Trabajar con agentes generativos de IA

Cuando has utilizado un chatbot en el pasado, probablemente lo has considerado lento o difícil de usar. La mayoría de los bots que existen no son muy buenos para entender lo que quieren tus clientes, ni para saber cómo responder o emprender acciones como lo haría un agente humano.

Al combinar la información de tu base de conocimientos con la IA de vanguardia, no sólo tienes un chatbot con MessageMind™: tienes un agente de IA generativa, diseñado para realizar tareas que antes sólo podían hacer los agentes humanos.

Esta guía te llevará a través de la tecnología de MessageMind™ que utilizamos para que la experiencia del cliente con un Agente de IA sea diferente a la de cualquier chatbot que hayas utilizado antes.

Comprender los Grandes Modelos Lingüísticos (LLM) y la IA Generativa

El secreto de cómo tu Agente AI entiende y escribe mensajes está en la IA, o inteligencia artificial, que MessageMind™ utiliza entre bastidores. En términos generales, la IA es una serie de programas informáticos complejos diseñados para resolver problemas como los humanos. Puede abordar diversas situaciones e incorporar distintos tipos de datos; en el caso de tu Agente de IA, se centra en analizar el lenguaje para conectar a los clientes con las respuestas.

Cuando un cliente interactúa con tu Agente de IA, éste utiliza Grandes Modelos de Lenguaje, o LLM, que son programas informáticos entrenados en grandes cantidades de texto, para identificar lo que pide el cliente. Basándose en los patrones que el LLM identificó en los datos de texto, un LLM puede analizar una pregunta de un cliente y determinar la intención que hay detrás de ella. Después, puede analizar la información de tu base de conocimientos y determinar si el significado que hay detrás coincide con lo que busca el cliente.

La IA generativa es un tipo de LLM que utiliza su análisis del contenido existente para crear contenido nuevo: construye frases palabra por palabra, basándose en qué palabras es más probable que sigan a las que ya ha elegido. Mediante la IA generativa, tu Agente de IA construye respuestas basadas en fragmentos de tu base de conocimientos que contienen la información que busca el cliente, y las formula de forma natural y conversacional.

Comprende los filtros de contenido de tu agente de IA

Los datos de entrenamiento LLM pueden contener contenidos nocivos o indeseables, y la IA generativa a veces puede generar detalles que no son ciertos, lo que se denomina alucinaciones. Para combatir estos problemas, tu Agente AI utiliza un conjunto adicional de modelos para garantizar la calidad de sus respuestas.

Antes de enviar cualquier respuesta generada a tu cliente, tu Agente AI comprueba que la respuesta lo sea:

• Segura: La respuesta no contiene ningún contenido dañino.
• Pertinente: La respuesta responde realmente a la pregunta del cliente. Aunque la información de la respuesta sea correcta, tiene que ser la que el cliente buscaba para darle una experiencia positiva.
• Precisa: La respuesta coincide con el contenido de tu base de conocimientos, por lo que tu Agente IA puede comprobar dos veces que su respuesta es verdadera.

Con estas comprobaciones, puedes estar seguro de que tu Agente de IA no sólo ha tomado decisiones acertadas sobre cómo ayudar a tu cliente, sino que también le ha enviado respuestas de alta calidad.

Comprender el motor de razonamiento de MessageMind

Tu Agente de IA funciona con un sofisticado Motor de Razonamiento MessageMind™ creado para proporcionar a los clientes los conocimientos y soluciones que necesitan.

Cuando los clientes hacen una pregunta a tu Agente de IA, éste tiene en cuenta lo siguiente para decidir qué hacer a continuación:

• Contexto de la conversación: ¿La conversación anterior a la pregunta actual contiene contexto que pueda ayudar a tu Agente de IA a responder mejor a la pregunta?
• Base de conocimientos: ¿Contiene la base de conocimientos la información que busca el cliente?
• Sistemas empresariales: ¿Existen Acciones configuradas con tu Agente de IA diseñadas para permitirle obtener la información que busca el cliente?

A partir de ahí, decide cómo responder al cliente:

• Pregunta de seguimiento: Si tu Agente de IA necesita más información para ayudar al cliente, puede pedir más información.
• Base de conocimientos: Si la respuesta a la consulta del cliente está en la base de conocimientos, puede obtener esa información y utilizarla para escribir una respuesta.
• Sistemas empresariales: Si la respuesta a la consulta del cliente está disponible mediante una de las Acciones configuradas en tu Agente AI, tu Agente AI puede obtener esa información haciendo una llamada a la API.
• Traspaso: Si tu Agente de IA no puede responder a la solicitud del cliente, puede transferirlo a un agente humano para que le preste más ayuda.

En conjunto, el mecanismo que toma estas complejas decisiones sobre cómo ayudar al cliente se denomina Motor de Razonamiento de MessageMind™. Al igual que cuando un agente humano toma decisiones sobre cómo ayudar a un cliente basándose en lo que sabe sobre lo que quiere el cliente, el Motor de Razonamiento tiene en cuenta una variedad de información para averiguar cómo resolver la consulta del cliente de la forma más eficaz posible.

Comprende cómo tu agente de IA evita las inyecciones de emergencia

Muchos chatbots de IA son vulnerables a las inyecciones de avisos o jailbreaking, que son avisos que consiguen que el chatbot proporcione información que no debería, por ejemplo, información confidencial o insegura.

El motor de razonamiento de los Agentes IA de MessageMind™ está estructurado de tal forma que es muy difícil que los ataques adversarios LLM tengan éxito. En concreto, tiene:

• Una serie de subsistemas de IA que interactúan entre sí, cada uno de los cuales modifica el contexto que rodea al mensaje de un cliente.
• Varias instrucciones rápidas que dejan muy clara la tarea que hay que realizar, indicando al Agente IA que no comparta el funcionamiento interno ni las instrucciones, y que redirija las conversaciones lejos de la cháchara casual.
• Modelos que pretenden detectar y filtrar contenidos nocivos en las entradas o salidas.

