Mientras que los ChatBots permiten la aceleración en el crecimiento del ROI; durante las fases de recopilación e implementación de requisitos, las medidas de seguridad a menudo pasan desapercibidas. Así que nos tomaremos algunas líneas para exponer algunas consideraciones de seguridad que conviene tomar en cuenta.

El sistema End-To-End Encryption (E2EE) proporciona una comunicación segura encriptando mensajes o la información que se está transfiriendo a través del canal. Solo el remitente y el destinatario pueden leer la información; ningún tercero puede ver o interceptar los datos transmitidos. Incluso si los atacantes o los hackers obtienen acceso a los servidores donde se almacenan sus datos, no pueden extraerlos, ya que carecen de acceso a las claves de descifrado para comprender los datos. Si las empresas pueden incorporar esta importante práctica de seguridad en las plataformas de chatbot, será uno de los métodos más robustos para garantizar una seguridad de chatbot significativa.

La autenticación de dos factores o la verificación bidireccional es otro método para garantizar la seguridad. Esta técnica implica exigir a los usuarios que verifiquen su identidad a través de dos canales separados, para acceder a un ChatBot. Los códigos de verificación se envían al correo electrónico registrado o al número de teléfono móvil. Una vez que se ingresa el código, el usuario es validado y se le concede acceso a un ChatBot. Esto puede ser una medida de prevención para verificar que el usuario de la cuenta es la persona que accede al ChatBot. Considerar que la autenticación de dos factores es utilizada por muchas industrias, incluidas las financieras y bancarias, donde la seguridad es una alta prioridad.

Igualmente, la autenticación para la identificación de usuario es la técnica más conocida y un método de autenticación básico en muchas industrias. Los usuarios reciben credenciales de inicio de sesión únicas y seguras, como nombre de usuario y contraseña. Un usuario puede verificar su identidad usando estas credenciales de seguridad. Estas credenciales se intercambian entre el usuario y el ChatBot por un token autenticado seguro. El token autenticado generado verifica la identidad del usuario y otorga permiso para acceder al ChatBot.

También, la comunicación basada en la intención se ve influenciada por la combinación de dos entradas: estado y contexto. El estado se refiere al historial de chat mientras que el contexto es el resultado del análisis realizado en las entradas del usuario. A veces, la información contextual implica la revelación de información crítica que necesita someterse a un nivel diferente de autorización desde el nivel de back-end. Al usar esta característica única, las organizaciones pueden proporcionar acceso a datos críticos solo para usuarios autorizados.

Los chatbots tienen la comodidad única de estar disponibles en múltiples canales como Skype Empresarial, Microsoft Teams, Facebook, Slack, etc. Las empresas cuentan con una función para restringir el uso del ChatBot en ciertos canales de comunicación a fin de garantizar una mayor seguridad y cumplimiento.

Las empresas pueden aprovechar la potencia de las plataformas empresariales de desarrollo de ChatBots para restringir el uso de ChatBots en un canal específico que sea conveniente y que cumpla su propósito.

Recordar que de acuerdo con las leyes de Regulación General de Protección de Datos (GDPR), las organizaciones se ven obligadas a preservar la privacidad de los datos personales compartidos. Para proteger estos datos críticos, las plataformas de ChatBots están generando una restricción de privacidad adicional, es decir; los datos críticos no serán revelados ni siquiera desde el back-end. Igualmente, los intentos de sustracción se registran para fines de auditoría.

Se sugiere agregar además una restricción basada en el tiempo en el uso del usuario autenticado puede garantizar mayores niveles de seguridad. El acceso a los tokens autenticados está limitado por una cierta cantidad de tiempo. Una vez que el token caduque, el ChatBot revoca automáticamente el acceso. En algunos casos, se les pide a los usuarios que confirmen si están activos antes de cerrar las sesiones.

Se puede además utilizar un proceso de autenticación biométrica, lo que implica entradas biológicas para validar a un usuario. Los usuarios pueden verificar su identidad utilizando dispositivos únicos de autenticación biométrica, como un iris o escáneres de huellas dactilares. Dada su efectividad para garantizar la seguridad en los dispositivos personales, esta tecnología se ha vuelto rápidamente popular. Agregar a esto que según Gartner en 2019, el uso de contraseñas y tokens en casos de uso de riesgo medio, caerá un 55%, debido a la introducción de tecnologías de reconocimiento biométrico.

Finalmente, si tiene un ChatBot que está realizando transacciones digitales, tomando la información de la cuenta personal como entradas de los usuarios y para procesar transacciones; los usuarios consideraran dónde los ChatBots almacenan esa información y durante cuánto tiempo. La mejor forma de lidiar con esta situación es destruir o eliminar para siempre la información que se transmite a través de la conversación de ChatBot. Es decir, después de un cierto período de tiempo, los ChatBots deberían borrar automáticamente toda la información confidencial o los datos proporcionados por el usuario.

Fuente consultada: Bot Core

The post Sugerencias para mejorar la seguridad de los ChatBots first appeared on Planeta Chatbot.

Después de estos, están los ChatBots con acceso a cerebros de IA. Hoy día, los entusiastas de la IA están haciendo posible crear bots que sean ricos en IA, aprovechando fuentes como Dialogflow para construir chats con AI consistente y potente.

Surge la pregunta ¿Puede un ChatBot en un sitio web, cambiar el comportamiento del consumidor y ayudarle a construir confianza?

Nos hemos dado a la tarea de explorar el tema un poco y a continuación les resumimos las razones visibles y válidas que lo respaldan, para su análisis:

• • Los ChatBots son herramientas de autoayuda bien ubicadas, que están mejorando la comunicación bidireccional para obtener mejores resultados de negocios. Los clientes obtienen una experiencia mejorada y sienten que pueden invertir en el negocio.
  • Las conversaciones estimuladas de ChatBot brindan un toque humano absoluto y personalizado con mensajes de bienvenida y un tono amigable, sin tener que asignar un recurso humano, sin horarios o retrasos por saturación de las centrales de atención, lo que es una ventaja definitiva para ambos; el negocio y el consumidor. Por lo tanto, sin lugar a dudas un ChatBot para su sitio web es una necesidad.
  • Las respuestas rápidas y la resolución instantánea a las consultas de los usuarios son una delicia para todos los consumidores. Estimulando que el consumidor tenga fe en los servicios y productos del negocio donde pueden hablar con alguien y encontrar soluciones inmediatas.
  • Hay muchos ejemplos de sitios web de ChatBot que ayudaron a los consumidores a experimentar un mejor compromiso de marca, sin hacerles sentir que están lidiando con un punto de venta directo. Estos consumidores estaban más que ansiosos por ingresar al abanico de oportunidades de intercambio con el negocio.
  • Los ChatBots proporcionan información relevante relacionada con productos, ofertas, esquemas, anuncios comerciales y otras actualizaciones relacionadas con los productos y servicios. Esto allana el camino para que los clientes exploren más y tomen una decisión sensata sobre la compra.
  • Si el ChatBot para su sitio web ha sido programado con un excelente sentido del humor, la vida de su marca se vuelve mucho más fácil. Los clientes siempre están dispuestos a hablar con los ChatBots que responden con mensajes divertidos y joviales que retratan más la personalidad humana.
  • Los ChatBots representan su marca y si responde a los mensajes de sus clientes al instante con la voz de su marca, su marca se convierte en una parada para ellos.
  • Un solo ChatBot puede reemplazar a varios agentes de servicio al cliente, reduciendo así una gran cantidad de costos y al mismo tiempo, brindando a los consumidores una experiencia fluida, uniforme y sin cambios, allanando un carácter para su marca, en el que sus clientes pueden confiar fácilmente.
  • El uso de los portales en línea de ChatBots puede eliminar la limitación de los agentes humanos en la interacción del usuario. Donde los ejecutivos de atención al cliente en vivo pueden lidiar con solo 2 o 3 chats a la vez, los ChatBots pueden funcionar sin límite. Al usar los ChatBots puede complementar a su equipo humano, su empresa puede obtener el impulso que necesita para ingresar a nuevos mercados.
  • Los ChatBot para su sitio web o Facebook Messenger, representan un servicio de atención al cliente 24 × 7. Esto es mucho mejor que la situación en la que los clientes pierden la confianza en su marca al no ser atendidos a toda hora.
  • Considere que estás lanzando tus productos a la Gen Y y Gen Z. Por ejemplo, los más jóvenes no son consumidores incautos. Tienen la costumbre de consultar y analizar productos o servicios antes de comprar. Además, a los jóvenes le gustan las charlas en vivo sobre las llamadas.
  • Usted recibe una gran cantidad de consultas de sus clientes, incluidas quejas, los ChatBots pueden quitarle mucho a su equipo de atención al cliente. Al trabajar como el punto de contacto principal, los ChatBots son capaces de hacer llamadas de pantalla de los clientes y desviarlas a operadores humanos cuando sea necesario.
  • Tienes una colección de servicios y productos similares, es decir; si estás intercambiando servicios y mercancías casi similares, sus clientes pueden necesitar ayuda para elegir el artículo correcto. Los consumidores también buscan orientación cuando compran algo costoso, por ejemplo, teléfonos celulares, cámaras, o cualquier gadget, etc. Los ChatBots pueden ayudar a los clientes a obtener el artículo o servicio correcto.

