Cómo transformar sus datos en un asistente de conocimientos de IA de voz

Casi todas las empresas creen que los datos son uno de sus activos más importantes, pero la mayoría admitiría que no están aprovechando sus datos en todo su potencial. Esto se debe a que hacer que los datos sean fácilmente accesibles para los empleados es un trabajo sorprendentemente arduo. Requiere un esfuerzo concertado y continuo para recopilar, estructurar y etiquetar datos para convertirlos en conocimiento, capaz de encontrarse en los momentos en que puede ser más útil.

Por supuesto, esto siempre ha sido cierto independientemente del estado de la tecnología, desde bibliotecas antiguas que indexan grandes volúmenes físicos hasta los motores de búsqueda basados en la nube de hoy en día que rastrean millones de gigabytes de datos. Podemos dar por sentada la magia de la ahora omnipresente búsqueda digital de palabras clave, que nos ha brindado el poder de tener cualquier punto de datos con solo unos pocos clics del mouse y del teclado.

Pero, ¿la búsqueda moderna debe ser un ejercicio para escribir palabras clave? ¿No existe una forma más natural y sin fricciones de solicitar y consumir datos, más parecida a cómo lo hacemos con otros humanos, simplemente preguntando?

Ahora sí, con la rápida maduración de la tecnología de voz como un medio confiable, rápido y conveniente para interactuar con la tecnología digital y los datos que alberga. La tecnología de voz nos libera de las limitaciones físicas de los teclados, brindándonos una Método de entrada 3 veces más rápido para consultas , y abre casos de uso completamente nuevos para el acceso a datos cuando nuestras manos y ojos están ocupados.

Como consumidores, hemos crecido acostumbrados a simplemente preguntar a nuestros altavoces inteligentes o asistentes móviles para resolver con autoridad cualquier pregunta fáctica o disputa de trivia, porque es mucho más rápido. Alexa, Google Assistant y Siri se han vuelto increíblemente robustos en los gráficos de conocimiento que consultan para realizar estos trucos de acceso a datos sin esfuerzo, y son inteligentes en la forma en que arrojan resultados que equilibran la brevedad con algún contexto útil.

Esta posibilidad de la tecnología de voz como una puerta de acceso rápida y conveniente al conocimiento puede ser aún más transformadora para los empleados, para quienes el acceso al conocimiento no es una cuestión trivial de explorar una curiosidad, sino una parte fundamental de hacer su trabajo. Esto es especialmente cierto para los miembros de la fuerza laboral sin escritorio, empleados cuyas manos y ojos están frecuentemente atados con su trabajo.

En RAIN, estamos trabajando con una amplia gama de empresas, desde reparación de automóviles hasta construcción y restaurantes, para ayudar a obtener los beneficios de abrir nuevas modalidades y momentos de acceso a datos por parte de los empleados. Al crear "asistentes de conocimiento" impulsados por IA de voz, las empresas permiten a los empleados recuperar (e ingresar) datos con mayor facilidad y velocidad que nunca, lo que ayuda a retener a los empleados al aliviar los puntos débiles y respalda directamente resultados más saludables para las empresas a través de la eficiencia obtenida. .

En un sentido técnico, estos asistentes funcionan un poco como un pastel de capas: cada paso es crucial para brindar una respuesta útil a cualquier pregunta. En el nivel superior, la interfaz de voz hace su trabajo para convertir el habla en texto (reconocimiento automático de voz). Luego, el sistema debe profundizar para derivar la intención y el significado del usuario a partir de la cadena de texto (reconocimiento de la intención y reconocimiento de la entidad nombrada), mapear estas intenciones y entidades en un gráfico de conocimiento específico del dominio compuesto por taxonomías (relaciones categóricas entre entidades) y ontologías (mapas de significado y relaciones entre entidades) para recuperar los puntos de datos relevantes. En caso de que la entrada del usuario no sea suficiente para resolver qué entidad y atributos exactos recuperar, o si la expresión del usuario es demasiado breve o demasiado general, el sistema llamará a sus algoritmos de gestión de diálogo para llevar a cabo un proceso de eliminación de ambigüedades, con el fin de aterrizar finalmente. sobre las respuestas necesarias. Estas respuestas luego se muestran en la pantalla o se hablan al usuario a través de un motor de texto a voz (la capa de "presentación de datos").

Como indica esta explicación, la secuencia de capturar y procesar entradas y devolver salidas útiles puede ser un desafío. Pero cuando estos asistentes funcionan según lo diseñado, son transformadores y hacen que la base de conocimientos de una organización se pueda buscar de la manera más natural posible. Hay algunas consideraciones que cada organización debe tener en cuenta al explorar este nuevo y emocionante dominio de interacción humano-computadora.

