La IA generativa está transformando el mundo de la atención al cliente. Aquí presentamos algunas ideas que le ayudarán a configurar un centro de ayuda capaz de sacar el máximo provecho de esta tecnología innovadora.

En este artículo se tratan los siguientes temas:

  • La IA generativa en el contexto de la atención al cliente
  • Qué sucede cuando se alimenta a un agente IA impulsado por IA generativa con una fuente de conocimiento
  • Consejos de nuestros investigadores de IA para formatear el centro de ayuda
  • Mejores prácticas de la arquitectura del centro de ayuda para la IA generativa
  • Optimizar el formato de los artículos favoreciendo la claridad

Artículos relacionados:

  • Optimizar el contenido del centro de ayuda para los agentes IA
  • Cinco estrategias para ampliar el contenido del centro de ayuda y mejorarlo con ayuda de la IA

La IA generativa en el contexto de la atención al cliente

Los modelos de lenguaje grande (LLM) y la IA generativa han irrumpido con fuerza en el mundo moderno. Los resultados derivados de las conversaciones naturales facilitadas por esta tecnología han elevado la experiencia del cliente a niveles insospechados. Y ahora que han visto lo humanas que pueden ser las interacciones impulsadas por IA, los clientes esperan lo mismo de las opciones de la atención al cliente.

Uno de los casos de uso más innovadores de la IA generativa en la atención al cliente es la obtención de información instantánea de una fuente de conocimiento, como su centro de ayuda. Una vez integrada en el centro de ayuda, la tecnología se aplicará enseguida para mantener conversaciones de soporte más fiables y con una naturalidad muy similar a la humana. Al conectar un LLM a su centro de ayuda o a una página de preguntas frecuentes, podrá proporcionar a sus clientes la información de soporte más actualizada, al instante, y sin necesidad de ningún tipo de entrenamiento.

De todas maneras, para sacar el máximo provecho de los agentes impulsados por IA generativa, es imprescindible que los datos a los que tiene acceso el LLM se presenten de la forma más concisa y coherente posible. Si desea preparar su centro de ayuda para la IA generativa, siga las prácticas recomendadas más abajo.

Comenzaremos con lo que pasa cuando se recurre a una fuente de conocimiento para alimentar la IA generativa, luego repasaremos las mejores prácticas generales de la arquitectura del centro de ayuda y, por último, examinaremos en detalle algunos consejos de formato.

Qué pasa cuando se recurre a una fuente de conocimiento para alimentar al agente impulsado por IA generativa

Cuando se alimenta a un agente impulsado por IA generativa con una fuente de conocimiento, el texto de esa fuente se divide de manera inteligente en “chunks” o “fragmentos” de texto. Este es el primer paso en un marco llamado generación con recuperación aumentada (RAG). La RAG es lo que permite que el LLM pueda acceder a información no incluida en los datos de entrenamiento originales, como los artículos del centro de ayuda que tanto se ha esforzado en elaborar.

Los fragmentos de información se guardan en una base de datos que se organiza en categorías semánticas. Cuando el usuario envía un mensaje a un agente IA, el significado de ese mensaje se compara con el significado de los fragmentos de la base de datos hasta encontrar la correspondencia ideal. Luego el agente IA utiliza esa información (que obedece a determinadas instrucciones, a la persona y el tono de voz y a las precauciones de seguridad) para responder el mensaje del usuario.

Esto es lo que sucede cuando la IA generativa utiliza el centro de ayuda para responder las preguntas de los clientes:

  1. Segmentación. Al principio, se importa el centro de ayuda y se segmenta en lo que hemos estado llamando “fragmentos” o “chunks”. Esos fragmentos pueden ser de cualquier tamaño y se ajustan para captar tanto la longitud como el significado intrínseco de su contenido.
  2. Conversión a un lenguaje matemático. Luego cada fragmento recibe una firma numérica única: un vector que representa su significado semántico, lo que equivale a traducir el texto a un lenguaje matemático que el agente IA puede entender y guardar eficientemente en una base de datos de vectores.
  3. Concordancia de conceptos. Cuando un usuario hace una pregunta al agente IA, el sistema compara el significado de la pregunta con los vectores guardados para identificar la coincidencia más cercana. Así, el proceso se asegura de obtener los fragmentos más adecuados para dar respuestas precisas y acertadas.
  4. Elaboración de una respuesta. Por último, el agente IA utiliza la información obtenida para responder la pregunta del usuario (de acuerdo con las instrucciones, la persona y el tono de voz, así como las precauciones de seguridad).

Una vez que usted comprenda la idea principal que describimos aquí (que los “fragmentos” o “chunks” son la base de las respuestas del agente IA), podrá preparar mejor el centro de ayuda para que sea más compatible y eficaz al integrarse con el agente impulsado por IA generativa.

Aunque los LLM y la RAG son dos de las puntas de lanza del progreso tecnológico actual (y merecen nuestra atención por sus capacidades innovadoras), en este momento no contamos con una inteligencia artificial general que sea capaz de realizar todas las tareas que están al alcance de un ser humano. A medida que vaya integrando la IA generativa en su flujo de trabajo, recuerde que obtiene información extrayéndola íntegramente de fragmentos de texto creados con las fuentes de conocimiento conectadas, y no explorando ni investigando en segundo plano.

Consejos de nuestros investigadores de IA para formatear el centro de ayuda

Antes de analizar las mejores prácticas generales, presentamos los dos consejos que nuestros investigadores de IA consideran más importantes para preparar un centro de ayuda.