Sin duda, para cualquier organización, ha resultado muy esencial atender las preguntas y disputas planteadas por los clientes para garantizar la fidelidad de estos, junto con la imagen de nuestra marca.

La industria de servicio al cliente ha transformado todo a través de los ChatBot. Los ChatBots son vistos como el destino de la industria de servicio al cliente.

The post Construir confianza a través de ChatBots first appeared on Planeta Chatbot.

La generación de lenguaje natural es una sub-disciplina de la IA que convierte los datos en texto, lo cual permite a las computadoras comunicar ideas con una precisión impresionante. En la actualidad se utiliza en el servicio al cliente para generar informes y resúmenes de mercado.

En el reconocimiento de voz, Siri, Alexa, Jarvis, Aura son tan algunos de los sistemas que hoy en día pueden entender lo que les dices. No obstante; cada día son creados más y más sistemas que pueden transcribir el lenguaje humano, llegando a cientos de miles a través de sistemas interactivos de respuesta de voz y aplicaciones móviles.

Igualmente hemos visto surgir agentes virtuales; que son en fondo un agente informático o un programa capaz de interactuar con humanos. Y sí, los chatbots son un gran ejemplo. Los agentes virtuales se están utilizando actualmente para el servicio al cliente y soporte, así como administradores de hogares inteligentes.

El Machine learning (ML) es una subdisciplina de las ciencias de la computación y una rama de inteligencia artificial (IA). Su objetivo es desarrollar técnicas que permitan a las computadoras aprender, proporcionando algoritmos, interfaces de programación de aplicaciones, herramientas de desarrollo y de capacitación, big data, aplicaciones y otras máquinas, las plataformas de ML están ganando cada día más fuerza. Actualmente, están siendo utilizadas, principalmente, para predicción y clasificación.

Qué decir del hardware optimizado con IA. La IA hace que el hardware sea mucho más amigable a través de nuevas unidades de procesamiento gráfico y central, y de dispositivos de procesamiento específicamente diseñados y estructurados para ejecutar tareas orientadas por IA. Y si aún no los has visto, debes esperar una inminente aceptación de circuitos integrados de silicón optimizados por IA que se podrán insertar directamente en tus dispositivos portátiles y, eventualmente, en cualquier otro lugar.

Las máquinas inteligentes son capaces de introducir reglas y lógica a los sistemas de inteligencia artificial para que puedas usarlos para la configuración o training inicial, el mantenimiento continuo y la optimización.

La toma de decisiones ya se ha incorporado a una variedad de aplicaciones corporativas para asistir y tomar decisiones de forma automática, haciendo que tu negocio sea lo más rentable posible.

Las Plataformas de Deep Learning usan una forma única de ML que involucra circuitos neuronales artificiales con varias capas de abstracción que pueden imitar al cerebro humano, procesar datos y crear patrones para la toma de decisiones. Actualmente se usa principalmente para reconocer patrones y clasificar aplicaciones que sólo son compatibles con conjuntos de datos a gran escala.

Las tecnologías biométricas pueden identificar, medir y analizar el comportamiento humano y los aspectos físicos de la estructura y de la forma del cuerpo. Además, permiten interacciones más naturales entre los seres humanos y máquinas, incluidas las interacciones relacionadas con el reconocimiento del tacto, imágenes, voz y lenguaje corporal, por lo que es extremadamente importante en el campo de la investigación de mercado.

La automatización de procesos robóticos usa scripts y métodos que imitan y automatizan tareas humanas para apoyar en los procesos corporativos. Es particularmente útil para situaciones en las que contratar humanos para un trabajo o tarea específica resulta demasiado caro o ineficiente. Es una solución que te permite aprovechar al máximo el talento meramente humano y mover a los empleados a posiciones más estratégicas y creativas, para que sus acciones realmente puedan tener un impacto en el crecimiento de la compañía.

En el uso de Analíticas de texto y NLP (Procesamiento de Lenguaje Natural), se utiliza para comprender tanto la estructura de las oraciones, como su significado e intención, a través de métodos estadísticos y ML. El análisis de texto y PLN se utilizan actualmente en sistemas de seguridad y detección de fraudes. Aunque también están siendo utilizados por una amplia gama de asistentes y aplicaciones automatizadas para extraer datos no estructurados.

Sobre Gemelos Digitales, se trata de un constructor de software que cierra la brecha entre los sistemas físicos y el mundo digital. Hoy día se construyen fuerzas de trabajo de AI para monitorear los motores de sus aviones, locomotoras y turbinas de gas, y predecir fallas con los modelos de software. Sus gemelos digitales son principalmente líneas de código software, pero las versiones más elaboradas parecen dibujos de diseño asistidos por una computadora tridimensional (3D), llenos de gráficos interactivos, diagramas y puntos de datos.

La defensa cibernética es un mecanismo de defensa de redes informáticas que se centra en prevenir, detectar y proporcionar respuestas oportunas ante ataques o amenazas hacia la infraestructura e información. Las redes neuronales recurrentes, que son capaces de procesar secuencias de entradas, se pueden combinar con técnicas de ML para crear tecnologías de aprendizaje supervisado, que revelan actividades sospechosas en los usuarios y detectan hasta el 85% de todos los ciberataques.

El cumplimiento (Compliance) es la certificación o confirmación de que una persona u organización cumple con los requisitos de prácticas aceptadas, legislaciones, regulaciones, estándares o términos de un contrato; y existe una industria significativa que la sostiene. Estamos viendo la primera ola de soluciones regulatorias de cumplimiento que utilizan inteligencia artificial para ofrecer eficiencia a través de la automatización y la cobertura integral de riesgos.

La automatización del trabajo cognitivo se considera la segunda tendencia tecnológica emergente más disruptiva. Así, mientras que algunos se preocupan por la posibilidad de que la IA comience a reemplazar a las personas en el trabajo, no olvidemos que la tecnología de inteligencia artificial también tiene un enorme potencial para ayudar a los empleados en su trabajo, especialmente aquellos relacionados con trabajos intelectuales o que requieren considerable dosis de conocimiento.

La creación de contenido ahora incluye cualquier tipo de material que una persona sume al mundo online, ya sean videos, anuncios, publicaciones en blogs, white papers, infografías u otros recursos visuales o escritos.

Las redes peer-to-peer, en su forma más pura, se crean cuando dos o más PC’s se conectan y comparten recursos sin necesidad de que los datos pasen por un servidor de computadora centralizado. Pero las redes peer-to-peer también son utilizadas por las criptomonedas, e incluso tienen el potencial de resolver algunos de los problemas más desafiantes al recopilar y el analizar grandes cantidades de datos.

El reconocimiento de emociones permite que el software “lea” las emociones en el rostro humano mediante el procesamiento avanzado de imágenes o el procesamiento de datos de audio. Hoy en día podemos capturar “microexpresiones” o señales sutiles del lenguaje corporal y cualquier entonación vocal particular que nos indiquen los verdaderos sentimientos de una persona. La policía podría usar esta tecnología para tratar de detectar más información sobre alguien durante un interrogatorio. Pero también tiene una amplia gama de aplicaciones para los especialistas en mercadeo, por ejemplo.

El reconocimiento de imágenes es el proceso que identifica y detecta un objeto o característica específica en una imagen digital o video. La inteligencia artificial está aprovechando cada vez más esta tecnología y brindando excelentes resultados. La IA puede buscar fotos en las plataformas de redes sociales y compararlas con una amplia gama de conjuntos de datos para decidir cuáles son más relevantes durante las búsquedas de imágenes. La tecnología de reconocimiento de imágenes también se puede utilizar para detectar placas de autos, diagnosticar enfermedades, analizar clientes y sus opiniones y verificar a los usuarios basándose en su rostro.

La automatización del mercadeo permite a las empresas mejorar la interacción con su mercado meta y aumentar su eficiencia. Se utiliza software para automatizar la segmentación de sus públicos meta, la integración de los datos de sus clientes y el manejo de sus campañas; simplificando las tareas repetitivas, y permitiéndoles enfocarse en lo que mejor saben hacer. Hasta ahora, los equipos de mercadeo se han beneficiado enormemente de la inteligencia artificial (IA) e, indudablemente, tienen mucha fe en la IA que se usa en esta industria por una buena razón: El 55% de los especialistas en mercadeo están seguros de que la IA tendrá un mayor impacto en su campo, que incluso el concepto como tal de las redes sociales.