El primero implica determinar las necesidades de quién puede resolver mejor desde una perspectiva de habilitación de datos: las de su empresa, o si ya está en el negocio de los datos, los clientes a los que atiende su empresa, o ambos. ¿Tus empleados luchan rutinariamente para separar la señal del ruido en los datos que revisan para hacer su trabajo? ¿Existen ineficiencias de comportamiento para acceder a estos datos, como detener el trabajo, caminar por el taller o la fábrica para llegar a una terminal, etc.? ¿Las solicitudes de datos de los clientes consumen un tiempo valioso tanto de los empleados como de los clientes, y podrían simplificarse y acelerarse con el modelo de asistente de conocimientos de autoservicio adecuado?

A continuación, las organizaciones deben determinar qué base de conocimientos y alimentación de datos requieren sus usuarios, y disciplina en la forma en que se administran los datos. Si se necesitan dominios de conocimiento general más allá de los específicos de la empresa (p. ej., para proporcionar datos meteorológicos, de noticias o deportivos), considere aprovechar los proveedores de terceros en lugar de crearlo desde cero. Independientemente de dónde provengan los datos, es fundamental tener una "versión única de la verdad" que los expertos en la materia seleccionen (y etiqueten de manera consistente) continuamente y que los usuarios finales acepten y confíen en ella. Los conjuntos de datos deben estar respaldados por API sólidas que se puedan consultar y devolver resultados de varias maneras, según la necesidad.

Una vez que los activos de datos fundamentales están en su lugar, la pila de tecnología de voz correcta puede ser el ingrediente secreto para su asistente de conocimiento, haciéndolo accesible sin esfuerzo. Una gran decisión es si ir a la nube o local/en el dispositivo. A menos que la base de conocimiento sea bastante pequeña y exista un conjunto sólido de casos de uso para consultas sin conectividad, la primera parada de las organizaciones debe ser proveedores basados en la nube, desde reconocimiento de voz y comprensión del lenguaje natural hasta texto a voz. Otra opción clave es ir a lo grande o a lo pequeño: las grandes empresas de tecnología ofrecen alta precisión, un servicio confiable y una excelente documentación, mientras que las nuevas empresas pueden ser más fáciles de trabajar con soluciones altamente personalizadas.

Una vez que un asistente de conocimiento está en funcionamiento, el control de calidad es clave para que los usuarios siempre reciban la información correcta. Esto significa tener un "conjunto de oro" de datos, que es de vital importancia para los usuarios y ha sido validado, y contar con un sólido conjunto de pruebas de regresión para garantizar que los aumentos de datos o los cambios en las aplicaciones no interfieran con el trabajo anterior.

Si bien el libro de jugadas para crear un asistente de conocimiento es mucho más extenso que este artículo, estos puntos son piezas fundamentales de cualquier esfuerzo exitoso para transformar los datos latentes en un activo que se puede interrogar tan fácilmente como un colega. Si su asistente de conocimientos hace bien su trabajo, comenzará a sentirse como el compañero de trabajo indispensable que nunca supo que necesitaba.

Acerca de Chen Zhang

Chen Zhang es el director de tecnología de RAIN, una empresa líder en tecnología de voz. Chen establece la visión técnica de RAIN, dirige el equipo de tecnología y gestiona la hoja de ruta técnica, el desarrollo y las asociaciones de la empresa. Durante los últimos 10 años, Chen ha trabajado en los campos de IA de voz y conversacional como líder de ingeniería y desarrollador práctico en empresas de diferentes escalas, desde FAANG hasta Fortune Global 500 y nuevas empresas tecnológicas.

Sobre Eric Turkington

Eric Turkington es vicepresidente de crecimiento de RAIN, donde se asocia con los clientes empresariales de la empresa para desarrollar estrategias y aplicaciones de voz ganadoras, además de supervisar el crecimiento de la empresa, las asociaciones industriales y las comunicaciones. Eric es un comentarista frecuente sobre las tendencias de la tecnología de voz en publicaciones como The Wall Street Journal , AdWeek y European Business Review .

Acerca de LLUVIA

RAIN es líder en tecnología de voz e IA conversacional. RAIN crea productos de software que priorizan la voz y apoya a las marcas líderes mundiales en estrategia de voz y desarrollo de experiencias. Con el respaldo de Stanley Ventures y otras firmas de inversión líderes, RAIN está comercializando asistentes de voz centrados en la productividad para abordar las principales ineficiencias en el lugar de trabajo. Además de crear sus propios productos, RAIN continúa asociándose con marcas líderes en la industria para desarrollar estrategias y productos de voz personalizados en el panorama B2C, B2B y B2E.

Por Chen Zhang, CTO, y Eric Turkington, Vicepresidente de Crecimiento, en RAIN Agency .