Antes de empezar
Antes de trabajar en tu AI Agent, obtén algo de contexto sobre el contenido generativo y el reasoning engine de MessageMind.
Cuando has usado un chatbot en el pasado, probablemente lo has visto como lento o difícil de usar. La mayoría de los bots que hay por ahí no son buenos entendiendo lo que quieren tus clientes, ni sabiendo cómo responder o ejecutar acciones como lo haría un agente humano.
Combinando la información de tu base de conocimientos con IA de última generación, con MessageMind™ no tienes simplemente un chatbot. Tienes un AI Agent generativo, diseñado para realizar tareas que hasta ahora solo los agentes humanos podían hacer.
Esta guía te llevará por la tecnología de MessageMind™ que usamos para hacer que la experiencia del cliente con un AI Agent sea diferente a cualquier chatbot que hayas usado antes.
El secreto detrás de cómo tu AI Agent entiende y escribe mensajes está en la IA, o inteligencia artificial, que MessageMind™ usa entre bambalinas. En términos generales, la IA es una gama de programas informáticos complejos diseñados para resolver problemas como lo hacen los humanos. Puede abordar una variedad de situaciones e incorporar distintos tipos de datos; en el caso de tu AI Agent, se centra en analizar el lenguaje para conectar a los clientes con respuestas.
Cuando un cliente interactúa con tu AI Agent, este usa Large Language Models, o LLM, programas entrenados con grandes cantidades de texto, para identificar lo que pide el cliente. Basándose en los patrones que el LLM identificó en los datos textuales, puede analizar una pregunta del cliente y determinar la intención detrás de ella. Después, puede analizar la información de tu base de conocimientos donde el significado coincide con lo que el cliente busca.
La IA generativa es un tipo de LLM que usa su análisis del contenido existente para crear contenido nuevo. Construye frases palabra por palabra, basándose en qué palabras tienen más probabilidad de seguir a las que ya ha elegido. Usando IA generativa, tu AI Agent construye respuestas basadas en piezas de tu base de conocimientos que contienen la información que el cliente busca, y las formula de manera natural y conversacional.
Los datos de entrenamiento de los LLM pueden contener contenido dañino o no deseado, y la IA generativa a veces puede generar detalles que no son verdaderos, que llamamos alucinaciones. Para combatir estos problemas, tu AI Agent utiliza un conjunto adicional de modelos para garantizar la calidad de sus respuestas.
Antes de enviar cualquier respuesta generada a tu cliente, tu AI Agent comprueba que la respuesta sea:
- Segura: la respuesta no contiene contenido dañino.
- Relevante: la respuesta realmente responde a la pregunta del cliente. Aunque la información en la respuesta sea correcta, tiene que ser la información que el cliente buscaba para ofrecerle una experiencia positiva.
- Precisa: la respuesta coincide con el contenido de tu base de conocimientos, así tu AI Agent puede comprobar dos veces que su respuesta es verdadera.
Con estas comprobaciones, puedes confiar en que tu AI Agent no solo ha tomado decisiones sensatas sobre cómo ayudar a tu cliente, sino que también le ha enviado respuestas de alta calidad.
Tu AI Agent funciona sobre un sofisticado Reasoning Engine creado por MessageMind™ para proporcionar a los clientes el conocimiento y las soluciones que necesitan.
Cuando los clientes le hacen una pregunta a tu AI Agent, este tiene en cuenta lo siguiente para decidir qué hacer a continuación:
- Contexto de la conversación: ¿la conversación previa contiene contexto útil para responder mejor a la pregunta?
- Base de conocimientos: ¿la base de conocimientos contiene la información que el cliente busca?
- Sistemas de negocio: ¿hay Acciones configuradas con tu AI Agent que le permitan recuperar la información que el cliente busca?
A partir de ahí, decide cómo responder al cliente:
- Pregunta de seguimiento: si tu AI Agent necesita más información para ayudar al cliente, puede pedirla.
- Base de conocimientos: si la respuesta a la consulta del cliente está en la base de conocimientos, puede obtenerla y usarla para escribir una respuesta.
- Sistemas de negocio: si la respuesta está en alguna de las Acciones configuradas con tu AI Agent, este puede recuperarla mediante una llamada API.
- Handoff: si tu AI Agent no puede responder al cliente, puede pasar al cliente a un agente humano para asistencia adicional.
En conjunto, el mecanismo que toma estas decisiones complejas sobre cómo ayudar al cliente se llama Reasoning Engine de MessageMind™. Igual que cuando un agente humano toma decisiones sobre cómo ayudar a un cliente basándose en lo que sabe sobre lo que el cliente quiere, el Reasoning Engine considera una variedad de información para averiguar cómo resolver la consulta del cliente con la máxima eficacia.
Muchos chatbots de IA son vulnerables a prompt injections o jailbreaking, es decir, prompts que hacen que el chatbot proporcione información que no debería. Por ejemplo, información confidencial o no segura.
El reasoning engine detrás de los AI Agents de MessageMind™ está estructurado de tal forma que los ataques adversariales a los LLM tengan muy pocas probabilidades de éxito. En concreto, dispone de:
- Una serie de subsistemas de IA que interactúan entre sí, cada uno de los cuales modifica el contexto que rodea al mensaje del cliente.