Y hay muchas más innovaciones, algunas de ellas podrían ser por ejemplo la capacidad de los algoritmos de Machine Learning programados para generar música encontraron diversos elementos musicales, el “Chef Watson” que te ayuda a crear una receta con base en los ingredientes que tengas disponibles o que se te antojen. Sus algoritmos verán qué platillos se pueden preparar con esos ingredientes y te brindarán múltiples opciones para que tú elijas el platillo que deseas, así como las instrucciones para prepararlo, los autos sin conductor, fotografías que se convierten en compras… algo así como: “sólo toma una foto del objeto que deseas y te mostrará algo muy similar o idéntico”.

Podríamos seguir explorando usos para la IA y seguirían surgiendo innovaciones y disrupciones, tantas como actividades humanas…

Fuente: Tech Radar 2018 (Forrester).

The post Innovaciones sobre IA first appeared on Planeta Chatbot.

Las razones por las cuales los ciberataques han mantenido efectividad se debe a la naturaleza cambiante y evasiva de los mismos. Hoy dia es mayormente posible detectarlos con tecnologías basadas en reconocimiento de patrones y mediante el uso de cajas de arena (Sandbox). No obstante, aún están sujetas a ser superadas si el código del malware cuenta con mecanismos de evasión, incluso permitiendo la activación del malware tiempo después de su llegada a la red.

El malware primitivo buscaba de manera estadística y general el lanzamiento de ataques de forma masiva para ver cuántas víctimas eran infectadas El malware de nueva generación ha generado la capacidad de burlar sistemas avanzados de detección, porque cuenta con algoritmos de evasión que detectan que está siendo analizado por un ambiente virtual y no por un dispositivo de un usuario real.

Los ataques han evolucionado y en vez de ser masivas, ahora son dirigidos –más conocidos como Advanced Persistent Threat (APT)-, buscando primero identificar las vulnerabilidades en el navegador o en el software del usuario por medio de un ‘Exploit Kit’ para luego lanzar el ataque con base a esta vulnerabilidad, es decir; un ataque a un objetivo concreto previamente reconocido.

En gestión de herramientas predictivas, si se quiere mitigar el riesgo de manera proactiva, necesitamos mantenernos al día sobre los nuevos tipos de amenazas y vectores de ataque documentados en más de un millón de boletines de seguridad, informes de amenazas y noticias publicadas cada año.

La analítica avanzada y otras herramientas de software ayudan a los analistas de seguridad a detectar anomalías e identificar las amenazas de alto riesgo, pero el volumen de información, combinado con la velocidad y sofisticación de los ataques, ha hecho casi imposible estar continuamente al corriente de todos los tipos de ataques.

Los procesos cognitivos juegan un papel esencial en el desarrollo de las personas, en tanto son los responsables de procesar y asimilar todo tipo de datos e informaciones. Una de las grandes pretensiones de los desarrolladores de software y de sistemas informáticos ha sido precisamente, emular y mejorar los procesos cognitivos de las personas, es decir; automatizar la analítica envolvente de la inteligencia humana.

El concepto de ‘Seguridad Cognitiva’ enmarca un sistema de ciberseguridad que sigue una lógica similar a la del cerebro humano.

La computación cognitiva tiene la capacidad de aprovechar y dar sentido a los datos –hablamos en puntual de los datos de seguridad, que antes representaba un punto ciego en la defensa de una organización, lo que nos permite obtener conocimiento y responder en avanzada a las amenazas con mayor fiabilidad y velocidad.

Los sistemas cognitivos son entrenados, no programados, usando los mismos tipos de información no estructurada en la que nos basamos los analistas de seguridad. Al igual que nosotros, el sistema puede aprender sobre la marcha, siendo capaz de reconocer los términos y establecer relaciones entre ellos, por lo que puede entender las preguntas y razonar para responderlas.

La seguridad cognitiva promete revolucionar las soluciones de seguridad actuales y ser un complemento de los dispositivos de seguridad en las arquitecturas establecidas ya que reúne las tecnologías de redes neuronales, la inteligencia artificial y Big Data y las integra junto con las soluciones de seguridad convencionales.

Un caso específico, son los ataques 0-day, los cuales explotan una vulnerabilidad no detectada aun por el fabricante del hardware o del software y que en consecuencia no pueden ser detectadas mediante algún mecanismo estático como el del antivirus. Considerar que los desarrolladores de malware han desarrollado técnicas de evasión aplicadas a sistemas de detección de intrusos (IPS), mediante la manipulación de cabeceras o en el mismo cuerpo de las tramas de paquetes. Otras técnicas de evasión pueden incluir ofuscación, cifrado de paquetes, fragmentación y mecanismos de violación de protocolo.

La problemática a resolver es compleja. Se trata de llevar a cabo una estrategia de contención eficiente, conlleva a un crecimiento proporcional en la cantidad de talento humano empleado para atender volúmenes abrumadores de información, lo cual no es factible, pues en realidad, las tendencias a corto plazo, indican que la cantidad de ataques siempre será mayor que la cantidad de gente que pueda atender estos eventos.

La seguridad cognitiva promete ser un complemento de los mecanismos de seguridad conocidos. Vuelve más inteligente a los algoritmos y mecanismos de detección basados en antivirus y sandboxing, implementando técnicas de machine learning e inteligencia artificial para permitir mayor capacidad de detección de amenazas que utilizan técnicas de evasión regular y avanzada.

Por otro lado, los sistemas de detección y protección de intrusos pueden convertirse en mecanismos de detección menos vulnerables capaces de detectar nuevos patrones de tráfico maliciosos que mediante análisis cognitivos requieran menor entrenamiento, administración y seguimiento por parte de los administradores de seguridad.

Sin duda, las sofisticaciones de los ciberataques requieren de múltiples conocimientos y experiencias acumuladas. La interacción de varias personas al mismo tiempo que lleven a cabo varias tareas de mitigación para reducir el costo y el impacto del ataque en curso ya no es suficiente. Así las cosas, la seguridad cognitiva promete ser el complemento requerido, una nueva frontera aplicando Machine Learning, Deep Learning e Inteligencia Artificial.

Fuentes consultadas: Digital Biz Magazine, Prensario IT Diario

The post Seguridad cognitiva first appeared on Planeta Chatbot.

Cuando hablamos de CUI hablamos de asistentes de voz (generalmente orientados a tareas) pero también de ChatBots, dos tecnologías que han atraído un gran interés de la audiencia de la industria.

Aunque puedan parecer un concepto reciente, los orígenes de los sistemas de diálogo se remontan a la década de 1960 cuando el MIT creó ELIZA. ELIZA fue un ChatBots psicoanalista primitivo que fue capaz de devolver lo que el paciente había dicho.

Este sistema tuvo una gran influencia en los asistentes de voz de hoy, que comenzaron a aparecer en 2011 cuando Apple incorporó Siri en el iPhone. Sus competidores no tardaron en lanzar soluciones similares, como Microsoft que lanzó Cortana, Google que lanzó el Asistente de Google (también conocido como OK Google). Y Amazon fue el primero en incorporar AI conversacional, a través de Alexa en un dispositivo especializado llamado: Amazon Echo, un altavoz autónomo inteligente.

Estos agentes conversacionales, además de integrar una interfaz de voz, también actúan como asistentes personales y pueden realizar tareas simples como hacer llamadas telefónicas, leer mensajes o configurar alarmas y recordatorios.

Las aplicaciones de esta tecnología todavía están creciendo y se extienden a áreas como ayudas a la conducción, el mercadeo neuronal, el cuidado de personas mayores, etc… en todas estas actividades los ChatBots son una pieza clave.

Los líderes de las interfaces de usuario conversacionales; las empresas y los países que serán responsables de las innovaciones en una tecnología con un gran potencial que trabajan en Interfaces de usuario conversacionales (CUI) son mayormente estas grandes corporaciones tecnológicas o de comunicaciones.

El liderazgo se lo dividen entre americanos y asiáticos ya que, de las 10 principales entidades, ocho tienen su sede en EE. UU., mientras que las otras dos son taiwanesas (HTC) y surcoreanas (Samsung). Decir además que aunque los principales asistentes de voz del momento son Siri (Apple), Cortana (Microsoft) y Alexa (Amazon), esta última no se encuentra entre las más innovadoras, ya que para encontrarla tenemos que bajar a la posición 30. En fin, aunque parezca que no han sido tan activos durante los últimos años, su asistente inteligente Alexa y su dispositivo Echo ya estaban muy avanzados en comparación con sus competidores directos están en continua evolución.

