Usar datos para mejorar los agentes

La característica del Entrenamiento de Dialogflow proporciona herramientas para mejorar el rendimiento de tu Conversational Agent mediante el uso de datos recopilados tanto del uso general como de fuentes externas. Por ejemplo, podrías entrenar tu agente mediante el uso de registros existentes de interacciones de atención al cliente entre clientes y agentes humanos.

El entrenamiento ayuda a mejorar la precisión de tu agente para hacer coincidir las entradas del usuario con el intent correcto. También agrega nuevos intents sobre la base de lo que piden los clientes, lo que amplía la cobertura del agente.

Generalmente, el entrenamiento se realiza para mejorar el rendimiento de un agente de Dialogflow existente. Sin embargo, también se puede usar con el fin de ayudar a ejecutar un bootstrap de un agente recientemente creado. Para empezar, nos enfocaremos en cómo entrenar un agente de Dialogflow existente.

Entrenar un agente existente

A menos que hayas inhabilitado el registro a través de la configuración, tu agente de Dialogflow almacena un registro de todas las conversaciones que ha tenido. La herramienta de entrenamiento te permite visualizar todas las solicitudes de cliente entrantes, junto con los intents correspondientes. En el ejemplo que aparece a continuación, se usa la muestra fulfillment-bike-shop-nodejs.

Flujo de trabajo para el entrenamiento de un agente

La herramienta de entrenamiento muestra una lista de conversaciones en orden cronológico:

Cada conversación es un registro de solicitudes entrantes de un cliente en particular, agrupadas por tiempo. La primera consulta de usuario de la conversación se muestra en la tabla. Si el mismo cliente habla con tu agente en dos ocasiones separadas, los registros se mostrarán como dos conversaciones diferentes.

A fin de entrenar a tu agente, primero selecciona una de las conversaciones de la lista. Aparecerá una lista de solicitudes de usuario. Estas representan todas las entradas del usuario al agente. La entrada del usuario real se realiza en el cuadro junto a EL USUARIO DICE (USER SAYS). Las respuestas del agente no se muestran en el entrenamiento, pero puedes verlas en la página Historial.

Puedes realizar varias tareas para cada solicitud en la conversación:

  • Agregar la solicitud como una frase de entrenamiento a un intent.
  • Agregar la solicitud como una frase de entrenamiento al intent alternativo predeterminado.
  • Agregar y editar anotaciones de entidad para la solicitud.
  • Borrar la solicitud de la vista de entrenamiento.

Revisar las solicitudes en una conversación. Para cada solicitud, considera el intent que coincidió. Puedes usar tu conocimiento de los intents del agente a fin de decidir si una solicitud determinada se asoció correctamente.

Por ejemplo, en el caso que aparece a continuación, la solicitud se asoció con el intent incorrecto. Puedes hacer clic en el nombre del intent a fin de asignar esta solicitud como frase de entrenamiento para el intent apropiado, de modo que las solicitudes similares se asocien correctamente en el futuro.

Si la solicitud se asoció al intent correcto, puedes optar por agregarla como frase de entrenamiento a ese intent. Esto se recomienda con el fin de mejorar la precisión de las coincidencias de tu agente. Para agregar un intent como frase de entrenamiento, haz clic en la marca de verificación ubicada junto a la solicitud.

A veces, una solicitud se asocia erróneamente con un intent cuando debería haberse tratado como una entrada desconocida. Puedes entrenar a Dialogflow a fin de que trate estas solicitudes como irrelevantes; para ello, agrégalas al intent alternativo predeterminado o cualquier otro intent alternativo que esté en contexto en ese momento.

También puedes usar la vista de entrenamiento para editar anotaciones de entidad. Por ejemplo, si se omitió un valor de entidad, puedes anotar la solicitud para que se capture correctamente en el futuro. Si identificas nuevos valores de entidad posibles durante el entrenamiento, también debes agregar la palabra o la secuencia de palabras al tipo de entidad correspondiente.