  • Asegúrese de que cada artículo responda directamente a una pregunta del cliente. De esta manera, ayudará a mejorar el rendimiento del LLM y hará que los usuarios humanos disfruten una mejor experiencia al hacer búsquedas en el centro de ayuda.
  • Haga concordar las preguntas y los temas con sus soluciones. Si una pregunta (p. ej., “¿Cómo XYZ?”) o un tema (p. ej., “Pasos para XYZ”) solamente aparece en el título, no siempre permanecerá unida a las respuestas o instrucciones correspondientes durante el proceso de segmentación en fragmentos o “chunks”. Para que el contexto quede claro, es importante repetir la pregunta o la afirmación clave cerca de los pasos o de la información en el cuerpo del artículo. Así nos aseguramos de que cada fragmento del artículo cubra todos los aspectos relevantes y continúe siendo útil por sí solo.

Esta práctica no solo mantiene la pregunta vinculada con su respuesta dentro del fragmento, sino que también aumenta la probabilidad de que el sistema de recuperación presente respuestas completas y acertadas para su contexto.

Mejores prácticas de la arquitectura del centro de ayuda para la IA generativa

Si está usando un agente impulsado por IA generativa y desea que funcione lo mejor posible, será imprescindible que refine la arquitectura de su centro de ayuda. Estas son algunas pautas sencillas que le ayudarán a dar los primeros pasos:

  • Eliminar redundancias. Examine el contenido y elimine la información duplicada o contradictoria. Recuerde que el agente IA necesita datos de calidad para dar respuestas precisas. Priorice siempre el contenido más reciente y pertinente.
  • Tratamiento profundo y específico. Estructure los artículos de manera que sean muy específicos. Cada tema de soporte debe cubrirse a fondo en el centro de ayuda. A diferencia de los seres humanos, los agentes impulsados por IA generativa no pueden explorar páginas web externas ni seguir vínculos para obtener contexto adicional. Por esta razón, es vital que toda la información necesaria esté en los propios artículos.
  • Rotular el contenido. Use rótulos en el contenido del centro de ayuda. Esto es particularmente importante cuando desea ajustar la visibilidad del contenido en función de atributos de usuario (como la ubicación física) por medio de reglas de búsqueda.
  • Dar prioridad al texto. Asegúrese de contar con una versión de solo texto para cada artículo. Puesto que la IA generativa interpreta el texto y guarda su significado en una base de datos, otros tipos de contenido del centro de ayuda (imágenes, videos o diagramas) no se leen ni se guardan en la base de datos.

Optimizar el formato de los artículos favoreciendo la claridad

Una estructura organizada puede mejorar enormemente la accesibilidad y la utilidad del contenido. Recuerde que cada “fragmento” o “chunk” se guarda y se recupera en función de su significado, por lo que cuanto más claro sea, mejor.

  • Usar una jerarquía clara. Use títulos y subtítulos de manera eficaz y estructure el contenido con pasos orientados a la acción. Como decíamos antes, evite separar los temas o las preguntas de sus respuestas.
  • Evitar instrucciones anidadas. Si hay varias soluciones para un problema, presente cada una como una instrucción separada en lugar de subpasos que pertenecen a un paso más amplio. Esta claridad ayudará tanto a los usuarios como al LLM a encontrar soluciones rápidamente.
  • Incluir introducciones. Cada artículo debe comenzar con una introducción que describa su utilidad y describa los problemas que pretende resolver. Ahora mismo, esto beneficia a los usuarios humanos, y será más importante para los LLM a medida que vaya evolucionando su comprensión contextual.
  • La sencillez es fundamental. Estructure el texto en párrafos cortos, orientados a responder preguntas específicas directamente o a explicar temas de manera concisa. De igual manera, las oraciones deben ser directas. Este aspecto también ayuda a obtener mejores traducciones.
  • Estructurar con listas. Utilice viñetas para las listas de puntos clave o consejos y enumere los pasos cuando vaya a detallar un proceso. Cabe notar que, si bien los agentes impulsados por IA generativa son capaces de leer las tablas de texto (el propio texto, no imágenes), al LLM suele resultarle difícil comprenderlas y asignarles significado, lo que no ocurre con la información que se presenta en oraciones normales. Lo ideal es usar lenguaje natural siempre que sea posible.
  • Clarificar terminología. Los términos siempre deben desarrollarse en toda su extensión. Al usar abreviaturas, estas deben ir después del término y entre paréntesis la primera vez que se usan para que todos usuarios entiendan qué significan.
  • Conocer a la audiencia. Si tiene un centro de ayuda (o parte de él) que ha sido creado para sus agentes y no como un recurso dirigido a los clientes, analice si convendría reformular la información para que el agente IA se la haga llegar a los clientes de manera apropiada.

Como suele suceder al adoptar una nueva tecnología, con un poco de preparación se llega muy lejos. Antes de adoptar una solución de IA generativa, prepare bien su centro de ayuda de atención al cliente. Los frutos no se harán esperar y el soporte automatizado será más fiable.

Por último, es importante recordar que un agente impulsado por IA generativa no es una solución mágica para resolver todos los problemas de soporte. Esta tecnología deberá usarse como parte de una estrategia de CX bien planificada donde la IA generativa, la automatización basada en situaciones y (por supuesto) los agentes humanos aprovechen sus puntos fuertes y trabajen en equipo para ofrecer la mejor experiencia a sus clientes.

Tecnología de Zendesk