Recientemente lanzaron Alexa for Businesses y además, como parte de su estrategia corporativa, Amazon ha comenzado un fondo de capital de riesgo cuyo objetivo es encontrar, acelerar y respaldar aquellos proyectos compatibles con Alexa para potenciar un futuro orientado a Alexa. Además, Amazon se ha asociado estratégicamente con General Electric (GE) para hacer que Alexa sea compatible con la suite de GE Appliances, lo que permitirá a Amazon controlar el creciente mercado de la domótica; ósea, las casas inteligentes.

Con respecto a la Academia, la primera entidad que innova en CUI es el MIT quienes desde 2014, han recibido 2 becas para desarrollar proyectos con Google e IBM que buscan mejorar la comprensión del lenguaje de las computadoras.

Como líder de la interfaz de usuario conversacional, Microsoft ha experimentado un año muy productivo en 2017. Han estado trabajando en sistemas para mejorar la capacidad de comprensión de los sistemas conversacionales por medio de la apariencia o los gestos del usuario. Y tienen varias patentes sobre el tema. En cuanto a Apple, han llenado no menos de 26 patentes y 10 marcas registradas en interfaces de usuario conversacionales desde 2010. Son la segunda entidad con más patentes en el campo, justo detrás de Microsoft. Por ejemplo, ya en 2011, patentaron un método para “adaptar automáticamente las interfaces de usuario para la interacción de manos libres”. El mismo año que lanzaron Siri.

¿Y qué están patentando ahora? En 2017, han llenado diferentes patentes que van desde asistencia con el uso de la batería hasta información de contexto para hacer que sus asistentes sean más inteligentes. Pero la más interesante es un “método de entrada de enunciado único de múltiples comandos”: una sola “orden” que tiene múltiples comandos accionables.

Aunque en las principales organizaciones clasifican a dos empresas asiáticas, al observar el conjunto agregado de datos que Linknovate ha recopilado sobre los líderes de Interfaces de usuario conversacionales, podemos ver que los principales países en CUI son los Estados Unidos y algunas potencias europeas. Esto se debe al trabajo y crecimiento de sus PYMES. Es decir; algunas compañías del Reino Unido como Phillips han llenado dos patentes relacionadas con comunicaciones de Tele-Salud y un sistema para proporcionar retroalimentación al usuario con respecto a su comportamiento. A su vez Capito Systems ha desarrollado una tecnología de asistente de voz para el comercio móvil y Deeson Group recibió una subvención Innovate UK Grant para desarrollar ‘Smart Cultural Journeys’, el uso de soluciones basadas en la nube basadas en inteligencia artificial, y las interfaces de conversación para aumentar la experiencia de un usuario y el descubrimiento de una nueva ubicación.

En Alemania, Bragi ha patentado un auricular portátil que puede interpretar comandos de voz. Y en España, Verbio Technologies ha recibido una subvención SME-2 para adaptar las Redes Neuronales Profundas (DNN) al reconocimiento de voz y texto, lo que altera las comunicaciones entre humanos y computadoras.

Las tendencias principales de Interfaces de usuario conversacionales comprenden el desarrollo de interfaces de servicio, así como el uso de datos interactivos para mejorar la inteligencia del asistente y hacer que la experiencia sea lo más humana e interactiva posible. Usando la plataforma Linknovate, hemos encontrado tres startups interesantes basadas en Estados Unidos que están trabajando en CUI desde perspectivas bastante estimulantes.

La primera es Semantic Machines, quienes tienen como objetivo lograr la IA necesaria para que la informática conversacional sea una realidad. Un sistema capaz de mantener una conversación coherente con el usuario. Con este objetivo, han recaudado alrededor de $20 millones en financiamiento desde 2014. El segundo emprendimiento que recientemente recibió una inyección de dinero es Pypestream, y que ya ha recaudado $22.5 millones desde 2015 con sus bots de servicio al cliente, alimentados con IA para ofrecer promociones, procesar transacciones o incluso proporcionar contenido multimedia, como un gran servicio dirigido a la industria automotriz, los servicios financieros y la industria de la salud. Y como tercera startup Kasisto conocido por ser el creador de KAI, una plataforma de inteligencia artificial para la conversación con inteligencia específica de la industria. Kasisto ha dado un paso adelante al desarrollar KAI Banking, una plataforma con bots y asistentes virtuales con conocimiento financiero. Al igual que cualquier banquero, pueden ayudar al usuario a encontrar nuevos productos financieros, administrar el dinero, analizar el gasto o realizar pagos.

Las interfaces de usuario conversacionales se muestran como una de las mejores tecnologías en términos de crecimiento en los últimos años y prometen continuar evolucionando dado que los grandes gigantes tecnológicos les están apostando fuerte.

Fuente: Linknovate

The post Interfaces de usuario conversacionales, líderes que debes conocer first appeared on Planeta Chatbot.

Previo había platicado de las 3 tecnologías de construcción e interpretación de lenguajes y que recapitulo:

NLP: Procesamiento de lenguaje natural (Natural Language Processing)

NLU: Comprensión del lenguaje natural (Natural Language Understanding)

NLG: Generación de lenguaje natural (Natural Language Generation)

Los chats son la forma más natural de interacción entre humanos y aplicaciones. No obstante, los Bots le dan esa inmediatez a los Chats y además los hacen interactivos. Es decir; le agregan ese toque humano a cualquier aplicación que construyas. Los bots son interesantes y no so para nada aburridos como llenar un largo formulario.

Ahora bien, quedando establecido que los ChatBots son la forma más natural de interacción entre humanos y aplicaciones, podríamos percibirlos como pedirle ayuda a un amigo en una conversación, pero que con respuestas concisas e inmediatas pueden hacer todas las actividades que se le piden y/o para las que fueron diseñados. Por lo tanto, un ChatBot es como agregar una interfaz conversacional a las aplicaciones, ósea una interfaz que explora las bondades de la inteligencia artificial aplicándolas a los chats de tus aplicaciones.

Usamos una mezcla de IA y algoritmos de aprendizaje automático para hacer que los bots entiendan el lenguaje natural (NLU — comprensión del lenguaje natural), procesen el texto de la conversación y extraigan información (NLP — Procesamiento del lenguaje natural) y respondan al usuario preservando el contexto de la conversación (NLG — Generación de lenguaje natural).

Algunos conceptos que es necesario comprender al construir un ChatBot son:

INTENTO: Un intento es una colección de expresiones (lo que el usuario dice) que significan lo mismo, pero que se construyen de manera diferente. Cada intento corresponde a una acción que su usuario desea realizar. Por ejemplo, un intento de “saludar” tendrá las siguientes expresiones “hola”, “hola”, “hola”, todo lo que significa lo mismo: un saludo o el iniciador de conversación.

ENTIDAD: Una entidad es una información extraída de lo que dice un usuario. Por ejemplo, cuando un robot pregunta por su nombre, la información que el robot espera de su respuesta será su nombre “Mi nombre es {{nombre-de-entidad}}”.

ACCION: Una acción es una tarea que esperas que tu bot haga por ti. En la mayoría de los casos, una API externa realiza esta acción. Dado que las plataformas bot no admiten llamadas API externas, se usa un programa externo para controlar esa funcionalidad. Por ejemplo, cuando le pides a tu bot que te ordene una pizza, el bot extrae toda la información (Entidades) requerida para ordenar la pizza (tamaño, tipo, tienda, etc.) y la envía a una API externa. De esta obtiene una respuesta respecto a si la orden es exitosa o no.

Disponemos de no muchas plataformas de construcción Bot, entre ellas API.ai de Google, Wit.ai de Facebook, Recast.ai y Converse.ai.

The post Conceptos y términos básicos detrás de los ChatBots first appeared on Planeta Chatbot.

• NLP: Procesamiento de lenguaje natural (Natural Language Processing)
• NLU: Comprensión del lenguaje natural (Natural Language Understanding)
• NLG: Generación de lenguaje natural (Natural Language Generation)

El desafío con el lenguaje humano es que no se confina a un formato o secuencia de comandos predefinidos. En diferentes momentos, el mismo ser humano puede escribir diferentes mensajes para el mismo intento. Además, muchas veces los humanos son abstractos y ambiguos en las conversaciones. ¿Cómo maneja el Chatbots esas situaciones?

Un Chatbots que posea la capacidad de generación de lenguaje natural (NLG), es aquel que sabe qué respuesta exacta y clara (mensaje) generar para un mensaje de usuario correspondiente.

En el ejemplo anterior, para el mensaje “Quiero viajar de Costa Rica a Hong Kong”, el Chatbots debería entender que para reservar un vuelo también necesitamos la fecha y la hora del viaje y por lo tanto, pedirle al usuario una fecha específica de viaje, tiempo de viaje, viaje de regreso, etc.

