Procesamiento del lenguaje natural · PLN
Natural Language Processing
¿Qué es el procesamiento de lenguaje natural?
- El campo que permite a las computadoras procesar el lenguaje humano
- Base de la traducción, el resumen y los chatbots
- La clave para automatizar el trabajo con lenguaje
Lo que realmente cambia el NLP es la unidad de procesamiento de « lo que antes solo se podía tratar si una persona lo leía ». Las 30.000 grabaciones de consultas, las 2.000 páginas de contratos y la VOC (voz del cliente) que se acumula cada día eran bloques sin valor hasta que alguien los revisaba a simple vista. Al incorporar el NLP, esos bloques se convierten en datos que se pueden clasificar, buscar y agregar. Por eso, el efecto de la adopción se percibe antes en que las frases enterradas en la bandeja de correo y en el historial de consultas aparecen como una línea del informe semanal que en « redactar respuestas con buen aspecto ».
Al presupuestar conviene separar las tareas de comprensión (NLU) de las de generación (NLG). Clasificar consultas, determinar el sentimiento o extraer entidades nombradas son tareas de comprensión con respuesta correcta; pueden resolverse con modelos relativamente pequeños y su precisión se verifica con números. En cambio, las tareas de generación, como resumir o redactar borradores, no tienen una única respuesta y la revisión humana se mantiene hasta el final. El coreano es una lengua aglutinante, donde partículas y terminaciones se pegan a la palabra; por eso hace falta un tratamiento que agrupe formas como «reembolso», «reembolsos» y «solicitar reembolso» como una misma palabra. Además, sin un diccionario de términos y abreviaturas internos, incluso el mismo modelo rinde mucho peor. También hay que distinguir que RAG, que responde basándose en documentos internos, no sustituye al NLP: es una estructura en la que la etapa de búsqueda se monta sobre la calidad del NLP.
El error más frecuente en la práctica es confiar en el porcentaje de precisión tal cual. Una precisión de 92% significa que, con 10,000 consultas mensuales, 800 casos llegan al departamento equivocado. Si entre ellos hay devoluciones o reclamos, el retraso en la respuesta se convierte directamente en quejas y cancelaciones. La idea de que «con un modelo grande no hace falta etiquetar datos» también es solo medio cierta: sin datos de respuestas correctas para verificar, no hay base para juzgar si el cambio de modelo mejoró o empeoró las cosas. Primero conviene crear una ventanilla de excepción para revisar las clasificaciones erróneas y luego subir gradualmente el porcentaje de automatización. Ese es el orden seguro.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría. Instructor.
Seolyeong ParkEspecialista en IA generativa y AX, con 17 años de experiencia práctica y más de 200 sesiones de enseñanza, que logra que personas sin formación técnica la usen de inmediatoEs un campo de larga trayectoria que nace de la investigación en traducción automática de la década de 1950. Evolucionó de los sistemas basados en reglas a los basados en estadística y, después, al aprendizaje profundo (transformers). La aparición de los grandes modelos de lenguaje le dio un salto notable en resultados.
Veamos un caso hipotético. La empresa A, de alquiler de electrodomésticos en el área metropolitana de Seúl, tiene 480 colaboradores y 32 agentes de atención, y recibe 12,000 consultas de clientes al mes. De ellas, 5,000 llegan por KakaoTalk y correo, y los agentes debían leerlas y clasificarlas a mano: la primera respuesta tardaba en promedio 14 minutos, y las consultas enviadas al equipo equivocado que volvían a reasignarse sumaban 210 por semana. En un proyecto de 4 meses se incorporaron la clasificación y el resumen con PLN.
- Kim, jefe del equipo de atención al cliente, revisó 5,200 consultas de los últimos tres meses y las etiquetó en 14 tipos, como «retraso de instalación», «consulta de tarifas» y «cancelación». Antes de empezar, fijó un principio: «nombrar las categorías con las palabras que realmente usan los agentes».
- Al aplicar a un modelo externo un diccionario interno de 300 abreviaturas para una clasificación de prueba, la precisión llegó solo al 78 %, y « retraso de instalación » y « cancelación » seguían mezclándose. Al añadir 400 oraciones de ejemplo de los dos tipos, la precisión subió al 89 %.
- Al mostrar en la parte superior de la pantalla de atención las consultas recibidas por chat y correo, con una clasificación automática y un resumen de tres líneas, este gerente afirmó: « Ya no nos queda tiempo para releer todo el historial desde el principio ».
- Los casos con confianza inferior a 0.8 no se asignan automáticamente y se derivan a una cola que revisan directamente dos agentes senior. Con un promedio de 60 casos diarios que pasan por esta ventanilla, las asignaciones erróneas bajaron de forma notable.
- Cuatro meses después, el tiempo medio de primera respuesta bajó de 14 minutos a 5, las transferencias a otro equipo pasaron de 210 a 48 por semana, y las 320 horas mensuales que se dedicaban a clasificar y resumir pasaron a tareas de mejora de la calidad de atención.