Por qué ChatGPT no sustituye a las plataformas de IA conversacional

Como amantes de la inteligencia artificial, siempre nos emociona ver una nueva tecnología que destaque. ChatGPT causó sensación en las redes sociales cuando alcanzó el millón de usuarios en menos de una semana desde su lanzamiento. Desde entonces, miles de personas están compartiendo cómo lo utilizan para responder preguntas, escribir artículos cortos sobre temas específicos, depurar código, crear letras de canciones y poemas, resumir ensayos e incluso hacer sus tareas escolares.

ChatGPT se basa en un gran modelo lingüístico (LLM) y prácticamente puede responder cualquier pregunta. Estos modelos lingüísticos son herramientas de inteligencia artificial que pueden leer, resumir y traducir textos. Esto permite que la tecnología genere frases de manera muy similar a como lo hacen los humanos al escribir y hablar. Aunque ChatGPT no está conectado a Internet, ha sido entrenado con una gran cantidad de datos históricos (anteriores a 2021) y presenta sus conclusiones de manera fácil de entender.

A pesar de que los modelos lingüísticos como ChatGPT son sorprendentemente avanzados y están preentrenados, las limitaciones para convertirlos en asistentes virtuales robustos e inteligentes son considerables. Veamos más de cerca las diferencias entre estas dos tecnologías y cómo las empresas pueden utilizarlas para complementarse.

 

La brecha entre ChatGPT y la IA conversacional

Aunque ChatGPT y las plataformas de IA conversacional comparten algunas similitudes, están diseñadas para servir a diferentes propósitos y no son directamente intercambiables. Las plataformas de IA conversacional construyen chatbots y asistentes virtuales que permiten a los usuarios interactuar con ellos a través de conversaciones en lenguaje natural para ofrecer una determinada solución. Estas plataformas suelen incluir una serie de herramientas y funciones necesarias para que cualquier asistente virtual funcione eficazmente, desde la construcción, el diseño de un bot hasta la gestión del ciclo de vida del bot, pasando por algoritmos de procesamiento del lenguaje natural (PLN), modelos de aprendizaje automático e integraciones empresariales.

En cambio, ChatGPT es un modelo específico de aprendizaje automático diseñado para generar texto similar al humano a partir de un mensaje o contexto determinado.

 

Principales limitaciones de ChatGPT como asistente virtual inteligente:

 

1.Carece de Integraciones para Tareas Transaccionales: ChatGPT es ventajoso cuando se trata de responder con conocimiento pre-entrenado, pero la mayoría de los clientes necesitarán interactuar con el Agente para transacciones más complejas que requieren integraciones entre sus sistemas back-end.

Algunos ejemplos de tareas que un asistente virtual utilizando una plataforma de IA conversacional son:

• • Realizar y procesar pedidos
  • Comprobar el estado de los pedidos y las entregas
  • Informar de problemas e incidencias
  • Informar sobre fraudes
  • Preguntar sobre eventos, etc.

 

2.No siempre proporciona información correcta : Los LLM y ChatGPT son modelos de generación de lenguaje natural diseñados para generar texto similar al humano a partir de una pregunta o contexto determinados. Aunque estos modelos pueden generar respuestas que pueden ser apropiadas en determinados contextos, no hay forma de garantizar que sus respuestas sean siempre objetivamente correctas.

Carecen de acceso a conocimientos externos o de una comprensión del mundo real, lo que hace que sus resultados generados sean a menudo limitados. Como consecuencia, pueden generar respuestas basadas en información incorrecta, obsoleta o inadecuada para el contexto en el que se utilizan.

OpenAI confirma que ChatGPT «a veces escribe respuestas plausibles pero incorrectas o sin sentido». Esto podría provocar el descontento de los clientes y problemas legales para una empresa. Al aprovechar el poder de la IA conversacional, cada respuesta que da un asistente virtual puede ser adaptada por un redactor experimentado para garantizar que los usuarios disfruten de conversaciones fluidas y precisas.

 

3.No puede resolver problemas específicos de la empresa:Aunque estos modelos pueden generar respuestas que podrían ser apropiadas en determinados contextos, no son capaces de gestionar por sí solos consultas o preguntas frecuentes específicas de una organización. Para que se produzca esta especificidad, necesitará un chatbot o asistente virtual, como los que funcionan con IA conversacional, que pueda entrenarse en conjuntos de datos específicos y sea capaz de vincularse con los sistemas y procesos actuales de su organización para crear preguntas y respuestas adecuadas para los clientes.

 

4.No es una opción para implantaciones OnPrem :Alojar el modelo LLM o GPT-3 en un entorno on-premise puede ser un reto debido al tamaño y complejidad del modelo y requeriría disponer del hardware y la infraestructura necesarios para soportarlo in situ. Esto puede incluir un servidor potente o un grupo de servidores con una conexión de red de alta velocidad y memoria y almacenamiento suficientes para soportar las operaciones del modelo. Además de los requisitos de hardware e infraestructura, sería necesario disponer de un técnico con la experiencia y los recursos adecuados para instalar, configurar y gestionar el modelo GPT-3 en su entorno in situ.

 

5.La privacidad y seguridad de los datos es una preocupación:Los asistentes virtuales están diseñados para gestionar una cantidad considerable de información confidencial, y muchas plataformas de IA conversacional dan prioridad a la seguridad, que cuenta con las herramientas adecuadas para garantizarla. Sin embargo, hay varias consideraciones de seguridad cuando se trata de LLMs y ChatGPT, como:

• Recopilación y uso de datos personales: Los LLM y otros modelos de PNL pueden procesar y analizar datos personales, como nombres, direcciones y otra información identificativa, como parte de sus operaciones. Es importante garantizar que estos datos personales se recopilen y utilicen de una manera que cumpla con las leyes y reglamentos de protección de datos pertinentes, como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea.
• Seguridad y confidencialidad:Pueden utilizarse para procesar datos sensibles o confidenciales, como información financiera o médica. Es importante garantizar que se aplican las medidas de seguridad adecuadas para proteger estos datos de accesos o divulgaciones no autorizados.
• Almacenamiento y conservación de datos:Pueden generar o almacenar grandes cantidades de datos como parte de sus operaciones. Es importante contar con una política de conservación de datos clara y transparente, y garantizar que los datos se almacenan y manejan de una manera que cumpla con las leyes y reglamentos pertinentes de protección de datos.
• Intercambio de datos y acceso a los mismos:Pueden utilizarse para procesar datos que se comparten con terceros o a los que estos pueden acceder, como proveedores de servicios o socios.