Sin embargo, si el usuario ya había proporcionado esta información en el mensaje, entonces el Chatbots no debería volver a solicitar la misma información. En el caso anterior, el Chatbots debería responder como “Gracias, Sr. XYZ” por su consulta. ¿Podría proporcionarnos la fecha y la hora del viaje? Mientras que en el segundo caso debería responder como ‘’ Gracias, Sr. XYZ, por su consulta. Déjame ver si hay vuelos disponibles con regresar pronto’. Es notorio que la respuesta debe ser coherente, significativa, contextual, completa, no repetitiva y clara. Esto exige que la respuesta no puede ser estática sino que debe ser dinámica.

¿Cómo averigua el Chatbots qué tipo de respuesta generar? Una de las formas en que esto se ha solucionado es mediante el uso de un sistema de gestión de cuadros de diálogo. Para diferentes mensajes de entrada, el modelo predictivo puede ser entrenado para decidir qué decir a continuación, contextualmente. Rasa Core es uno de esos sistemas de gestión de diálogo para generación de lenguaje natural (NLG).

Investigaciones recientes en la generación de lenguaje natural (NLG), han descubierto algoritmos de Aprendizaje Profundo (Deep Learning), especialmente, en modelos de generación de diálogo neural como secuencia a secuencia, que son más efectivos para predecir respuestas a conversaciones de lenguaje natural. Esto mejoraría enormemente las capacidades de comprensión de las máquinas y también permitiría que los Chatbots manejen los problemas de respuesta a las preguntas.

Mirando hacia el futuro, parece seguro que los Chatbots realmente desarrollarían una inteligencia comparable a los humanos y los evaluaríamos utilizando –como cuestione en el primer artículo-, un ‘cociente conversacional’ (CQ) en vez de ‘cociente intelectual’ (IQ).

Fuente: Engati: Bot innovation.

The post Episodio 3: Generación de lenguaje natural first appeared on Planeta Chatbot.

• NLP: Procesamiento de lenguaje natural (Natural Language Processing)
• NLU: Comprensión del lenguaje natural (Natural Language Understanding)
• NLG: Generación de lenguaje natural (Natural Language Generation)

En pocas palabras, la comprensión del lenguaje natural (NLU), se traduce en la capacidad de la computadora para comprender un idioma y cae en el área de la comprensión de la máquina. Al igual que un ser humano puede leer un mensaje, interpretarlo, entender su significado, contexto e intención, la meta de una máquina es poder hacer lo mismo.

La comprensión del lenguaje natural (NLU), es considerado como un problema difícil en la AI, lo que significa que resolverlo podría resultar en una inteligencia artificial, artificial para las máquinas. Con respecto a un Chatbots, uno de los problemas clave de comprensión del lenguaje natural, es la capacidad de determinar la “intención” del mensaje de parte de un usuario. Esto se conoce como clasificación de intención.

Tomemos un ejemplo. Digamos que un usuario envía el siguiente mensaje a un Chatbots:

‘Quiero viajar de Costa Rica a Hong Kong’. Un Chatbots usando la comprensión del lenguaje natural podría determinar esto como un “intento de hacer una reservación”. También debe determinar si este usuario normalmente viaja de Costa Rica a Hong Kong a través de un vuelo y reduce la intención a un “intento de reserva de vuelo”.

Si el usuario hubiera tecleado ‘Quiero ir a Hong Kong’, el Chatbots aún habría determinado la intención como una intención de reserva de vuelo y además obtendría la ubicación actual del usuario como Costa Rica. Esta es la verdadera comprensión del significado de un mensaje y el uso de la información contextual para obtener un significado más profundo.

La comprensión del lenguaje natural (NLU) se logra mediante el uso de un algoritmo de clasificación de aprendizaje automático, toneladas de datos de capacitación que comprenden los mensajes posible de los usuarios e intenciones correctas. Sumado, la construcción de un modelo que puede clasificar con precisión la intención del usuario. Ese modelo también debe estar capacitado para manejar variaciones de mensajes que tengan la misma intención de manejar oraciones ambiguas.

Herramientas como Rasa NLU se pueden usar para desarrollar fácilmente NLU para un Chatbots.

Fuente: Engati: Bot innovation.

The post Episodio 2: Comprensión del lenguaje natural first appeared on Planeta Chatbot.

El PLN se ocupa de la formulación e investigación de mecanismos eficaces computacionalmente para la comunicación entre personas y máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos para comunicarse que sean eficaces computacionalmente — que se puedan realizar por medio de programas que ejecuten o simulen la comunicación — .

Los modelos aplicados se enfocan no solo a la comprensión del lenguaje de por sí, sino a aspectos generales cognitivos humanos y a la organización de la memoria. (Wikipedia)

El nivel de inteligencia de un ser humano se evalúa mediante IQ (cociente de inteligencia).

Si bien puede haber muchas maneras de evaluar el nivel de inteligencia de un Chatbots, uno de los aspectos más críticos es la capacidad de llevar a cabo conversaciones contextuales, atractivas y comprensibles con los seres humanos. Vaya desafío!

Para lograrlo se usan 3 tecnologías de las cuales platicaremos una a la vez, estas tecnologías son:

• • NLP: Procesamiento de lenguaje natural (Natural Language Processing)
  • NLU: Comprensión del lenguaje natural (Natural Language Understanding)
  • NLG: Generación de lenguaje natural (Natural Language Generation)

Iniciaremos en el orden en que están, así que este primer artículo hablaremos del Procesamiento de lenguaje natural (NLP: Natural Language Processing). Esta es la más conocida. Se trata del procesamiento de mensajes de texto enviado por un usuario, dividiéndolos en partes, agregando elementos gramaticales e identificando elementos interesantes. Los siguientes son algunos de los elementos comunes del procesamiento en NLP:

• • • Tokenización: Esta divide un mensaje en oraciones y una oración en palabras.
    • Normalización: Pone todas las palabras en igualdad, por ejemplo; convirtiendo todas las palabras de mayúsculas o minúsculas.
    • Detener la eliminación de palabras: La remoción de palabras ocurren con frecuencia con artículos como ‘the’, ‘and’, ‘a’, etc., que no contribuyen en gran medida a entender el texto y, por lo tanto, pueden eliminarse.
    • Stemming: Elimina los afijos de las palabras para obtener la raíz de la palabra, por ejemplo; liking -> like
    • Lematización: similar a la anterior, pero puede obtener la forma canónica de una palabra en función de su lema, por ejemplo; better > good.
    • Etiquetado POS — se le ha llamado también etiquetado de partes del discurso y asigna etiquetas para sustantivos, pronombres, verbos, adjetivos, adverbios, etc.
    • Bolsa de palabras: Una oración se considera como un conjunto de palabras sin tener en cuenta la gramática y el orden de las palabras.
    • N-gramas: Son una secuencia continua de palabras adyacentes en una oración, necesarias para obtener el significado correctamente, por ejemplo: ‘Machine learning’ es un bi-grama.
    • TF: Llamada frecuencia de término y se calcula por el número de veces que aparece una palabra en un mensaje o una oración, para indicar la importancia de esa palabra.
    • Reconocimiento de entidades nombradas: Identificar y etiquetar palabras que representan entidades de palabras reales, como personas, organizaciones, lugares, fechas, etc.

Tenga en cuenta que la precisión de lo anterior depende de los documentos de texto que se utilizaron para el aprendizaje automático de máquina y modelos estadísticos para PNL (Programación neuro-lingüística). Por lo tanto, un modelo entrenado con artículos de Wikipedia vs entrenado con mensajes de Twitter dará resultados diferentes.

Dependiendo del tipo de problema que necesita resolverse usando NLP, se puede identificar un conjunto de datos de entrenamiento apropiado para capacitar a un modelo o se debe identificar un modelo pre-entrenado que utiliza un conjunto de datos similar. Además, un modelo entrenado con texto en inglés no puede usarse para procesar otro texto complejo de lenguaje de caracteres, el modelo es específico del idioma en el que se ha formado.

Algunas de las herramientas destacadas para NLP incluyen Spacy, Stanford NLP y NLTK.

Fuente: Engati: Bot innovation.

The post Episodio 1: Procesamiento de lenguaje natural first appeared on Planeta Chatbot.

La pregunta es: ¿Por qué necesitamos Chatbots cuando tenemos a la persona real para interactuar o chatear con los usuarios?. Lo explicare rápidamente por qué las empresas requieren Chatbots.

Al ser una máquina, los Chatbots no tienen ninguna limitación como los humanos, y pueden funcionar sin límite o tope. Mientras que, los agentes pueden manejar conversaciones limitadas a la vez. Por lo tanto, con las soluciones de Chatbots, una empresa puede aumentar el equipo de trabajo y puede ingresar fácilmente en mercados competitivos. Es decir; un Chatbots aumenta la eficiencia de sus operaciones.

