Hace poco decidimos añadir un chatbot con IA al programa de desarrollo de liderazgo más popular de Blanchard, SLII®.
Lo hicimos con un claro propósito en mente: ayudar a nuestros alumnos en la transición de una experiencia de formación positiva al mundo laboral. Verás, muchos alumnos finalizan una clase de SLII® con ganas de utilizar sus nuevos conocimientos y habilidades, pero la carga de trabajo y los malos hábitos les superan y un mes más tarde se dan cuenta de que sus habilidades en SLII® están decayendo rápidamente. Creímos que un chatbot con inteligencia artificial podría ayudarles a superar este obstáculo mediante una combinación de avisos, herramientas y asistencia en el momento adecuado. Así que nos pusimos en marcha para crear SLII® Chatbot™.
Junto con nuestro socio de plataforma Mobile Coach, nos pusimos manos a la obra.
Prepararse para dos tipos de interacciones
Los chatbots pueden ser estructurados o no estructurados. Una interacción estructurada se planifica de antemano, con instrucciones escritas para guiar a los usuarios. Por ejemplo, todos hemos tenido la experiencia de «marcar o decir 1» al llamar a un número gratuito.
Los diálogos no estructurados no están escritos de antemano. ChatGPT es un buen ejemplo de este tipo de interacción, en la que un sistema de IA se entrena utilizando un Modelo de Lenguaje Amplio (LLM) para interactuar con los humanos utilizando nuestro lenguaje natural. Queríamos un sistema tanto estructurado como no estructurado en nuestro Chatbot SLII®.
La parte estructurada del chatbot se centraría en ayudar a los alumnos mediante recordatorios y asistencia durante uno a tres meses después de su formación. Hemos redactado un diálogo y unas preguntas para el bot. Utilizamos respuestas preformateadas; por ejemplo, «escriba 1 para herramientas, escriba 2 para consejos». Nuestro guión estructurado acabó teniendo unas 50 páginas. Lo más importante que aprendimos fue que había que tener claro el objetivo, dejar tiempo suficiente para el desarrollo y las pruebas, y combinar la información con el entretenimiento.
También nos dimos cuenta de que en los mensajes de texto se utiliza un estilo de escritura y una sintaxis totalmente diferentes que incluyen acrónimos (por ejemplo, lol, btw), el uso de emojis, la falta de puntuación y de mayúsculas, etc. Hemos optado por adoptarlos en el chatbot SLII®. Es útil tener claras las pautas de estilo de escritura desde el principio.
Adentrándonos en un nuevo territorio
Crear el diálogo estructurado fue mucho trabajo, pero era un trabajo con el que estábamos familiarizados, ya que habíamos hecho muchos scripts a lo largo de los años. La parte no estructurada y conversacional del chatbot era un campo nuevo.
Nuestro objetivo era ayudar a los alumnos con un chatbot SLII® que pudiera responder a cualquier pregunta. Esto requería un motor de IA inteligente basado en un LLM.
Una vez más nos apoyamos en nuestro socio, Mobile Coach, que ofrecía un LLM privado para que pudiéramos ayudar a nuestros clientes de forma segura sin tener que transmitir nuestro contenido patentado al sistema público ChatGPT.
Queríamos que nuestro SLII® Chatbot LLM fuera un experto en SLII®, así que empezamos alimentándolo con documentos existentes de nuestro programa SLII®, notas de facilitación y materiales de apoyo. El LLM era muy flexible en su capacidad de procesar documentos, ya que lo había aprendido absorbiendo una amplia variedad de contenidos en Internet.
Diseñando mensajes
El siguiente paso fue diseñar los avisos. Para entender un aviso de LLM, piensa en un sándwich. Un usuario podría escribir una pregunta al bot del tipo «Acabo de tener un desacuerdo con un miembro del equipo, ¿qué debo hacer?». Piensa en eso como la parte central del sándwich. Aunque el LLM sea capaz de responder a esa pregunta por sí solo, la respuesta será mucho más útil y controlable si incluyes la pregunta en una pregunta más amplia. Pensemos en añadir pan, lechuga, tomate y mayonesa al sándwich.
Las sugerencias pueden servir para muchas cosas, pero nosotros nos hemos centrado en el contexto y en las instrucciones de escritura. El contexto consiste en proporcionar los antecedentes de la pregunta para que el LLM pueda comprender mejor lo que está sucediendo. Esto puede tomar la forma de texto descriptivo que explique lo que el usuario está haciendo o tratando de lograr. Un ejemplo es «Le pregunté a un empleado cómo fue su conversación individual con un miembro del equipo y me comentó: [respuesta del usuario]». Es como cuando proporcionamos un contexto cuando una nueva persona se une a una conversación en curso: «Ah, estábamos hablando del anuncio de la fusión».
Las instrucciones de escritura que proporcionas al LLM en estas indicaciones pueden abarcar muchos aspectos de la escritura. Lo sepas o no, probablemente tengas una idea de cómo son las respuestas apropiadas e inapropiadas. Recuerdo una de las primeras respuestas que fue demasiado larga, así que añadimos una instrucción sobre la longitud para reducir las respuestas del LLM a esa medida. También puedes indicarle al LLM el tono que buscas y de dónde extraer el contenido. He aquí un ejemplo: «Por favor, escribe una respuesta optimista que valide su lucha, tenga menos de 100 palabras y extraiga al menos un concepto del siguiente contenido: [lista de fuentes]».
Atención y cuidados durante los primeros días
La combinación de una gran cantidad de fuentes de contenido, el ofrecimiento de contexto y antecedentes, y la definición del tono y el estilo de las respuestas escritas le permitirán empezar con buen pie. El último consejo es invertir en el cuidado y la alimentación. Los chatbots LLM pueden mejorarse y enriquecerse fácilmente con el tiempo revisando el rendimiento del bot y trabajando en las interacciones que no están sirviendo bien a los usuarios.
Aún es pronto para hablar de los chatbots de LLM. Estamos muy ilusionados de poder experimentar con esta tecnología para un fin tan importante. Recomendamos encarecidamente que lo pruebes si puedes dedicarle tiempo. Esperamos que os vaya bien.
Nota: Este artículo es una traducción del artículo original del Dr. Jay Campbell, Jefe de Producto de Blanchard
