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.

¿Te estás preparando para crear por primera vez contenidos generados automáticamente a partir de tu base de conocimientos? ¿O tal vez sólo buscas afinar tu base de conocimientos? Sigue estos principios para que la información de tu base de conocimientos sea fácil de analizar para tu Agente de IA, lo que mejorará las posibilidades de que éste ofrezca información relevante y útil a tus clientes.

Estructura la informaciónpensando en tu cliente

Cuando mantienes una base de conocimientos, puede ser fácil organizar la información de forma que tenga sentido para ti, pero no para las personas que no están familiarizadas con la información que contiene. Si observas a un nuevo cliente intentando navegar por tu base de conocimientos, ¡casi seguro que te sorprenderá lo que hace! Si eres como la mayoría de las personas que mantienen bases de conocimientos, probablemente no seas un principiante, lo que significa que probablemente no seas tu propio público objetivo.

Entonces, ¿cómo puedes asegurarte de que tu base de conocimientos sea útil para los clientes, y qué tiene que ver eso con la IA? La respuesta aquí se reduce a utilizar títulos y encabezamientos. Llamaremos a estos postes indicadores como un colectivo, porque actúan como postes indicadores tanto para los humanos como para la IA, para indicar la probabilidad de que un cliente se esté acercando a la información a la que quiere llegar en tu base de conocimientos. Además, cuando MessageMind™ ingiere el contenido de tu base de conocimientos, guarda el título del tema como contexto para cada trozo de información en que divide tu base de conocimientos. Cuando la información tiene un contexto adecuado, es menos probable que tu Agente de IA sirva información irrelevante a los clientes.

• Clasifica tu información en grupos que no se solapen. De este modo, tanto tus clientes humanos como tu IA tienen menos probabilidades de equivocarse y encontrar información que no es relevante para lo que buscan.

• Haz que cada señal sea relevante para toda la información que hay debajo de ella. Si hay información bajo un epígrafe que no es relevante para ese epígrafe, tanto los clientes como la IA podrían tener problemas para encontrar esa información. Del mismo modo, si el encabezamiento es confuso o da a entender que va seguido de información que en realidad no está ahí, dificulta a los clientes y a la IA la navegación por tu base de conocimientos.

• Organiza siempre la información de más amplia a más específica. Debe ser fácil para los clientes averiguar si se están acercando a la información que buscan siguiendo tus señales.

• Haz que tus señales sean descriptivas.

  • Orienta las señales en torno a los objetivos del cliente. Lo más probable es que los clientes acudan a tu base de conocimientos o Agente de IA buscando ayuda para una tarea concreta, por lo que dejar claro qué artículos tratan sobre qué tareas es muy útil.

    Como buena práctica, utiliza verbos en tus señales para facilitar a los clientes la búsqueda de las acciones que desean realizar.

  • Para ayudar a las personas y a la IA a escanear tu contenido más fácilmente, coloca los verbos y el vocabulario importantes más cerca de la parte delantera de tus señales que del final.

  • Siempre que puedas, evita mencionar conceptos o terminología con los que los nuevos clientes puedan no estar familiarizados todavía. Una redacción poco familiar dificulta que las señales cumplan su función, porque tanto las personas como los LLM pueden encontrarlas confusas.

  • Intenta que a los clientes les resulte fácil averiguar si son el público al que va dirigido un artículo con sólo leer las señales. Ningún cliente quiere perder el tiempo abriendo artículos sólo para descubrir que no son relevantes, o leyendo respuestas irrelevantes.

• Utiliza una estructura HTML adecuada para crear señales. Podría quedar igual de bien si resaltas un texto, aumentas el tamaño y lo pones en negrita, pero un modelo de IA podría tener dificultades para reconocer que ese formato se supone que indica un encabezamiento. En su lugar, utiliza las etiquetas <h1> adecuadas, etc. Cuando lo hagas, tu formato será mucho más coherente y la IA podrá distinguir la jerarquía en la que se encuentra tu información. Además, tus clientes con deficiencias visuales pueden navegar más fácilmente por contenidos formateados correctamente, porque su tecnología de asistencia (por ejemplo, los lectores de pantalla) está programada para analizar HTML.

• No des por sentado que los clientes van a leer tu base de conocimientos en orden. Los clientes pueden encontrar un artículo, o incluso una sección de un artículo, a través de un motor de búsqueda, y pueden sentirse frustrados si la información que ven requiere mucho contexto que no tienen. Del mismo modo, si tu Agente de IA envía a un cliente información sin contexto, eso también puede ser una experiencia de chat frustrante. Asegúrate de sentar algunas bases en tus artículos más avanzados para que todos tus clientes puedan volver atrás y obtener más información si lo necesitan.