Cuando los Chatbots son el primer punto de contacto, la organización puede reducir la cantidad de personas en el equipo de atención al cliente y atender a más clientes a la vez. Por lo tanto, las llamadas filtradas ahorrarán tiempo a los agentes humanos y el talento humano puede ser usado para fines de calidad. En otras palabras, los Chatbots ahorran tiempo y esfuerzo.

La lógica establece que mientras más interactúas con tus clientes en línea, hay más oportunidades de hacer negocios. Por lo tanto, el uso de Chatbots puede ser la mejor opción para el marketing activo dirigido a clientes en línea. Lo que quiere decir, es que agrega como un extra una plataforma interactiva de comercialización.

Los Chatbots son recursos de muy bajo costo para una campaña de mercadeo altamente interactiva. Con la disponibilidad de Chatbots en plataformas como Facebook Messenger, se puede ayudar alcanzar a más personas en el punto en los intervalos en que están conectadas.

No hay necesidad de emplear a más personas para tareas mundanas y repetitivas. Una solución empresarial de Chatbots, automatiza su empresa de manera sistemática, provocando la eficiencia organizacional.

Fuente: www.rootinfosol.com

The post ¿Por qué necesitas Chatbots? first appeared on Planeta Chatbot.

Al margen de esto; Python uno de los mejores lenguajes de programación, ya que tiene múltiples características interesantes, entre ellas, que es un intérprete y un lenguaje de programación orientado a objetos de alto nivel, lo que lo hace ideal para crear Chatbots. Las palabras reservadas de este lenguaje lo hacen fácilmente entendible y también tiene la construcción sintáctica simple en comparación con otros lenguajes de programación.

Además, al usar Python puede desarrollar un Chatbots que sea muy visual (GUI) y neutral, es decir; en este contexto, puede ser portado a muchas bibliotecas de llamadas al sistema y a diversos sistemas basados en Windows. Igualmente, si desea una mejor estructura y mayor portabilidad, puede admitir Shell Scripting.

Con la creciente necesidad de enfrentar los desafíos del estilo de vida moderno y las frecuentes demandas de servicios de desarrollo de Chatbots, hoy en día la mayoría de las compañías líderes como Facebook también tienen Chatbots para su servicio de mensajería instantánea. Facebook Messenger atesora más de 30,000 bots. Por ejemplo; hay muchos Chatbots en Facebook Messenger que puede sugerir desde una receta hasta una recomendacion para adelgazar, viajar, comer, etc., lo que tienes que hacer es simplemente mencionar el tema de interes y los Chatbotsdisponibles se gestionarán solo.

En esta era moderna, los Chatbots representan una nueva tendencia en la forma en que las personas acceden a la información, toman decisiones y luego hacen la comunicación, ya sea para fines personales o comerciales.

Por lo tanto, los Chatbots brindan una gran oportunidad para que diferentes sectores verticales de la industria aumenten sus negocios, abriendo una oportunidad de innovar y emprender.

The post ¿Por qué usar Python para programar Chatbots? first appeared on Planeta Chatbot.

• Bot Society : Una herramienta web para diseñar Chatbots.
• Twinery: Aplicación de escritorio open source para diseñar historias.
• WalkieBot: Herramienta para diseñar Bots que dialoguen.

Analítica de Bots

• Dashbot: Ayuda a aumentar el compromiso, la adquisición y la monetización del usuario a través del análisis de bots.
• BotMetrics: Repositorio open source de analítica de bots
• BotAnalytics: Servicio web de analítica de bots.
• Wordhop: Otro servicio web de analítica de bots.
• Amplitude: Servicio de analítica web y móvil.

Construcción de Bots

• • Chatfuel: Servicio web para la construcción de bots para FB messenger y Telegram, no requiere saber programar. Precio: gratis (hasta las 100,000 conversaciones); no publicado para el resto (se debe contactarlos para averiguarlo)
  • API.AI: Servicio web para la construcción de bots para FB messenger, Telegram y twillio, no requiere saber programar. Precio: gratis (en principio sin límite)
  • Motion.AI: Servicio web para la construcción de bots para FB messenger, web-base, slack, SMS, email, y smootch. Precio: gratis (1,000 llamadas, 2 bots), $100 USD por mes (50,000 llamadas, 50 bots)
  • Wit.AI: Servicio web para la construcción de bots para FB messenger. Precio: gratis (1 request por segundo)
  • Amazon Lex: API Cognitiva para conversaciones. Precio: gratismium (pero hay que registrarse con tarjeta de crédito)
  • PandoraBots: web API para construcción de bots. Funciona con skype, Twillio, Twitter, Unity, Whatsapp, Hubot. Precio: desde 9 USD por mes, 10,000 interacciones y 10 bots; hasta 999 USD por mes, 1 millon de interacciones y 100 bots.
  • Microsoft Bot Framework: Frameworkd de Mircrosots para construir Bots para FB Messenger y Skype.
  • IBM Watson Conversation: API Cognitiva para construir Bots. Funciona con Slack y Telegram, y puede ser integrado a FB Messenger con Stamplay. Precio: gratis, 1000 request por mes, luego 0,0025 USD por request.
  • FlowXo: Para construir bots para Slack, FB messenger, Telegram y Email. Precio: desde 19 USD por mes, 5,000 interacciones, 15 bots a 29 USD por mes 5,000 interactions, 20 bots.
  • Manychat: Para construir bots para FB Messenger.
  • Botsify: Para construir bots para WordPress. Precio: gratis, 100 interacciones, 1 bot Pro Plan, 50 USD por mes, 10,000 usuarios del bot, unlimited chatbots
  • MindiQ: Para construir bots para FB Messenger: Precio: gratis, 1000 usuarios, 1 bot a 30 USD, 10,000 usuarios, 1 bot e integración con shopify.
  • Onsequel: Para construir bots para Viber, FB Messenger, Telegram y Kik.
  • Gupshup: Para construir bots para FB Messenger, Slack, SMS, Skype, Twitter y Telegram.
  • Chatclub: Para construir bots para FB Messenger.
  • Converse.AI: Para construir bots para FB Messenger, Slack, Twitter y Telegram. Precio:: gratis, 1,000 conversaciones a 0.08 USD por conversación, conversaciones ilimitadas.

Implementación de Bots.

• • Massively.AI: Herramientas para desarrollo de Bots

Testeo de Bots

• • BotFeedback: Para realizar test sobre Bots.

Directorios de Bots

• Botcompanies
• Botlists
• BotRevenue
• Chatbottle
• Bot Family

Fuente: Patricio Julian Gerpe (Marketing de Contenidos)

The post Herramientas para crear nuestro propio chatbot first appeared on Planeta Chatbot.

Algunos jugadores en el mundo de los ChatBots ya han comenzado a coquetear con esta tecnología. Por ejemplo, Kik lanzó su propio cripto-token “KIP” que recaudó 100 millones de dólares para construir una economía virtual dentro de su plataforma de mensajería.

Otra compañía de ChatBots llamada Sensay también está apostando fuerte por la cadena de bloques. Lanzaron el token Sense para proporcionar a su red humana de asesores un incentivo para usar Bots y continuar ofreciendo consejos sobre temas que van desde relaciones hasta dónde encontrar memes viscosos.

Con el continuo crecimiento de Blockchain, podemos ver que en 2018 más compañías de ChatBots aprovecharán las criptomonedas para fortalecer su propuesta de valor.

Lo más probable es que veamos tendencias que se afectan mutuamente generando resultados inesperados. Pase lo que pase, la industria ChatBots entrará en una nueva fase y se volverá más madura. Hay muchas oportunidades para nuevas startups y jugadores actuales.

El ecosistema de ChatBots se está expandiendo rápidamente a pesar del ecosistema relativamente sólido que existe actualmente.

Como se muestra a continuación, el ecosistema de la tecnología subyacente y las plataformas para ChatBots incluyen canales de implementación, ChatBots de terceros, compañías que brindan la tecnología para crear ChatBots y bots nativos.

Los canales de implementación como las aplicaciones de mensajería, las redes en la nube, los SMS y los clientes de correo electrónico son lugares donde los ChatBots viven e interactúan con los usuarios.

Los ChatBots de terceros son marcas y negocios que un cliente puede usar para, por ejemplo: solicitar un Uber a través de Facebook Messenger y hacer el pago a traves de un monedero digital.

Las empresas constructoras de bots suelen ser compañías de terceros que emplean la tecnología de AI para ayudar a las empresas a implementar su propio ChatBots en una plataforma. Finalmente, los bots nativos son construidos por la plataforma o aplicación en la que están operando.

