ¿qué alternativa tengo?
La mejor manera de mejorar el rendimiento del agente IA es plantearse lo siguiente:
- Monitorear la actividad de las respuestas automáticas con artículos: use Explore para ver qué artículos tienen el mejor y peor rendimiento.
- Considerar la estructura de los artículos existentes: mire los artículos del centro de ayuda y asegúrese de que el contenido sea conciso y esté bien organizado. Cada título debe estar redactado como una oración corta o una pregunta.
- Usar las pistas de contenido: use la tecnología de aprendizaje automático y los datos que detallan el uso de los artículos para descubrir las oportunidades y tareas que pueden mejorar la calidad de su base de conocimientos.
0 comentarios