Asistentes de voz 101: cómo funciona la IA conversacional

La presencia de la IA conversacional en la vida diaria está creciendo rápidamente. Los altavoces inteligentes y los asistentes de voz de los teléfonos se han convertido en parte habitual de cómo muchas personas buscan información, realizan tareas y organizan sus horarios. Pero ¿cómo funciona exactamente esta tecnología? En este artículo repasaremos los pasos habituales que sigue un asistente de voz para cumplir una instrucción hablada y algunos componentes de software que lo hacen posible. También veremos algunas formas en que puede aportar valor real a los usuarios.

Paso 1: escuchar la palabra de activación

Un asistente de voz necesita saber cuándo empezar a escuchar una instrucción. Una palabra de activación, como «Alexa» u «OK Google», activa al asistente y le indica que vendrá una instrucción. Pero ¿cómo sabe que se pronunció esa palabra?

Los asistentes de voz «oyen» la palabra de activación mediante el micrófono del dispositivo. Un altavoz inteligente como Amazon Alexa está, en efecto, siempre escuchando: graba audio en segmentos de tres segundos y elimina inmediatamente la grabación si no detecta la palabra de activación. ¹ Otros tipos de asistentes pueden escucharla solo cuando la aplicación está abierta o cuando el usuario presiona un botón.

Los asistentes usan aprendizaje automático para distinguir lo que se dice, incluida la palabra de activación. Durante su desarrollo reciben muchos ejemplos diferentes de esa palabra pronunciada. Este entrenamiento les enseña a reconocerla independientemente de variables como género, acento y ruido de fondo. ² Los asistentes diseñados para fines más específicos incluso pueden aprender a reconocer una voz humana particular, lo que puede servir como método de autenticación.

Paso 2: comprender la instrucción de voz

Una vez activado el asistente, el usuario puede hacer una pregunta o pedirle que realice una tarea. El aprendizaje automático permite filtrar el ruido de fondo y comprender una amplia variedad de voces. El asistente aplica procesamiento del lenguaje natural (NLP) para entender lo que dijo el usuario: primero usa software de conversión de voz a texto para ingresar la solicitud en el sistema y luego emplea reconocimiento de entidades nombradas (NER) para extraer información importante. Si no entiende la pregunta o necesita más información para completar la tarea, formulará una pregunta adicional y usará software de conversión de texto a voz para solicitar aclaraciones o más detalles.

Paso 3: cumplir la solicitud

El funcionamiento de esta parte puede variar según la situación, pero comencemos con una descripción general. A partir de la información extraída, el asistente puede responder la pregunta o realizar la tarea adecuada buscando en internet o conectándose a otras aplicaciones, como el calendario o el correo electrónico. El aprendizaje automático le permite descubrir las preferencias del usuario. Cuanto más recurre el usuario al asistente, mejor predice lo que necesita.

Mientras que los asistentes para uso personal están limitados a lo que encuentran en una búsqueda de Google o en aplicaciones sincronizadas, los asistentes personalizados para empresas pueden acceder a datos especializados que facilitan el trabajo de los usuarios. Tienen el potencial de aumentar significativamente la productividad en una amplia variedad de industrias, al ofrecer acceso a todos los datos necesarios para trabajar en una plataforma fácil de usar. Además, las capacidades de aprendizaje automático permiten personalizar los flujos de trabajo y ofrecer información útil en el momento adecuado.

Pero ¿cómo cumple exactamente un asistente una instrucción de voz? Profundicemos en algunas capacidades clave que influyen en su respuesta.

Manejo del contexto

Es esencial que el asistente comprenda bien el contexto, incluidas las condiciones en que alguien lo usa. Por ejemplo, un buen asistente debería detectar que el usuario conduce y pasar automáticamente a un modo de solo voz. Esto significa que, al responder, no usará elementos visuales como imágenes, gráficos y mapas que puedan distraer al usuario cuando debería mantener la vista en el camino.

Otra parte clave es recordar la información previa proporcionada por el usuario y usarla para inferir lo que quiere decir a medida que continúa la conversación. Por ejemplo, puede preguntar «¿Cuál es la dirección de John Bennet?», recibir una respuesta y luego preguntar «¿A qué distancia queda de mi casa?». Un asistente de calidad debería inferir que se refiere a la dirección de John Bennet y que la respuesta debe incluir tanto la distancia como el tiempo que lleva conducir desde la casa del usuario. El aprendizaje automático es crucial para este tipo de procesos.

Razonamiento

El aprendizaje automático también es fundamental para que un asistente haga deducciones lógicas a partir de cálculos simples. Esta capacidad lo hace especialmente útil en un entorno laboral, ya que permite optimizar la productividad y obtener información valiosa.

Para ilustrarlo, consideremos un asistente diseñado para un equipo de ventas. Un usuario puede pedirle comparar la cantidad de ventas que Jane y Tim cerraron el mes anterior. El asistente no solo puede proporcionar los datos solicitados, sino también señalar que la mayoría de las ventas se cerraron con tarjeta de crédito y que Tim solo acepta débito, cheques o efectivo. Al presentar esa información, puede sugerir que aceptar tarjetas de crédito probablemente aumentaría las ventas de Tim. La capacidad de llegar a esas conclusiones por sí mismo permite aportar gran valor con un esfuerzo y tiempo mínimos del usuario.

Automatización robótica de procesos (RPA)

Cumplir una instrucción de voz puede implicar realizar un proceso completo de varios pasos. La tecnología de automatización robótica de procesos (RPA) permite a los asistentes completar distintas tareas desde el principio hasta el final de un flujo de trabajo.

Por ejemplo, Google Duplex permite hacer llamadas telefónicas para reservar una mesa en un restaurante, una cita en una peluquería o consultar horarios de atención. El asistente puede completar todo el proceso sin la intervención de una persona, ya que una red neuronal recurrente maneja con destreza las complejidades de una conversación natural con quien está al otro lado de la llamada. ³

Otras aplicaciones de RPA incluyen enviar correos automáticos de seguimiento o consultar el estado de un envío en UPS, FedEx o USPS. Los asistentes personalizados para empresas incluso pueden encargarse de procesos internos rutinarios que consumen mucho tiempo.

Paso 4: recordatorios y notificaciones

El trabajo de un asistente no termina cuando finaliza una interacción. Los usuarios pueden configurar un recordatorio de voz para más tarde. Un asistente móvil también puede enviar notificaciones push antes de citas y eventos importantes. Incluso puede avisar que hay que salir antes para una reunión si hay un embotellamiento.

Las notificaciones de voz y push son especialmente útiles en un entorno profesional. Los asistentes inteligentes pueden alertar cuando hay anomalías en los datos, como una caída repentina de las ventas, un aumento brusco de los costos o un problema en las operaciones de la empresa.

Conocer cómo funciona la tecnología de voz nos ayuda a comprender su potencial para facilitar las tareas diarias. Aunque los asistentes ya tienen una fuerte presencia en la vida personal de muchas personas, también ofrecen una gran oportunidad para que las empresas mejoren la productividad y la experiencia de usuario de sus empleados. Quienes los adopten primero tienen más que ganar con esta ventaja competitiva.

En sophilabs somos expertos en tecnología de voz. Tenemos experiencia creando aplicaciones que usan IA conversacional y aprendizaje automático para satisfacer necesidades específicas y variadas. Es emocionante ver los problemas complejos que pueden resolver los asistentes, y esperamos abordar más desafíos con esta tecnología.