{"id":55937,"date":"2022-08-18T04:24:03","date_gmt":"2022-08-17T22:54:03","guid":{"rendered":"https:\/\/old.yellow.ai\/?p=55937"},"modified":"2022-11-28T20:12:59","modified_gmt":"2022-11-28T14:42:59","slug":"yellow-ai-lanza-dynamicnlp-configura-y-entrena-un-chatbot-en-minutos","status":"publish","type":"post","link":"https:\/\/old.yellow.ai\/es\/nlp-2\/yellow-ai-lanza-dynamicnlp-configura-y-entrena-un-chatbot-en-minutos\/","title":{"rendered":"Yellow.ai lanza DynamicNLP\u2122 Configura y entrena a un chatbot en minutos"},"content":{"rendered":"\n

Yellow.ai anunci\u00f3 el lanzamiento de DynamicNLP<\/strong> <\/strong>\u2122, la primera soluci\u00f3n tecnol\u00f3gica que reduce el tiempo<\/strong> de configuraci\u00f3n y entrenamiento de un chatbot conversacional de meses a minutos y brinda hasta un 97% de precisi\u00f3n<\/strong> en la identificaci\u00f3n de la intenci\u00f3n del usuario.<\/p>\n\n\n\n

DynamicNLP \u2122 <\/strong>suprime totalmente la necesidad de entrenar el modelo de NLP (Natural Language Processing<\/em>)<\/a>, raz\u00f3n por la cual, las empresa podr\u00e1n tener un robot listo para empezar a trabajar en cuesti\u00f3n de minutos, en lugar de esperar meses.<\/p>\n\n\n\n

Desaf\u00edos de la AI Conversacional<\/strong><\/h2>\n\n\n\n

Para las empresas, la implementaci\u00f3n de una plataforma de AI Conversacional no es un juego. Representa una de las iniciativas estrat\u00e9gicas de mayor transcendencia para elevar la rentabilidad a trav\u00e9s de mejorar la experiencia de atenci\u00f3n al cliente.<\/p>\n\n\n\n

Al mismo tiempo, constituye una evoluci\u00f3n tecnol\u00f3gica que exige una adaptaci\u00f3n r\u00e1pida para conocer la plataforma y aprovechar todas las ventajas que ofrece.<\/p>\n\n\n\n

Para ello, se requiere invertir uno de los recursos no renovables m\u00e1s importantes de toda la vida: el tiempo.<\/p>\n\n\n\n

La AI Conversacional demanda enfrentar un largo, complejo y lento proceso de entrenamiento del modelo NLP para estar en condiciones de crear conversaciones similares a las humanas.<\/p>\n\n\n\n

Adem\u00e1s del entrenamiento, la AI Conversacional plantea dos desaf\u00edos m\u00e1s: la configuraci\u00f3n y el mantenimiento. Seg\u00fan una encuesta realizada por Deloitte, son estos los factores que limitan la implementaci\u00f3n de robots inteligentes en las organizaciones.<\/p>\n\n\n\n

Y es precisamente en este punto, donde DynamicNLP<\/strong>\u2122 de Yellow.ai<\/strong> se destaca por simplificar la implementaci\u00f3n y puesta en marcha de un Agente Virtual Inteligente.<\/p>\n\n\n\n

DynamicNLP<\/strong>\u2122 <\/strong>suprime totalmente la necesidad de entrenar el modelo de NLP y reduce el tiempo de configuraci\u00f3n y capacitaci\u00f3n de un chatbot conversacional de meses a minutos, con una precisi\u00f3n en la identificaci\u00f3n de la intenci\u00f3n del usuario de un 97 por ciento.<\/p>\n\n\n\n

Tecnolog\u00eda Zero-Shot Learning<\/strong><\/h3>\n\n\n\n

Esto es posible gracias a la tecnolog\u00eda de vanguardia denominada Zero-Shot Learning<\/em> (Aprendizaje Cero) que habilita trabajar con un modelo NLP<\/p>\n\n\n\n

pre-entrenado en millones de conversaciones de la vida real sin limitarse a un n\u00famero determinado de intenciones.<\/p>\n\n\n\n

A su vez, le permite al bot elevar su nivel de comprensi\u00f3n de la intenci\u00f3n del usuario en diferentes industrias.<\/p>\n\n\n\n

\u00bfC\u00f3mo funciona?<\/strong><\/p>\n\n\n\n

El Procesamiento del Lenguaje Natural (NLP, por sus siglas en ingl\u00e9s) es capaz de analizar una gran cantidad de datos ling\u00fc\u00edsticos, gracias a las redes neuronales profundas y a los conjuntos de datos de entrenamiento etiquetados a gran escala.<\/p>\n\n\n\n

De esta forma, las grandes organizaciones pueden analizar las rese\u00f1as de sus clientes y las publicaciones en redes sociales, entre otro tipo de interacciones digitales.<\/p>\n\n\n\n

Para su funcionamiento, el modelo NLP requiere de datos de entrenamiento etiquetados manualmente, lo que convierte al proceso de aprendizaje del chatbot en una faena larga, cansada y de alto costo en tiempo y esfuerzo. Hablamos de una inversi\u00f3n de entre 6 y 9 meses.<\/p>\n\n\n\n

Caso de Uso de DynamicNLP\u2122<\/strong><\/h3>\n\n\n\n

A manera de ejemplo, cuando un cliente realiza una pregunta al chatbot de una aerol\u00ednea sobre un tema espec\u00edfico, digamos \u201cestado del vuelo\u201d, \u00e9ste deber\u00e1 proporcionar la \u00faltima actualizaci\u00f3n disponible sobre el tema.<\/p>\n\n\n\n

Pero \u00bfc\u00f3mo se capacita al chatbot para que entienda \u201cestado del vuelo\u201d?<\/p>\n\n\n\n

Si se utiliza el m\u00e9todo tradicional, el entrenamiento se lleva a cabo mediante el dise\u00f1o de un flujo conversacional que contempla varias fases:<\/p>\n\n\n\n