Las acciones que realices durante el entrenamiento no se aplicarán a tu agente hasta que hagas clic en APROBAR en la parte superior derecha de la vista de entrenamiento. Una vez que se apruebe, tu agente comenzará el entrenamiento y recibirás una notificación cuando se complete. En la herramienta de entrenamiento, las conversaciones que se usaron para el entrenamiento se marcarán con una marca de verificación verde.

Cuándo entrenar a tu agente

El entrenamiento es fundamental para compilar un agente que pueda controlar la mayoría de las solicitudes. Debes entrenar a tu agente en los siguientes momentos:

Después de probar tu diseño inicial con un número limitado de usuarios

Una vez que hayas compilado la primera iteración de tu agente, prueba con un grupo pequeño de usuarios (por ejemplo, un equipo de QA); para ello, haz que participen en una conversación natural con tu agente. Este proceso dará como resultado registros de conversación que puedes usar para el entrenamiento.

Ya que es probable que tu iteración inicial vea un gran número de solicitudes no coincidentes, comenzar con un grupo pequeño de usuarios significa que no te sentirás abrumado por el volumen de trabajo de entrenamiento. Una vez que incorpores nuevas frases de entrenamiento, la precisión de la coincidencia de tu agente mejorará notablemente.

Para compartir fácilmente tu agente con los verificadores, puedes emplear el widget web de Dialogflow; o bien puedes usar integraciones a fin de conectar tu agente con cualquier plataforma de mensajería instantánea que tu equipo ya utilice.

Después de que tu agente se haya usado en producción por poco tiempo

Es probable que el uso en el mundo real tenga como resultado solicitudes considerablemente diferentes de las generadas por tus usuarios de prueba iniciales. El entrenamiento de tu agente después de que haya estado en producción por un breve período te permite incorporar estas solicitudes y mejorar la precisión del agente en su uso real.

Periódicamente, una vez que tu agente esté trabajando en producción

A medida que los usuarios se comunican con tu agente, es posible que se encuentren entradas nuevas que no tienen una coincidencia correcta. Si visitas la herramienta de entrenamiento de forma periódica, puedes incorporar estas solicitudes y mejorar continuamente tu agente.

Compilar un agente a partir de datos existentes

En muchos casos, es posible que tengas acceso a registros de conversaciones preexistentes. Por ejemplo, puedes tener registros de conversaciones pasadas con agentes de atención al cliente humanos. En esta sección, explicaremos cómo procesar estos datos y usarlos para entrenar tu agente de Dialogflow.

¿Por qué usar datos existentes?

Dado que la precisión de las coincidencias de los agentes de Dialogflow se basa en la calidad de sus datos de entrenamiento, el uso de registros de conversaciones reales es una manera excelente de mejorar fácilmente el rendimiento.

¿Cómo usa Dialogflow los datos existentes?

Los registros de conversaciones se pueden subir a la herramienta de entrenamiento de Dialogflow, en la que se enumeran de la misma manera que los registros de solicitudes que se recopilan del uso habitual de agentes. Una vez que se suben, puedes usar el flujo de trabajo de entrenamiento que se describe anteriormente para incorporar los registros a tu agente.

¿Qué tipo de datos debes recopilar?

Puedes recopilar registros de conversaciones de cualquier fuente, siempre que las interacciones que recopiles sean relevantes para los intents de tu agente. Dado que cada registro que subes en Dialogflow aparecerá en la vista de entrenamiento, debes tener cuidado de subir solo registros que potencialmente puedan ser incorporados a tu agente como frases de entrenamiento.

Los registros deben ser texto sin formato, y solo debes subir la parte de la conversación del cliente. Dado que el entrenamiento solo involucra solicitudes de usuario, no existe ninguna ventaja en la carga de registros de lo que dice el agente de atención al cliente.

