Humanizando a los asistentes virtuales bancarios a través del aprendizaje automático
¿Sabías que la mayoría de las herramientas de traducción digital se basan en el aprendizaje automático? De hecho, esta rama de la inteligencia artificial se aprovecha en muchas aplicaciones populares, como la estimación de cuánto dura un viaje, el filtrado de correos electrónicos no deseados o la capacitación de los asistentes virtuales.
Los modelos de aprendizaje profundo, también llamados "transformadores", ya son capaces de generar textos y datos que parecen coherentes a primera vista, pero carecen de precisión. Estos modelos de aprendizaje son cada vez más importantes en el desarrollo de herramientas automatizadas como los asistentes virtuales que pueden ayudar a las empresas llegar a sus clientes de forma digital. Sin embargo, la incertidumbre de su precisión no es aceptable en industrias que manejan información delicada como las instituciones bancarias.
Los nuevos modelos de relación que se están estableciendo entre los bots bancarios y sus clientes gracias al aprendizaje automático plantean nuevos retos que es necesario abordar. Los asistentes virtuales deben poder entregar respuestas correctas sobre datos específicos porque cualquier error puede tener graves consecuencias en las finanzas del consumidor. A su vez, tales errores le pueden costar a una institución la confianza de sus clientes, muchos de los cuales, para empezar, son reticentes a la hora de utilizar tecnologías avanzadas como chatbots.
Para recuperar la sensación de seguridad en torno a temas delicados como las finanzas personales, el aprendizaje automático debe centrarse estrictamente en humanizar los procesos conversacionales. Por lo tanto, hacer que la banca conversacional sea un mecanismo confiable, seguro y humanizado se ha convertido en una prioridad cuando se trata de transformadores.
¿Podrá la industria bancaria superar con éxito estos desafíos y capitalizar completamente estos mecanismos de aprendizaje para mejorar la conversación con sus clientes?
¿Cómo puede el aprendizaje automático mejorar los asistentes virtuales?
El mayor desafío de la banca conversacional es la diversidad de los clientes y la multitud de maneras en las que se comunican. Con la implementación de tecnologías avanzadas como el aprendizaje automático en la estrategia de servicio al cliente, los bancos podrían ofrecer servicios hiperpersonalizados que atienden necesidades muy específicas. La recopilación de datos, el análisis de algoritmos y los patrones obtenidos a través de la IA pueden mejorar la calidad de las respuestas que proporciona un bot a un cliente.
Adicionalmente, estas tecnologías tienen como objetivo conseguir una estrategia de comunicación completamente automatizada que perciba correctamente el contexto y el estado de ánimo del cliente y, al mismo tiempo, entienda las solicitudes de manera más precisa. Por lo tanto, el aprendizaje automático agrega un gran valor a la conversación al crear respuestas más humanizadas. La capacidad de adaptarse a la realidad particular de cada cliente es lo que posiciona el aprendizaje automático como la herramienta definitiva para crear orgánicamente interacciones mejores y más auténticas entre el banco y sus audiencias.
Nuevos desafíos para la industria bancaria: construir un sistema seguro y ético
Aunque se ha demostrado que el aprendizaje automático puede elevar la experiencia bancaria conversacional, todavía hay algunos problemas que deben ajustarse para que esto funcione perfectamente. Tener que comunicarse con personas de diferentes edades y procedencias, y ofrecer un servicio personalizado que atienda a un público tan amplio es una tarea muy difícil.
Dada la naturaleza delicada de las conversaciones, en las que los clientes pueden preguntar sobre condiciones de pago o un crédito personal, el desafío no es solo comunicarse de manera efectiva con una audiencia diversa, sino también asegurarse de que la información sea correcta y que se comparta en un espacio seguro. De hecho, la entrega de un resultado preciso es vital en ciertas aplicaciones de aprendizaje automático.
Cuando se trata de plazos de pago de facturas, por ejemplo, una información errónea podría generar cargos adicionales o multas. Para que los clientes confíen en los asistentes virtuales, el nivel de precisión que se requiere en la correcta implementación de los transformadores debe ser lo más alto posible.
Transformadores: qué son y por qué son populares
Un modelo transformador es un tipo de arquitectura de red neuronal que se está volviendo cada vez más popular debido a sus increíbles resultados en comprensión, generación de texto y otras tareas de procesamiento de gran volumen. Si bien se estima que una sola sesión de capacitación prestada por transformadores puede costar hasta 12 millones de dólares, muchas organizaciones y especialistas los prefieren a otras soluciones. Sin embargo, tienen algunas limitaciones muy claras. Debido a los volúmenes masivos de información que procesan, los transformadores pueden acabar contaminados por diferentes sesgos fácilmente.
Para procesar información seleccionada de manera ética, los bots deben aprender más allá de una simple secuencia de código. Los modelos híbridos de aprendizaje profundo son una solución viable porque fusionan el aprendizaje de contenido formal con información contextual que abarca el uso correcto de los conceptos formales.
Los especialistas llevan años creando conciencia sobre el uso ético de tecnologías avanzadas. Finalmente, en abril de 2021 la Unión Europea implementó una serie de normas muy estrictas para el uso ético de la IA con el fin de diferenciar de forma eficiente un algoritmo sencillo de todo un sistema de aprendizaje automático que en última instancia puede ser el encargado de decidir, por ejemplo, si se concede o no un préstamo. Estas restricciones están destinadas a desafiar el uso de la IA y analizar las estructuras sistémicas que funcionan detrás de estos grandes dispositivos tecnológicos para implementarlos de manera justa entre las sociedades.
Durante el podcast dedicado a cómo el aprendizaje automático está mejorando los asistentes virtuales, nuestros invitados Beatriz Albert, analista de conocimiento específico de soluciones, Digital & Retail Banking y Fiorela Doti, especialista en análisis junto con Fabio Distaso, director de Italia y director global de banca conversacional en NTT DATA aportaron algunas conclusiones clave:
- Los especialistas creen que la distribución de datos basada en blockchain combinada con los modelos de aprendizaje híbrido derivará a una implementación más democratizada de la inteligencia artificial en todo el mundo.
- El futuro del aprendizaje automático se basará en la interoperabilidad de transformadores creados por profesionales especializados, como científicos de datos de lenguaje, lingüística informática y profesionales de blockchain.
- Para ayudar a la industria bancaria a crear la perfecta experiencia del cliente y al mismo tiempo prestar servicios seguros, éticos y humanizados, es vital implementar el programa de capacitación correcta.
- Para que la experiencia de banca conversacional esté lo suficientemente cerca de conseguir un nivel ideal de empatía, comprensión y humanización, hará falta la información correcta, una educación adecuada sobre el tema y la ayuda de profesionales especializados.