Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Capacitación

Cuando tu agente está entrenado, Dialogflow usa tus datos de entrenamiento a fin de compilar un modelo de aprendizaje automático específico para el agente. Por lo general, proporcionas datos de entrenamiento si ingresas frases de entrenamiento directamente a los intents. También puedes usar la herramienta de entrenamiento para analizar, importar y exportar datos de conversaciones reales, y mejorar los datos de entrenamiento.

Ejecuta un entrenamiento

De forma predeterminada, el entrenamiento se ejecuta de manera automática cada vez que guardas el agente. Después de guardar el agente, aparecen ventanas de diálogo que indican el estado del entrenamiento. Siempre debes esperar hasta que se complete el entrenamiento antes de probar el agente.

Si el agente tiene más de 780 intents o si inhabilitaste la configuración de entrenamiento automático, debes ejecutar el entrenamiento de forma manual:

  1. Ve a la consola de Dialogflow ES.
  2. Selecciona tu agente cerca de la parte superior del menú de la barra lateral izquierda.
  3. Haz clic en el botón de configuración ubicado junto al nombre del agente.
  4. Haz clic en la pestaña Configuración del AA.
  5. Haz clic en el botón Entrenar en la parte inferior de la página.

Para ejecutar el entrenamiento con la API, llama al método train en el tipo Agente.

Herramienta de entrenamiento

La herramienta de entrenamiento se usa para revisar las conversaciones que el agente tuvo con los usuarios finales y mejorar los datos de entrenamiento. Mediante esta herramienta, puedes hacer lo siguiente:

  • Revisar las conversaciones reales y los intents que coincidieron para cada turno de conversación
  • Agregar las expresiones de usuario final de estas conversaciones a las frases de entrenamiento de los intents coincidentes, los intents diferentes o los intents de resguardo
  • Importar datos de conversaciones que hayas preparado o capturado a partir de conversaciones reales

La herramienta usa los datos del historial del agente para cargar las conversaciones, por lo que el registro debe estar habilitado a fin de usar la herramienta. La herramienta de entrenamiento solo muestra las expresiones del usuario final. Para ver los datos de la conversación del agente y del usuario final, consulta el historial más completo del agente.

Para abrir la herramienta de entrenamiento, haz lo siguiente:

  1. Ve a la consola de Dialogflow ES.
  2. Selecciona tu agente cerca de la parte superior del menú de la barra lateral izquierda.
  3. Haz clic en Entrenamiento en el menú de la barra lateral izquierda.

Lista de conversaciones

Cuando abras la herramienta, aparecerá la lista de conversaciones. Esta es una lista de conversaciones recientes en orden cronológico inverso. Cada fila de la lista proporciona un resumen de una conversación.

Captura de pantalla de la lista de conversaciones

En la siguiente tabla, se describe cada uno de los elementos de la IU:

Elemento de la IU Descripción
Conversación La primera expresión del usuario final en la conversación.
Requests (Solicitudes) La cantidad de turnos de conversación en la conversación.
No match La cantidad de turnos de conversación para los que no coincidió ningún intent.
Date (Fecha) La fecha en la que se produjo o se importó la conversación.
Cuando se usa una conversación para actualizar los datos de entrenamiento (como se describe a continuación), el indicador de estado de la fila muestra una marca de verificación verde.

Vista de entrenamiento

Cuando haces clic en una fila de la lista de conversaciones, se abre la conversación en la vista de entrenamiento. La vista de entrenamiento muestra una lista de turnos de conversación y proporciona controles para agregar estos datos a los datos de entrenamiento.

Cuando editas los datos que se muestran o haces clic en el botón de una tarea a la derecha, creas tareas de actualización de datos de entrenamiento que se guardan en cola. Cuando termines de crear tareas, haz clic en el botón Approve (Aprobar) para ejecutar todas las tareas en cola y actualizar el modelo de tu agente.

