¿Cómo los LLM cambian las facetas de la inteligencia empresarial?

Fiabilidad
Resumen

Los grandes modelos lingüísticos (LLM) han transformado el panorama empresarial, automatizando el análisis de datos no estructurados, mejorando la atención al cliente con chatbots, aumentando la productividad y los ingresos, y facilitando la creación de herramientas avanzadas de inteligencia empresarial. Esta transformación está impulsando una mejora de la eficiencia global de la empresa y una mayor satisfacción del cliente.

Los grandes modelos lingüísticos (LLM) están cambiando la forma de trabajar de las empresas, a veces de forma sorprendente.

Antes de los LLM, las empresas no tenían más remedio que gestionar manualmente los datos no estructurados o dejarlos de lado por falta de recursos.

Por ejemplo, las consultas de clientes atendidas por agentes humanos.

Es probable que haya un enorme conocimiento estadístico en ese volumen de datos, pero procesarlos manualmente a partir de llamadas de voz o correos electrónicos conlleva tanto procesamiento de datos, por no hablar del esfuerzo de masajearlos en alguna forma de datos estructurados, que sería una tarea herculana.

Y luego está el trabajo manual de un cliente que requiere un agente de atención al cliente esperando para atender su llamada.

Pero los LLM están cambiando el panorama: la inteligencia artificial ha dado lugar a una nueva generación de chatbots, que están respondiendo a los clientes como primera línea de asistencia, con respuestas rápidas, informadas y completas, lo que se traduce en un costo más barato, una mayor rotación de la respuesta y un aumento de la satisfacción del cliente.

Los chatbots no son nuevos, pero hay que remontarse cinco años atrás, y en general no eran muy útiles, a menudo como dos personas hablando entre sí a través de un software de traducción.

Ese sistema sigue existiendo y seguirá existiendo. Lo que ocurre es que ahora los programas de software pueden aprender rápidamente cómo se comunican los seres humanos a través del lenguaje, sus patrones, matices, tonos, estructura y demás, e interactuar contigo en un idioma que entiendas. El mundo del lenguaje natural.

Los LLM están haciendo todo esto posible.

Antes de los grandes modelos lingüísticos

  • Antes de los Large Language Models, las empresas manejaban manualmente los datos estructurados y creaban análisis o informes a partir de ellos. Era un proceso lento, tedioso y propenso a errores.
  • Había poca o ninguna forma de analizar los datos no estructurados, como los de los correos electrónicos, las redes sociales y los vídeos.
  • Las consultas de los clientes no se gestionaban con la misma eficacia al ser un proceso manual. Entender y responder a la consulta llevaba tiempo.

Después de los grandes modelos lingüísticos

  • Los grandes modelos lingüísticos han permitido a las organizaciones analizar rápidamente grandes volúmenes de datos y proporcionar información y análisis.
  • Dado que los grandes modelos lingüísticos pueden imitar las interacciones en lenguaje natural, los chatbots se despliegan para interactuar con los clientes como primera línea de asistencia. Los chatbots interactúan en un lenguaje natural con el que los clientes pueden identificarse; están disponibles 24 horas al día, 7 días a la semana y, en la mayoría de los casos, pueden proporcionar la mayor parte de la información que un cliente pueda necesitar.
  • Pueden dirigir consultas en lenguaje natural a las bases de datos que devuelven las respuestas. Esto ha sido una bendición para los ejecutivos que no se interogan a través de SQL.
  • Las organizaciones pueden ahora dar sentido tanto a los datos estructurados como a los no estructurados.
  • Los grandes modelos lingüísticos pueden analizar el tono del lenguaje del usuario y responder en consecuencia. Esto permite a las organizaciones comprender el comportamiento y las emociones del cliente.

Caso práctico: Sistema de recomendaciones de Netflix

Con más de 17.000 títulos, Netflix satisface todas las preferencias de visualización de contenidos.

Sin embargo, cuando te pones en la piel de un abonado, puede ser una experiencia abrumadora intentar encontrar lo que te gusta entre esta gigantesca biblioteca de contenidos.

Netflix intenta solucionar este problema con un sistema de recomendación basado en el aprendizaje automático.

Por ejemplo, tiendes a ver series web y películas del género de terror, a menudo en español.

El sistema de recomendación toma nota de todo lo relacionado con lo que ves: patrones, tipos, tiempo de visionado, lo que te gusta y lo que no, y elabora una lista de contenidos específica y te la presenta.

¿Cómo hace lo que hace? El aprendizaje automático consiste en consumir constantemente los datos de los abonados sobre su comportamiento, preferencias, gustos y aversiones, géneros, etcétera.

Consume datos continuamente y encuentra información sobre el comportamiento y las elecciones de cada suscriptor, junto con los rasgos de los espectadores de un grupo demográfico similar.

Es un método continuo y evolutivo que se mantiene al día aunque el abonado demuestre un cambio de preferencias. Lo esencial en este contexto es cómo los grandes modelos lingüísticos han ayudado a las herramientas de inteligencia empresarial en Netflix.

Limitaciones de los LLM

Las limitaciones de los grandes modelos lingüísticos deben considerarse en el contexto de la mejora de las herramientas de inteligencia empresarial.

Los grandes modelos lingüísticos pueden no entender el contexto de los datos. Por ejemplo, la palabra “banco” puede utilizarse en diferentes contextos, desde el sitio donde dejas el dinero hasta lugar donde te sientas. Esto es bastante arriesgado porque puede dar lugar a información y reportajes incorrectos.

También preocupa la ética y el posible sesgo de las respuestas de los LLM.

Conclusión

Los LLM tienen mucho que ganar; dependiendo de cómo se manejen, pueden redefinir completamente la inteligencia empresarial.

El trabajo manual puede descargarse en un servidor y los datos no estructurados pueden analizarse exhaustivamente sin necesidad de mil personas.

Los rasgos, las características y los conocimientos sobre los clientes y las prácticas empresariales pueden transmitirse en lenguaje natural, con el peso de un pensamiento profundo (artificial).

Aunque hay que tener en cuenta algunos obstáculos o limitaciones, se trata de una nueva potencia para las empresas.

Temas relacionados

Kaushik Pal
Technology writer
Kaushik Pal
Editor

Kaushik es un arquitecto técnico y consultor de software con más de 23 años de experiencia en análisis de software, desarrollo, arquitectura, diseño, pruebas e industria de capacitación. Tiene interés en nuevas tecnologías y áreas de innovación, centrándose en arquitectura web, tecnologías web, Java/J2EE, código abierto, WebRTC, big data y tecnologías semánticas. Ha demostrado su experiencia en análisis de requisitos, diseño e implementación de arquitecturas, preparación de casos de uso técnico y desarrollo de software. Su experiencia ha abarcado diferentes sectores como seguros, banca, aerolíneas, envíos, gestión de documentos y desarrollo de productos, entre otros. Ha trabajado con una amplia…