Chatbot basado en un Modelo Grande de Lenguaje para la atención al cliente

Resumen

Los chatbots basados en modelos como BERT debían actualizarse cada vez que se agregaban nuevas conversaciones, lo que limitaba su flexibilidad. Esto propició el desarrollo de chatbots con botones preconfigurados, restringiendo a los usuarios que preferían texto libre. Otras soluciones, como RASA, incorporaron módulos de Comprensión del Lenguaje Natural para mejorar la interpretación de las intenciones del usuario y módulos de acciones para recuperar respuestas. También implementaron un servicio de consulta de información usando una matriz de términos del documento y similitud de coseno, lo que permitía acceder a más datos y generar diálogos más fluidos. Sin embargo, configurar estas soluciones era complejo, ya que implicaba considerar todos los posibles escenarios. Para abordar estas limitaciones, esta investigación propone un chatbot que integre tecnologías modernas, como bases de datos vectoriales, el modelo GPT-3.5-turbo y la generación aumentada por recuperación. La evaluación mostró una precisión de 0.98, sensibilidad de 1.00 y puntuación F1 de 0.99, lo que demuestra su eficacia en la atención al cliente. Esta estrategia permite reducir tiempos y costos, y generar respuestas más eficientes para los usuarios en las redes sociales.