Con pruebas de IA generativa de última generación antes de los nuevos despliegues, MessageMind™ garantiza una experiencia de interacción con el cliente segura y eficaz.

Cuando conectes tu Agente de IA a tu base de conocimientos y empieces a servir contenido generado automáticamente a tus clientes, puede parecer magia. ¡Pero no lo es! Este tema te explica lo que ocurre entre bastidores cuando empiezas a servir contenido de la base de conocimientos a los clientes.

Cómo MessageMind™ ingiere tubase de conocimientos

Cuando vinculas tu base de conocimientos a tu Agente de IA, éste copia todo el contenido de tu base de conocimientos, de modo que pueda buscar rápidamente en ella y servir información relevante a partir de ella. Así es como ocurre:

1. Cuando vinculas tu Agente AI con tu base de conocimientos, tu Agente AI importa todo el contenido de tu base de conocimientos.

   Dependiendo de las herramientas que utilices para crear y alojar tu base de conocimientos, ésta se actualizará con distinta frecuencia:

   • Si tu base de conocimientos está en Zendesk o Salesforce, tu Agente de IA comprueba si hay actualizaciones cada 15 minutos.

     • Si tu Agente AI no ha mantenido ninguna conversación, ya sea inmediatamente después de vincularlo con tu base de conocimientos o en los últimos 30 días, tu Agente AI pausa la sincronización. Para activar una sincronización con tu base de conocimientos, mantén una conversación de prueba con tu Agente de IA.

   • Si tu base de conocimientos está alojada en otro lugar, tú o tu equipo de MessageMind™ tendréis que crear una integración para rasparla y cargar el contenido en la Knowledge API de MessageMind. Si es así, la frecuencia de las actualizaciones depende de la integración.

2. Tu Agente AI divide tus artículos en trozos, de modo que no tenga que buscar en artículos largos cada vez que busque información; en su lugar, puede consultar los trozos más cortos.

   Aunque cada artículo puede abarcar diversos conceptos relacionados, cada trozo sólo debe abarcar un concepto clave. Además, tu Agente AI incluye el contexto de cada trozo; cada trozo contiene los encabezamientos que lo precedieron.

3. Tu Agente AI envía cada trozo a un Gran Modelo de Lenguaje (LLM), que utiliza para asignar a los trozos representaciones numéricas que correspondan al significado de cada trozo. Estos valores numéricos se denominan incrustaciones, y los guarda en una base de datos.

   A continuación, la base de datos está lista para proporcionar información que GPT puede reunir en respuestas naturales a las preguntas de los clientes.

Cómo MessageMind™ crea respuestas a partirdel contenido de la base de conocimientos

Tras guardar el contenido de tu base de conocimientos en una base de datos, tu Agente de IA está listo para proporcionar contenido a partir de ella para responder a las preguntas de tus clientes. He aquí cómo lo hace:

1. Tu Agente AI envía la consulta del cliente al LLM, para que pueda obtener una incrustación (un valor numérico) que se corresponda con la información que pedía el cliente.

   Antes de continuar, el Agente de IA envía el contenido a través de una comprobación de moderación mediante el LLM para ver si la pregunta del cliente era inapropiada o tóxica. Si lo fuera, tu Agente AI rechaza la consulta y no continúa con el proceso de generación de respuestas.

2. A continuación, tu Agente de IA compara las incrustaciones entre la pregunta del cliente y los trozos de su base de datos, para ver si puede encontrar trozos relevantes que coincidan con el significado de la pregunta del cliente. Este proceso se llama recuperación.

   Tu Agente de IA busca en la base de datos la mejor coincidencia de significado con lo que pidió el cliente, lo que se denomina similitud semántica, y guarda los tres trozos más relevantes.

   Si la pregunta del cliente es una continuación de una pregunta anterior, tu Agente de IA podría hacer que el LLM reescribiera la pregunta del cliente para incluir el contexto y aumentar así las posibilidades de obtener fragmentos relevantes. Por ejemplo, si un cliente pregunta a tu Agente de IA si tu tienda vende galletas, y tu Agente de IA dice que sí, el cliente puede responder con un "¿cuánto cuestan?". Esa pregunta no tiene suficiente información por sí sola, pero una pregunta como "¿cuánto cuestan tus galletas?" proporciona suficiente contexto para obtener un trozo significativo de información.

   Si en este punto tu Agente de IA no puede encontrar ninguna coincidencia relevante para la pregunta del cliente en los trozos de la base de datos, le envía un mensaje pidiéndole que reformule su pregunta o eleva la consulta a un agente humano, en lugar de intentar generar una respuesta y arriesgarse a servir información inexacta.

3. Tu Agente de IA envía los tres fragmentos de la base de datos más relevantes para la pregunta del cliente a GPT para que los reúna en una respuesta. A continuación, tu Agente AI envía la respuesta generada a través de tres filtros:

   1. El filtro de seguridad comprueba que la respuesta generada no contenga ningún contenido dañino.

   2. El filtro Relevancia comprueba que la respuesta generada responde realmente a la pregunta del cliente. Aunque la información de la respuesta sea correcta, tiene que ser la que el cliente buscaba para darle una experiencia positiva.

   3. El filtro Exactitud comprueba que la respuesta generada coincide con el contenido de tu base de conocimientos, para poder verificar que la respuesta del Agente IA es verdadera.

4. Si la respuesta generada pasa estos tres filtros, tu Agente de IA se la sirve al cliente.