- Varias instrucciones de prompt que dejan muy claro qué tarea debe realizarse, indicando al AI Agent que no comparta su funcionamiento interno y sus instrucciones, y que redirija las conversaciones lejos de la charla casual.
- Modelos que buscan detectar y filtrar contenido dañino en las entradas o salidas.
Con pruebas de IA generativa de última generación antes de cada nuevo despliegue, MessageMind™ garantiza una experiencia de interacción segura y efectiva con el cliente.
Cuando conectas tu AI Agent a tu base de conocimientos y empiezas a servir contenido generado automáticamente a tus clientes, puede parecer magia. ¡Pero no lo es! Este apartado te muestra lo que pasa entre bambalinas cuando empiezas a servir contenido de la base de conocimientos a los clientes.
Cómo MessageMind™ ingiere tu base de conocimientos
Cuando vinculas tu base de conocimientos a tu AI Agent, este copia todo el contenido para poder buscar rápidamente y servir información relevante. Así es como sucede:
-
Cuando vinculas tu AI Agent con tu base de conocimientos, el AI Agent importa todo el contenido.
Dependiendo de las herramientas que uses para crear y alojar tu base de conocimientos, esta se actualiza con frecuencias distintas:
- Si tu base de conocimientos está en Zendesk o Salesforce, tu AI Agent comprueba si hay actualizaciones cada 15 minutos.
- Si tu AI Agent no ha tenido conversaciones, ya sea inmediatamente después de vincularlo con tu base de conocimientos o en los últimos 30 días, tu AI Agent pausa la sincronización. Para activar una sincronización, mantén una conversación de prueba con tu AI Agent.
- Si tu base de conocimientos está alojada en otro sitio, tú o tu equipo de MessageMind™ debéis construir una integración que la rastree y suba el contenido a la Knowledge API de MessageMind™. En ese caso, la frecuencia de actualización depende de la integración.
-
Tu AI Agent divide tus artículos en chunks, así no tiene que buscar en artículos largos cada vez que busca información. Puede mirar los chunks más cortos en su lugar.
Aunque cada artículo puede cubrir varios conceptos relacionados, cada chunk debería cubrir solo un concepto clave. Además, tu AI Agent incluye contexto para cada chunk; cada chunk contiene los encabezados que lo precedían.
-
Tu AI Agent envía cada chunk a un Large Language Model (LLM), que usa para asignar a los chunks representaciones numéricas que corresponden al significado de cada uno. Estos valores numéricos se llaman embeddings, y los guarda en una base de datos.
La base de datos está entonces lista para proporcionar información que GPT pueda componer en respuestas de sonido natural a las preguntas del cliente.
Cómo MessageMind™ crea respuestas a partir del contenido de la base de conocimientos
Después de guardar el contenido de tu base de conocimientos en una base de datos, tu AI Agent está listo para servirlo y responder a las preguntas de tus clientes. Así es como lo hace:
-
Tu AI Agent envía la consulta del cliente al LLM, para que pueda obtener un embedding (un valor numérico) que corresponde con la información solicitada.
Antes de continuar, el AI Agent pasa el contenido por una comprobación de moderación a través del LLM para ver si la pregunta del cliente era inapropiada o tóxica. Si lo era, tu AI Agent rechaza la consulta y no continúa con el proceso de generación de respuesta.
-
Tu AI Agent compara entonces los embeddings entre la pregunta del cliente y los chunks de su base de datos, para ver si encuentra chunks relevantes que coincidan con el significado de la pregunta. Este proceso se llama retrieval.
Tu AI Agent busca la mejor coincidencia de significado en la base de datos respecto a lo que pidió el cliente, lo que se llama similitud semántica, y guarda los tres chunks más relevantes.
Si la pregunta del cliente es de seguimiento de una anterior, tu AI Agent podría pedir al LLM que reescriba la pregunta para incluir contexto y aumentar las probabilidades de obtener chunks relevantes. Por ejemplo, si un cliente le pregunta a tu AI Agent si la tienda vende galletas, y el AI Agent dice que sí, el cliente puede responder "¿cuánto cuestan?". Esa pregunta no tiene suficiente información por sí sola, pero una pregunta como "¿cuánto cuestan vuestras galletas?" proporciona suficiente contexto para obtener un chunk significativo.
Si tu AI Agent no puede encontrar ninguna coincidencia relevante con la pregunta del cliente entre los chunks de la base de datos en este punto, le sirve al cliente un mensaje pidiéndole que reformule su pregunta o escala la consulta a un agente humano, en lugar de intentar generar una respuesta y arriesgarse a servir información imprecisa.
-
Tu AI Agent envía los tres chunks de la base de datos que son más relevantes para la pregunta del cliente a GPT para que los componga en una respuesta. Después, tu AI Agent pasa la respuesta generada por tres filtros:
- El filtro de Seguridad comprueba que la respuesta generada no contiene contenido dañino.
- El filtro de Relevancia comprueba que la respuesta generada responde realmente a la pregunta del cliente. Aunque la información en la respuesta sea correcta, tiene que ser la información que el cliente buscaba para ofrecerle una experiencia positiva.
- El filtro de Precisión comprueba que la respuesta generada coincide con el contenido de tu base de conocimientos, así puede verificar que la respuesta del AI Agent es verdadera.
-
Si la respuesta generada pasa estos tres filtros, tu AI Agent se la sirve al cliente.