El estudio de la organización de la información para facilitar la navegación del cliente se denomina arquitectura de la información. Si te interesa obtener más información, incluidos recursos sobre cómo realizar pruebas para ver cómo funciona la organización de tu base de conocimientos para los nuevos clientes, consulta Arquitectura de la información: Guía de estudio en el sitio web del Grupo Nielsen Norman.

Crea trozos informativos escribiendocontenidos independientes

Cuando una IA ingiere el contenido de tu base de conocimientos, descompone la información en trozos. Luego, cuando los clientes hacen preguntas a tu Agente de IA, éste busca trozos que tengan significados relevantes y los utiliza para crear respuestas. Aquí tienes algunas formas de asegurarte de que cada trozo tiene sentido por sí mismo:

• Proporciona información en frases completas. Como tu Agente de IA pone la información en trozos, la mejor forma de asegurarte de que tu información tiene un contexto completo es proporcionar frases completas.

  Por ejemplo, supongamos que tu base de conocimientos contiene una FAQ, y una de sus preguntas es "¿Puedo pagar con tarjeta de crédito?". En lugar de un simple "Sí", que no es útil por sí solo, formula la respuesta como "Sí, puedes pagar con tarjeta de crédito".

• Evita las referencias a otros lugares en tu base de conocimientos. Cuando los clientes lean el contenido de tu base de conocimientos en el contexto de un Agente AI, no tendrán contexto para referencias como "Como has visto en nuestro último ejemplo". Evita este tipo de referencias que hacen que los clientes sientan que se están perdiendo información.

Escribe de forma clara y concisa

Ahora que hemos hablado de cómo debe organizarse tu información, podemos ver qué aspecto debe tener la información en sí. Cuanto más sencillo sea tu contenido, más fácil será tanto para los humanos como para la IA encontrar las piezas importantes de información que necesitan.

• Utiliza una terminología clara que no se solape. Cuanto más fácil sea seguir tu terminología, más probable será que un cliente o la IA puedan reconocer si el contenido es relevante para la pregunta de un cliente.

  Por ejemplo, supongamos que tu empresa fabrica software de edición musical, y tu base de conocimientos tiene información sobre cómo hacer una maqueta. Pero tu base de conocimientos también puede tener información sobre cómo pueden ponerse en contacto los posibles clientes con tu equipo de Ventas para una demostración de tu software. La palabra "demo" que significa dos cosas distintas en tu base de conocimientos puede causar confusión y hacer que aparezcan resultados de búsqueda irrelevantes. Si puedes, comprueba si puedes sustituir una instancia por una palabra diferente, de modo que la palabra "demo" signifique sistemáticamente una sola cosa en tu base de conocimientos.

• Utiliza un lenguaje sencillo. ¿Alguna vez has leído una frase muy larga y sinuosa, y al final no estabas realmente seguro de lo que el autor intentaba decir? Esto puede ocurrir cuando clientes humanos o una IA analizan tu base de conocimientos. Tómate tu tiempo para recortar el contenido innecesario, de modo que sea más fácil extraer lo esencial de tu contenido.

• Reduce al mínimo tu dependencia de imágenes y vídeos. El contenido generativo sólo funciona con texto; tu Agente de IA no puede acceder a las imágenes de tu base de conocimientos. Si tienes contenido en imágenes, es una buena idea volver a evaluar si hay alguna forma de ofrecer ese mismo contenido en texto.

  Otra razón por la que es una buena idea es por la accesibilidad: es posible que tus clientes con discapacidad visual no puedan ver tus imágenes o vídeos. Hacer que la mayor cantidad posible de texto esté disponible en texto, como en texto alternativo o transcripciones, ayuda tanto a los clientes que chatean con tu Agente de IA como a los clientes que acceden a tu base de conocimientos utilizando tecnología de asistencia, como lectores de pantalla.

• Verifica el contenido de tu tabla. Algunas tablas funcionan mejor que otras con la IA; a veces la IA es capaz de analizar las relaciones espaciales entre celdas, y a veces se confunde. Después de configurar tu Agente IA, prueba su capacidad para proporcionar información procedente de las tablas de tu base de conocimientos. Es probable que tus tablas funcionen si están formateadas utilizando Markdown adecuado, pero ten en cuenta que no funcionarán si están incrustadas en imágenes.