Los siguientes elementos, generalmente, pueden ser fuentes de datos útiles:

  • Registros de conversaciones con agentes de atención al cliente humanos
  • Solicitudes de atención al cliente en línea (correo electrónico, foros, preguntas frecuentes)
  • Preguntas de los clientes en redes sociales

Debes evitar los siguientes tipos de datos:

  • Solicitudes detalladas, no conversacionales
  • Solicitudes de líneas múltiples
  • Solicitudes que no sean relevantes para ninguno de los intents de tu agente
  • Registros de lo que dicen personas que no son clientes (por ejemplo, respuestas de agentes de atención al cliente)

Recopilar y limpiar los datos

El entrenamiento con datos externos es más fácil si entrenas de a un intent por vez.

A continuación, aparece un flujo de trabajo sugerido a fin de recopilar los datos para un intent:

  1. Guarda todos tus registros de conversaciones en un almacén de datos, como una hoja de cálculo o una tabla de base de datos.
  2. Filtra y quita cualquier solicitud que no provenga del usuario (por ejemplo, las respuestas de los agentes de atención al cliente).
  3. Elimina los metadatos y deja solo el texto de la conversación. Por ejemplo, debes quitar fechas, nombres, fuentes o datos privados.
  4. Selecciona un intent específico de Dialogflow que deseas entrenar.
  5. Usa herramientas como la búsqueda de palabras claves y expresiones comunes para filtrar las solicitudes y deja principalmente las que parecen coincidir con tu intent seleccionado. No hay problema si algunas de las solicitudes no son relevantes; puedes omitirlas durante el entrenamiento.
  6. Exporta las solicitudes seleccionadas a un archivo .txt con una solicitud por línea. No incluyas ningún campo adicional más allá de la solicitud sin procesar.

Subir registros de conversaciones

La característica del entrenamiento de Dialogflow te permite subir archivos de texto que contienen registros de conversaciones. Estos datos se muestran en las vista de entrenamiento con el mismo formato que los datos que recopiló el agente.

El centro de carga acepta un archivo de texto único con un registro por línea o un archivo ZIP que contenga hasta 10 archivos de texto. Un archivo de texto único, o el tamaño total sin empaquetar de todos los archivos de texto en un ZIP, no debe ser mayor a 3 MB.

Si recopilaste registros de solicitudes para varios intents, debes crear un archivo de texto para cada intent. Esto garantiza que los registros se muestren por separado en la vista de entrenamiento de Dialogflow.

Flujo de trabajo del entrenamiento

Los registros de solicitudes subidos aparecen en la vista de entrenamiento de la misma manera que lo hacen los registros de agentes de producción. Esto significa que para entrenar a tu agente, puedes seguir el mismo flujo de trabajo que se describe anteriormente en Entrenar un agente existente. Si cada archivo que subes contiene solo solicitudes para un intent específico, deberías poder analizar rápidamente las solicitudes y asignarlas de forma adecuada.

Diseñar un agente sobre la base de datos existentes

Si aún te encuentras en el proceso de diseñar tu agente, puedes usar los datos que recopilaste para orientar tu diseño. Puedes seguir este flujo de trabajo:

  1. Subir tus registros de solicitud a la vista de entrenamiento de un agente recientemente creado.
  2. Para cada solicitud, decide si es representativa de un intent particular que debe existir dentro de tu agente. Si la solicitud no parece apropiada para el agente, descártala mediante la selección del ícono de la papelera.

    Si nunca has visto una solicitud como esta, pero sientes que es representativa de un intent, usa la interfaz Haz clic para asignar a fin de crear un intent nuevo.

    Si ya existe un intent que se ajuste a esta solicitud, usa la interfaz a fin de asignar la solicitud como una frase de entrenamiento para ese intent.

  3. Sigue este proceso con todos los registros de solicitudes subidos hasta que hayas creado un conjunto de intents basados en los registros. Puedes usar estos intents como la base de tu agente nuevo.

¿Te sirvió esta página? Envíanos tu opinión:

Enviar comentarios sobre…

Documentación de Dialogflow
¿Necesitas ayuda? Visita nuestra página de asistencia.