El aumento del uso de ChatBots ha lanzado una cantidad abundante de tecnologías, siguiendo sus pasos se libera una variedad de industrias, incluidas las basadas en cadenas de bloques (Blockchain).

The post Blockchain; el sorprendente aliado para los ChatBots first appeared on Planeta Chatbot.

Miles de chatbots ya ayudan a las empresas a mejorar el servicio al cliente, vender más y aumentar las ganancias.

A continuacion comparto una investigación con una descripción general contruida por Data Monsters de las plataformas más conocidas para construir chatbots.

La relevancia de esta investigación queda demostrada por el despliegue masivo de chatbots.

De hecho, hoy los chatbots se utilizan para resolver una serie de tareas comerciales en muchas industrias como comercio electrónico, seguros, banca, salud, finanzas, legal, telecomunicaciones, logística, comercio minorista, automóvil, ocio, viajes, deportes, entretenimiento, medios de comunicación y muchos otros:

Tutorial para crear un chatbot en OnSequel

Según el Gartner Summit del 2011, se proyectaba que más del 85% de las interacciones con los clientes se gestionarán sin un ser humano para el año 2020.

Se espera que los chatbots sean la aplicación de consumo número uno de AI durante los próximos cinco años según TechEmergence. Aquí encontrarás la tabla completa con la comparación de cada una de las plataformas:

DataMonsters – Chatbots Comparative Table

Fuente Alterna: Chatbots Journal

The post 25 plataformas de Chatbot: una tabla comparativa first appeared on Planeta Chatbot.

Es posible hallarla en los asistentes de nuestros dispositivos móviles, en las búsquedas en Internet, en la optimización de sistemas, en los semáforos de las ciudades, los accesos a edificios, los algoritmos de búsqueda, etc. Es decir; hay cada día, más aplicaciones de esta tecnología llegan a los usuarios y cada día avanza en el desarrollo de herramientas más sofisticadas con un potencial impresionante.

Sin duda en 2018 tomará mucha fuerza y nos facilitará el trabajo en el comercio, los servicios de asistencia y otras actividades humanas. Un estudio de Narrative Science establece que solo un 38% de las empresas ha utilizado algún tipo de tecnología de inteligencia artificial. No obstante, se espera que en 2018 este porcentaje alcance el 62%. Otro estudio publicado por Forrester Research prevé que este año el crecimiento de la inversión en Inteligencia Artificial llegara al 300%.

Dentro de las aplicaciones que veremos con más énfasis se encuentra el Aprendizaje automático o aprendizaje de máquinas (Machine Learning); que es una disciplina de la inteligencia artificial que se dedica a desarrollar técnicas que permitan a un programa aprender sobre la experiencia. Lo hace a través de algoritmos, mejora de herramientas, recopilación y análisis de información y más, las plataformas de Machine Learning tienen muchas aplicaciones otras aplicaciones como, por ejemplo; el refinamiento y personalización de la interacción entre máquina y usuario y hacer predicciones de comportamiento y clasificación en marketing como la optimización la entrega de publicidad pagada y contenido a las audiencias seleccionadas.

Otra aplicación que veremos es la Lingüística Computacional o la Generación Natural del Lenguaje; que es la colocación de las palabras en un orden específico tal que transmita información y además emoción como un arte. La escritura requiere no solo de conocimiento de las reglas del lenguaje, sino también de creatividad. Escribir y hablar para un receptor puede ser una tarea complicada, y más aún si estamos hablando de máquinas.

Podríamos concluir que la Lingüística Computacional es el campo que mezcla lingüística, informática e inteligencia artificial, pues se encarga de perfeccionar las interacciones entre las máquinas y los lenguajes humanos.

Este proceso suena simple, pero al tratar de generarlo y al interpretarlo también; con inteligencia artificial, se evidencia su complejidad. Para solucionar este problema, la Generación Natural del Lenguaje ha empezado a aplicar sus avances en la generación de reportes y análisis de mercado.

Claramente su objetivo es desarrollar sistemas capaces de entender el lenguaje humano y generarlo. Para lograrlo, utiliza análisis de texto, estadística y Machine Learning para entender la estructura de oraciones, intención, significado, estilo, etc. Sus aplicaciones más conocidas son la traducción automática de idiomas, sistemas de recuperación de información y producción automática de textos.

Siempre sobre la aplicación de AI, veremos Plataformas de Aprendizaje Profundo (Deep Learning), la cual es sin duda una de las áreas de mayor crecimiento en inteligencia artificial. El Deep Learning utiliza algoritmos multinivel para crear diferentes niveles de abstracción de información. Algunas aplicaciones de esta son el reconocimiento de imágenes y voz; predicción de tendencias digitales y perfeccionamiento de procesos.

Otra aplicación de la AI a la que debemos observar con detalle es la Biométrica. La biométrica permite que las interacciones entre humanos y máquinas sean más naturales. Se ocupa de la identificación, medición y análisis de aspectos físicos del cuerpo y su forma. Es una de las tecnologías más tangibles dentro de la inteligencia artificial. Asimismo, tiene potencial como herramienta para diagnóstico médico y como un nivel de seguridad para el acceso a información en dispositivos móviles

Esto sonará particular; no obstante, otra aplicación de la AI son las Cadenas de Bloques (Blockchain).

Blockchain es un concepto que se ha proyectado como la próxima revolución digital. Quien lo ha potenciado es el Bitcoin, aunque está claro que sin esta tecnología el Bitcoin no existiría como lo conocemos. Blockchain no solo impacta sobre el funcionamiento de las criptomonedas, sino que su uso se extiende hasta los procesos de votación y parámetros de seguridad digital y las actividades académicas. Blockchain permite además realizar transacciones de cualquier tipo de forma fiable y segura, sin necesidad de que haya un intermediario, seguirá siendo explorado por el sector financiero.

Sin duda para muchos, el concepto resulta evasivo y demasiado abstracto, pero es el sistema sobre el que está desarrollado Bitcoin y otras aplicaciones no tan conocidas. Con el objetivo de simplificarlo al máximo, la reportera del Financial Times, Sally Davies explica esta tecnología como “Blockchain es al Bitcoin lo que el internet es al email.”

Blockchain es una base de datos descentralizada que registra transacciones digitales. En lugar de tener un solo administrador, Blockchain es como un libro mayor de contabilidad y certificación digital, con una red de bases de datos replicadas y sincronizadas a través de Internet, lo que hace que la información sea accesible para aquellos con permisos dentro de esa red.

Una aplicación más de la AI, son los ChatBots o agentes virtuales. Los ChatBots se han convertido en la gran novedad en el marketing digital. Consiste en instalar una serie de robots en las páginas webs que asumen el rol de atención al cliente. Los ChatBots cumplen la función de servicio al cliente, por ejemplo; sin la necesidad de depender de una persona humana. Esta tecnología se ha desarrollado cada vez más; por lo que seguro que no debemos perderle el ojo.

Los fabricantes de hardware están invirtiendo mucho más esfuerzo y trabajo en una inteligencia artificial con diseños basados en hardware. Su objetivo es que se acelere la nueva generación de aplicaciones diseñadas específicamente para la inteligencia artificial sean facilitadas con Hardware de inteligencia artificial.

En cierre, la Inteligencia Artificial es la llave del mundo hiperconectado que se ha bautizado como Internet de las Cosas (IoT).

La inteligencia artificial también se podrá beneficiar en su desarrollo de los avances en la computación cuántica, que permitirá desarrollar ordenadores extremadamente rápidos, capaces de realizar cálculos, simulaciones y análisis que con la computación actual no son viables.

Según Gartner, en la actualidad ya hay del orden de 8.400 millones de objetos conectados, cifra que alcanzará los 20.400 millones en 2020.

A través de ella, por ejemplo, la sensorización promete un gran salto productivo en la industria, que también empieza a beneficiarse de otros avances como la fabricación aditiva o el empleo del Blockchain para la trazabilidad de las piezas.

The post Inteligencia artificial (AI): Estado del arte first appeared on Planeta Chatbot.

Un bot es un software de inteligencia artificial diseñado para realizar una serie de tareas por su cuenta y sin la ayuda del ser humano como hacer una reserva en un restaurante, marcar una fecha en el calendario o recoger y mostrar información a los usuarios. El modelo más frecuente es el del chatbot, un robot capaz de simular una conversación con una persona y por ello cada vez están más presentes en las aplicaciones de mensajería.

Dado lo anterior, supone el uso del prefijo chat y el sufijo bot; para identificar a este software capaz de comunicarse con los humanos usando inteligencia artificial. En síntesis; un chatbot es un programa informático con el que es posible mantener una conversación, tanto si queremos pedirle algún tipo de información o que lleve a cabo una acción.