Captura de pantalla de la vista de entrenamiento

En la siguiente tabla, se describe cada uno de los elementos de la IU:

Elemento de la IU Descripción
Fecha La fecha en la que se produjo o se importó la conversación.
Requests (Solicitudes) La cantidad de filas de la conversación.
No Match La cantidad de filas para las que no coincidió ningún intent.
User Says (El usuario dice) La expresión del usuario final para la fila.
Intent El intent que coincidió con esta fila cuando se produjo la conversación. Puedes hacer clic en el vínculo para cambiar el intent asociado a uno nuevo o a uno existente.
Pone en cola una tarea para agregar la expresión del usuario final de la fila como una frase de entrenamiento al intent seleccionado en este momento. El ícono se vuelve verde cuando una tarea está en cola.
Pone en cola una tarea para agregar la expresión del usuario final de la fila como una frase de entrenamiento al intent de resguardo predeterminado. Esto crea un ejemplo negativo. El ícono se vuelve naranja cuando una tarea está en cola.
Pone en cola una tarea para borrar la fila. El ícono se vuelve rojo cuando una tarea está en cola.
Approve (Aprobar) Ejecuta tareas en cola para todas las filas.

Anotaciones

Cuando se observa una conversación en la vista de entrenamiento, las expresiones del usuario final muestran las entidades coincidentes como anotaciones destacadas. Para agregar o editar una anotación, sigue estos pasos:

  1. Haz clic en una anotación o selecciona las palabras a las que deseas agregar una anotación.
  2. Selecciona una entidad existente del menú.

Captura de pantalla de una anotación

Importa conversaciones

Puedes importar archivos de datos de conversaciones que hayas preparado o capturado en la herramienta de entrenamiento. La importación de conversaciones se puede usar para mejorar un agente existente. Para subir una conversación, haz clic en el botón Subir en la parte superior de la página. Luego, puedes analizar estos datos para agregarlos a los datos de entrenamiento como se describió con anterioridad.

A continuación, se describe el formato del contenido del archivo, sus limitaciones y los resultados:

  • Cada archivo subido da como resultado una sola conversación en la herramienta de entrenamiento
  • Las solicitudes no se envían a la API de detección de intents, por lo tanto, no se activan contextos y no hay coincidencias
  • Un solo archivo de texto o un archivo ZIP que puede contener hasta 10 archivos de texto
  • Una carga no puede superar los 3 MB
  • Los archivos solo deben contener expresiones de usuario final delimitadas por saltos de línea
  • Lo ideal es que los archivos solo incluyan datos útiles como frases de entrenamiento
  • El orden de las expresiones del usuario final no es importante

A continuación, se muestra un archivo de ejemplo:

I want information about my account.
What is my checking account balance?
How do I transfer money to my savings account?

Recomendaciones

Usa la herramienta de entrenamiento en varias etapas de desarrollo

Usa la herramienta de entrenamiento en varias etapas del desarrollo del agente y define mejor los datos de entrenamiento en cada una de ellas:

  • Antes de lanzar tu agente a producción, pruébalo con un grupo pequeño de usuarios.
  • Poco después de que el agente se lance a producción, examina si las conversaciones reales se comportan como se espera.
  • Cuando se realicen cambios significativos en el agente, verifica que los cambios nuevos se comporten como se espera.
  • Ejecuta la herramienta de forma periódica para los agentes de producción a fin de realizar análisis regulares.

Importa datos de calidad

Los siguientes elementos suelen ser fuentes de datos útiles:

  • Registros de conversaciones con personas de atención al cliente
  • Conversaciones de asistencia al cliente en línea (correo electrónico, foros, Preguntas frecuentes)
  • Preguntas de los clientes en redes sociales

Debes evitar los siguientes tipos de datos:

  • Expresiones de usuario final largas y que no sean conversacionales
  • Expresiones de usuario final que no sean relevantes para ninguno de los intents del agente
  • Registros de enunciados que no dijeron los usuarios finales (por ejemplo, respuestas de agentes de atención al cliente)