LAVERIX

Hacia un chatbot más humano

Contexto, entidades y gestión del diálogo

El reto fundamental de los agentes virtuales (a.k.a chatbots) es que puedan tener una conversación fluida con el usuario. Contar con chatbots que puedan conversar sobre cualquier tipo de tema durante períodos largos es es un reto que no tiene una solución en el corto plazo. Sin embargo, si es posible contar con chatbots que puedan gestionar diálogos restringidos a ciertos temas de interés de una manera fluida.

 

El reto que queremos enfrentar es la construcción de chatbots que logren este objetivo y que entreguen al usuario una experiencia de conversación similar a la de un humano y que además logre resolver su problema. Para esto se requiere resolver dos problemas fundamentales:

 

  • El chatbot debe entender el contexto de la conversación y ser capaz de indentificar múltiples entidades y clasificarlas en grupos
  • Gestionar el flujo del diálogo de una manera óptima ante múltiples escenarios para responder las preguntas del usuario correctamente

 

Contexto y entidades múltiples

 

Rasa Open Source incorpora modelos de entendimiento de lenguaje – específicamente el denominado DIET – que combina la predicción de entidades e intenciones en un mismo modelo (para más información ver https://blog.rasa.com/introducing-dual-intent-and-entity-transformer-diet-state-of-the-art-performance-on-a-lightweight-architecture/)

 

Esta arquitectura permite que las entidades e intenciones se entiendan en el contexto de la conversación, es decir, no se requiere que el sistema pregunta sobre la misma directamente sino que dirige el flujo de la conversación con base a las intenciones identificadas.

 

Dentro de la conversación, el chatbot es capaz de capturar varias entidades y clasificarlas. Por ejemplo, si el usuario comenta que quiere comprar un boleta de UIO a GYE, el chatbot es capaz de saber que la ciudad de partida es Quito y el destino Guayaquil. Si en el siguiente párrrafo, se pregunta que necesita una reservación de hotel, pues el chatbot sabrá que la ciudad a la que se hace referencia es GYE.

 

Gestión del dialogo con redes neuronales

 

Uno de los problemas más grandes de los chatbots actuales es el correcto manejo del flujo de la conversación en ambientes que no son estructurados. Es decir, con base a las preguntas e inquietudes de la persona, el chatbot debe decir qué responder basado en el contexto de la conversación, las intenciones del usuario y las entidades que ha logrado identificar.

Es imposible programar reglas para cada escenario que pueda darse dentro del flujo del dialogo, y para esto, la plataforma trabaja con modelos de aprendizaje automático (machine learning) para aprender patrones de conversación y predecir la mejor respuesta posible basado en el contexto, etc.

Creemos que la plataforma que estamos usando para construir chatbots está en el camino correcto y es por esto que Laverix se encuentra a la vanguardia, ofreciendo este tipo de servicios a empresas ecuatorianas para que puedan escalar su servicio y no quede un cliente sin la respuesta que necesita.