Entre las ventajas loables de los chatbots es que, a diferencia de las aplicaciones, no se descargan, no es necesario actualizarlos y no ocupan espacio en la memoria del teléfono.

Además, podemos tener integrados varios bots en un mismo chat, de tal forma que nos evitamos estar saltando de una app a otra según lo que necesitemos en cada momento, proveyendo una experiencia de usuario más agradables e interacciones con el servicio de atención al cliente más rápidas y sencillas.

Los chatbots como dijimos incorporan sistemas de inteligencia artificial, por tanto, tienen la posibilidad de aprender sobre nuestros gustos y preferencias con el paso del tiempo.

Siri, Alexa, Jarvis, Watson o Cortana, para citar algunos servicios; funcionan a gracias a este sistema, tambien han estado en funcionamiento en los últimos años son los chats como Facebook Messenger o en aplicaciones de mensajería instantánea como Telegram o Slack. En el caso de Slack los chatbots estaban incorporados como si fueran un contacto más.

Los chatbots están de moda, pero lo cierto es que ya llevan muchos años entre nosotros. En los años 60, Joseph Wiezenbaum inventó el que se cree que fue el primer chatbot en el laboratorio de inteligencia artificial del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos. Su nombre era Eliza y estaba diseñado para procesar el lenguaje natural y trabajar como terapeuta, pero aún no se trataba de un sistema muy sofisticado y en muchas ocasiones respondía a una pregunta con otra pregunta.

Uno de los conceptos más discutidos en torno a los chatbots es el test de Turing. Se trata de una prueba propuesta por Alan Turing en su ensayo de 1950 en Computing Machinery and Intelligence.

Su objetivo es evaluar la capacidad de una máquina para exhibir un comportamiento inteligente, similar o indistinguible del de un ser humano. En esta prueba, un humano evalúa conversaciones en lenguaje natural entre un humano y una máquina diseñada para dar respuestas parecidas a las de un humano. En caso de que el evaluador no sea capaz de distinguir correctamente entre el humano y la máquina, el ordenador habrá pasado la prueba.

Pero, ¿Puede realmente el Test de Turing distinguir un robot de un humano?

Durante décadas, ningún chatbot consiguió ser lo bastante avanzado como para superar la prueba de Turing, a pesar de celebrarse concursos de este tipo con regularidad.

Pero en 2014 corrió como la pólvora la noticia de que una computadora había superado por primera vez el test de Turing fingiendo ser una niña Ucraniana de 13 años de edad. Y aunque ha habido ciertas críticas a la validez de esta prueba, lo cierto es que en los últimos años estamos viviendo un nuevo “boom” de estos programas.

Lo cierto es que la Inteligencia Artificial (IA) es una realidad y con ella innovaciones como los chatbots hacen su aparición para ayudar a marcas, plataformas, empresas, ejecutivos y editores a conocer mejor a sus audiencias y optimizar la manera en que se comunican con ellos. De este tema, les compartí un artículo días atrás.

Los chatbots están cada vez más presentes en nuestro día a día y pareciera inevitable que acaben por sustituir a los teléfonos de atención al cliente, instalándose cada vez más en nuestras vidas, a través por ejemplo de con asistentes personales móviles.

The post Sobre chatbots y otras nimiedades first appeared on Planeta Chatbot.

Para encontrar verdadero significado, debemos mirar más allá de la fase actual y novedosa para dispositivos conectados a la experiencia transformadora del futuro cercano, lo que los pioneros llaman la Inteligencia de las Cosas.

En esta nueva era, los dispositivos inteligentes conectados no solo entregan datos a sus usuarios humanos, quienes luego deben involucrar más software o análisis para tomar decisiones. Las cosas inteligentes dirigen la acción o interacción humana. Mike Dennison, presidente de Consumer Technologies Group la compañía de diseño, ingeniería y fabricación Flex, cree que esta era refleja una relación más íntima que la cornucopia salvaje de Internet: “Mucha gente está conectada a cosas, cosas que están conectadas a la nube, Internet de las cosas, si se quiere. Pero no están agregando ningún valor a esa conexión. La inteligencia de las cosas va un paso más allá y realmente se convierte en la forma en que interactúas, en los cambios que haces como persona porque es inteligente. Le está dando retroalimentación real, información real sobre lo que debería estar haciendo o no haciendo”. La promesa de esta era inteligente, está impulsando importantes inversiones en el mercado de la tecnología. Este momento importante en la innovación es un hito en una línea de tiempo que comenzó hace casi un siglo.

En la película de la Segunda Guerra Mundial, The Imitation Game, el héroe Alan Turing, hace una pregunta relevante: “Enigma es una máquina muy bien diseñada; nuestro problema es que estamos tratando de superarlo con hombres. ¿Qué pasa si solo una máquina puede derrotar a otra máquina?”

Y sí; la idea de construir una máquina para leer otra máquina parecía una locura. En aquel tiempo, una nube era una nube, una masa oscura en el horizonte que amenazaba con inundar todo a su paso; no un anfitrión con un apetito voraz por una multiplicidad de señales de cosas llamadas teléfonos inteligentes, o legiones de hackers ladrones y otros asquerosos intrusos en la privacidad.

El progreso de Turing visto desde una computadora del tamaño de habitación hasta la computadora personal y luego el teléfono inteligente, es uno de esos descubrimientos e invenciones sucesivas de muchos, traducidos en períodos de innovación por unos pocos. Entonces; para comprender la delineación de la invención y la innovación, Peggy Smedley, una comentarista del mundo conectado, insiste: “Tenemos que mirar atrás, antes de poder mirar hacia adelante”.

Gracias a la colaboración del gobierno, de varias universidades y de algunas personas con visión de futuro, tuvimos en los albores de los 90’s la Internet como una red descentralizada con una serie de protocolos para permitir que las computadoras se comuniquen entre sí, con direcciones únicas para cada sitio web. La Inteligencia de las Cosas es hoy en día un árbol navideño cultivado a partir de una semilla fertilizada por el genio, adornado ahora con coloridas luces, regalos y novedades.

Steve Jobs tomó malas decisiones muy por encima de los grandes. Él miró hacia adelante y hacia atrás. No estaba equipado para hacer una contribución innovadora en el sentido de los circuitos y el voltaje, pero tenía la visión de un vidente para armar los inventos de otros y hacer eso con un gusto sublime. Su axioma podría ser el lema de la Inteligencia de las Cosas: “La gente no sabe lo que quiere hasta que se lo enseñe”. La contribución única de Jobs puede ser su aplicación del diseño y el pensamiento humanista a la tecnología. La belleza y la utilidad intuitiva de los productos de Apple parece emblemática de la Inteligencia de las Cosas.

Para cumplir plenamente la promesa de la era de la inteligencia, hay cosas por hacer de forma cooperativa en la industria, incluidas las normas de privacidad, seguridad e interoperabilidad. Sin una plataforma común, ya que Internet funciona, no se realizará todo el potencial del IoT. Y bueno, además parece que ni Apple con iOS, ni Google con Android tienen prisa por derribar los muros entre sus tiendas de aplicaciones. Sería bueno integrar nuestras aplicaciones para que podamos usar solo una para abrir la puerta del garaje, activar la cámara de seguridad, controlar el sueño y bajar el aire.

El escritor del New York Times Henry Alford comenzó 2015 confesando: “Tengo miedo de la Máquina”. Preguntó con exasperación: “¿Para qué no hay una aplicación?”. Pero al ser un tipo concienzudo, lo persuadieron para que firmara una prueba que consistía en vivir 3 semanas de su teléfono inteligente. Habrá pronto millones más como Henry Alford que dependerán voluntariamente de su teléfono.

Sin duda, comenzaremos a ver como el Internet de las cosas inteligentes llevara la inteligencia artificial a las cosas y las redes de comunicación.

Discutimos la importancia de los enfoques de Inteligencia Artificial para habilitar tales Redes de Comunicación Inteligente dado que hoy en día, las redes de sensores se están convirtiendo en realidad para múltiples aplicaciones de alto impacto en las actividades humanas. También están apareciendo dispositivos y sensores inteligentes, además de electrodomésticos y utilidades electrónicas, como dispositivos para teléfonos móviles o tabletas. Y algunos de estos dispositivos tienen la capacidad de actuar en el mundo. He hablado de estos en artículos sobre Edge Computing, sobre Fog Computing y sobre el uso intensivo de dispositivos móviles.

Este articulo nos introduce en el estudio de los enfoques actuales para Internet de todas estas cosas inteligentes conectadas y comunicadas, toda vez que aborda las técnicas de inteligencia artificial empleadas para crear dicha inteligencia y las soluciones de red para explotar los beneficios que brinda esta capacidad.

The post La era de las cosas inteligentes first appeared on Planeta Chatbot.