El Deep Learning ya forma parte de nuestras vidas. Es un método de aprendizaje automático (en inglés, machine learning) donde intervienen redes neuronales estructuradas por capas. Es el “rey” de entre todos los tipos de inteligencia artificial actuales.
Se utiliza en las búsquedas de Google, Google Translate, Google Play, YouTube o en las recomendaciones de Amazon. También, lo encontramos en el reconocimiento facial de Facebook, Siri de Apple, Microsoft Cortana, LinkedIn, Instagram y en otras muchas aplicaciones populares del momento.
Actualmente, ya existen fuentes de librerías de códigos abiertos optimizadas y escalables como Google Tensorflow, Microsoft CNTK o Theano que permiten desarrollar redes neuronales complejas, así como otros modelos ágiles de machine learning. Aunque recopilar, etiquetar y procesar los datos para utilizarlos como algoritmos complejos de Deep Learning es una tarea complicada, estamos cada vez más cerca de conseguirlo.
Estas redes requieren de una gran cantidad de datos y un hardware potente, lo que puede resultar muy costoso, pero las grandes compañías lo ven como una oportunidad. MLaaS, o Machine Learning as a Service es un negocio en expansión y le abre las puertas a las pequeñas empresas para que incluyan la IA en sus productos, eliminando el coste y demandando hardware. Amazon Machine Learning, Microsoft Azure Machine Learning y Google Cloud AI son tres servicios líderes de MLaaS en la nube, que ofrecen plataformas cloud diseñadas para gestionar casi todos los asuntos relacionados con la infraestructura.
En resumen, el Deep Learning es una oportunidad real que ofrece numerosos beneficios a las empresas pero que, a su vez, conlleva los riesgos de cualquier tecnología emergente y requiere de cierta inversión en I+D. No obstante, bien usado, puede marcar la diferencia.
Chatbots, uno de los aplicativos del Deep Learning
Gracias al Deep Learning, cada vez son más los chatbots capaces de interactuar empleando un lenguaje natural y empatizando con el usuario. Por lo tanto, empiezan a desempeñar un papel importante en el contact center gestionando simples campañas y dando soporte a los agentes.
En otras palabras, lo que aporta el Deep Learning es la habilidad de relacionar y contextualizar grandes cantidades de datos para adquirir, con el tiempo, más precisión y la capacidad de software para aprender y, por tanto, adaptarse automáticamente al algoritmo de producto de cada cliente y su entorno.
Es evidente que los bots todavía no están al mismo nivel de los agentes humanos y no podrían reemplazarles, especialmente en aquellas interacciones más complejas. Pero ya existen casos de chatbots que se utilizan con éxito en el trato con el cliente, jugando un papel importante en campañas simples y dando soporte a los agentes. Un ejemplo es el caso del supervisor virtual, diseñado para dar soporte en aquellas interacciones más sencillas ofreciendo una experiencia de cliente más personalizada.
Para finalizar hay que recordar que, pese a que los chatbots son cada vez más complejos, no suponen una amenaza para los profesionales humanos, sino que le ayudarán en su día a día. Así, el agente podrá dedicarse a tareas en las que realmente pueda sacar provecho de su expertise, mientras que delega en las máquinas los trabajos más repetitivos.