Tomadecisiones de mantenimiento basadas en datos

Es habitual que los equipos de documentación sean pequeños y a veces tengan dificultades para mantener actualizadas bases de conocimientos enteras. Si estás en un equipo así, la idea de entregar tu base de conocimientos a un Agente de IA puede parecer desalentadora. ¡No estás solo! Si esta situación te resulta familiar, es importante trabajar de forma más inteligente y no más dura siguiendo algunas buenas prácticas:

• Recopila datos analíticos para tu base de conocimientos. Hay muchas formas de hacer un seguimiento de los datos de uso de tu base de conocimientos, dependiendo de las herramientas que utilices para crearla. Los datos de uso de los clientes suelen sorprender a las personas que se pasan el día utilizando un producto, por eso es importante recopilarlos.

• Decide qué métricas indican mejor el éxito de tu base de conocimientos. Las métricas de tus datos analíticos pueden ser engañosas: las historias que cuentan a menudo dependen de la interpretación.

  Por ejemplo, si los clientes sólo suelen dedicar 10 segundos a un tema largo, ¿se debe a que suelen buscar un dato crucial cerca de la parte superior de la página? Si es así, probablemente no necesites cambiar nada. Pero, ¿y si pasan ese tiempo escaneando la página en busca de información que no está ahí y se marchan frustrados? En ese caso, probablemente haya algo que puedas mejorar sobre la forma en que está organizada tu base de conocimientos.

  No hay un conjunto correcto o incorrecto de métricas en las que centrarse. Es habitual centrarse en los temas que más se consultan, o en los temas que tienen más críticas positivas o negativas de los clientes, pero en última instancia depende de ti y de tu organización elegir cómo medir el éxito de tu base de conocimientos. Esa estrategia puede cambiar con el tiempo, pero debes tener algunos datos a los que puedas remitirte.

• Prioriza las revisiones de contenido basándote en los datos que recopiles. Tras recopilar algunos datos de uso de los clientes, empieza a revisarlos. ¿Puedes encontrar patrones sobre los tipos de contenido hacia los que los clientes parecían gravitar, u otros contenidos que los clientes no tocaban en absoluto? Utilizando tus datos de uso, empieza a crear una lista de prioridades para los temas importantes para asegurarte de que están pulidos.

• Siempre puedes desactivar los artículos desde la página Conocimiento. Si sabes que un tema está obsoleto, pero está demasiado abajo en tu lista de prioridades para llegar a él de inmediato, puedes desactivarlo para que no aparezca en el contenido generativo. De este modo, puedes evitar que aparezca información inexacta en tu Agente AI, sin retrasar su lanzamiento. En el futuro, cuando tengas la oportunidad de actualizar ese tema, puedes volver a activarlo.

• Revisa tus datos periódicamente. Tras conectar tu base de conocimientos a tu Agente de IA, tendrás aún más datos de uso de tus clientes para analizar. Cuando revises tus datos, podrás comprobar el éxito de tus decisiones anteriores y ajustar tus prioridades en consecuencia.

• Utiliza las herramientas de elaboración de informes de MessageMind. En tu panel de control MessageMind™, puedes ver informes de alto nivel sobre la tasa de resolución automática de tu Agente de IA, y profundizar en conversaciones individuales para ver cómo ha actuado tu Agente de IA. Una vez que tu Agente de IA esté orientado al cliente, tendrás aún más información sobre cómo tu base de conocimientos está sirviendo a tus clientes a través de la IA generativa.

Si acabas de empezar y aún no tienes análisis, considera la posibilidad de priorizar algunas áreas clave de tu producto para revisarlas primero, y partir de ahí. No hace falta que tengas un plan perfecto para recopilar datos analíticos de inmediato. Lo importante es que al final tengas un sistema en el que puedas recoger y analizar datos de uso.

Mejora el contenido de tu base de conocimientos conel tiempo

¿Qué haces una vez que tienes los datos del cliente? ¡Utilízalo tú! Aquí tienes algunos consejos:

• Mantén un mantenimiento regular. A medida que cambie tu producto, también lo hará tu documentación, y también las preguntas de tus clientes. Reserva un tiempo de mantenimiento regular para echar un vistazo a los informes y transcripciones de conversaciones de tu Agente de IA, para que puedas detectar oportunidades de mejorar tu base de conocimientos y hacer que tu Agente de IA funcione aún mejor para futuros clientes.

• Mantén estrechos los circuitos de retroalimentación. Si ves una oportunidad de mejorar tu base de conocimientos para que puedas mejorar tu Agente de IA, haz ese cambio enseguida, para que puedas mejorar el rendimiento de tu Agente de IA enseguida.

Con el tiempo, con la información sobre cómo interactúan tus clientes con tu Agente de IA, podrás establecer un flujo de trabajo en el que puedas mejorar tanto tu base de conocimientos como tu Agente de IA a la vez.