La IA generativa está transformando cómo las empresas interactúan con sus clientes y empoderan a sus empleados. Desde agilizar respuestas hasta identificar proactivamente necesidades, la IA generativa mejora las experiencias al habilitar nuevos niveles de automatización y personalización. A medida que la IA generativa evoluciona, mantenerse actualizado sobre los términos clave de IA generativa, conceptos y palabras comunes de IA que definen este campo es crucial.
En nuestro glosario de IA generativa, encontrarás más de 50 términos esenciales de IA para ayudarte a entender esta tecnología en evolución y sus aplicaciones en experiencia del cliente (CX) y servicio a empleados.
Encuentra un término clave:
Agente de IA
Los agentes de IA son la próxima generación de bots potenciados por IA equipados para entender y resolver completamente incluso los problemas de clientes más sofisticados. Los Agentes de IA de Zendesk son los bots más autónomos en CX que pueden detectar automáticamente lo que los clientes quieren, responder como lo harían tus agentes humanos y entregar valor inmediato desde el primer día.
Ajuste fino
En el contexto de IA, el ajuste fino se refiere a ajustar aún más un modelo pre-entrenado en una tarea o conjunto de datos específico para mejorar su rendimiento en un cierto dominio.
Alucinación
La alucinación se refiere al fenómeno donde un sistema de IA genera contenido que parece plausible pero es factualmente incorrecto, sin sentido, implausible o no relacionado. Abordar este problema de IA generativa durante el entrenamiento para garantizar la confiabilidad de la IA generativa.
Análisis de sentimiento
El análisis de sentimiento usa NLP para detectar y determinar tonos emocionales u opiniones expresadas en un texto. Los modelos de IA enfocados en CX usan este proceso de análisis para determinar el sentimiento del cliente, lo que puede mejorar el soporte al cliente y guiar mejoras de producto o servicio.
Antropomorfismo
El antropomorfismo es atribuir rasgos, emociones o intenciones humanas a entidades no humanas, incluyendo sistemas de IA y otras máquinas. El antropomorfismo puede llevar a expectativas irreales y malentendidos sobre las verdaderas capacidades de un sistema de IA, pero también puede hacer que las interacciones automatizadas se sientan más personales.
Aprendizaje de cero ejemplos
El aprendizaje de cero ejemplos es la capacidad de un sistema de IA para realizar una tarea o entender un concepto sin entrenamiento previo. Esto requiere que los modelos hagan generalizaciones a partir de datos conocidos y puede producir aplicaciones de IA más flexibles y adaptables.
Ver también: Aprendizaje de pocos ejemplos
Aprendizaje de pocos ejemplos
El aprendizaje de pocos ejemplos es la capacidad de un modelo de IA para aprender nuevas tareas o conceptos a partir de un pequeño número de ejemplos en lugar de un gran conjunto de datos de entrenamiento.
Ver también: Aprendizaje de cero ejemplos
Aprendizaje no supervisado
El aprendizaje no supervisado es un método de entrenamiento de machine learning en el cual el sistema de IA se entrena con datos no etiquetados que no están emparejados con salidas específicas, requiriéndole descubrir patrones y estructuras de datos por sí mismo.
Aprendizaje por refuerzo
El aprendizaje por refuerzo es un tipo de método de entrenamiento en el cual un modelo de IA aprende recibiendo recompensas o penalizaciones. Una falta de aprendizaje por refuerzo desde retroalimentación humana—cuando los usuarios le dicen directamente a un sistema de IA generativa dónde falló o tuvo éxito—es un error común de la IA en servicio al cliente.
Aprendizaje profundo
El aprendizaje profundo (DL) es un subconjunto de machine learning (ML) que usa redes neuronales artificiales con muchas capas para aprender y hacer predicciones a partir de datos. En CX, el aprendizaje profundo y machine learning mejoran la precisión de IA en entender lenguaje e imágenes complejas y mejorar las capacidades de soporte al cliente.
Ver también: Machine learning
Aprendizaje supervisado
El aprendizaje supervisado es un método de entrenamiento de machine learning donde el sistema de IA se entrena con datos etiquetados, lo que significa que los datos de entrada están emparejados con la salida deseada. Esto ayuda a cada modelo a aprender a mapear las entradas a las salidas.
Aumento
El aumento se refiere a cómo la tecnología puede mejorar y empoderar las capacidades humanas en lugar de reemplazarlas por completo. En CX, la IA puede potenciar la inteligencia de agentes y aumentar el rendimiento humano al gestionar tareas repetitivas, permitiéndoles enfocarse en interacciones complejas de alto valor.
Automatización
La automatización es el uso de IA y otras tecnologías para realizar tareas con mínima intervención humana. En CX, hay muchas formas de automatización, incluyendo:
La automatización inteligente puede mejorar tiempos de respuesta, reducir la carga de trabajo y aumentar la eficiencia en varios procesos de negocio.
Cadena de pensamiento
Al discutir IA, una cadena de pensamiento se refiere al proceso de razonamiento paso a paso que un sistema de IA usa para llegar a una salida o decisión. Este método alcanza conclusiones simulando un razonamiento similar al humano.
Chatbot
Un chatbot es una interfaz conversacional potenciada por IA que puede participar en interacciones de lenguaje natural y conversaciones humanas con usuarios. En servicio al cliente, los chatbots, incluyendo chatbots de procesamiento de lenguaje natural (NLP), a menudo proporcionan soporte automatizado, responden consultas o completan tareas simples.
Ciclos de retroalimentación
Los ciclos de retroalimentación en IA se refieren al proceso de usar las salidas o resultados de un sistema de IA para informar y mejorar su rendimiento futuro. Estos ciclos permiten que los modelos aprendan de la entrada del usuario y refinen las interacciones con el tiempo.
Comportamiento emergente
El comportamiento emergente se refiere a los patrones, acciones y capacidades impredecibles o inesperados que pueden surgir de las interacciones de sistemas de IA complejos con grandes conjuntos de datos.
Copiloto de IA
Un copiloto de IA es un asistente de IA que proporciona sugerencias, recursos o acciones para usuarios humanos. Como característica de la IA en servicio al cliente, los copilotos de IA actúan de manera similar a los copilotos reales de aviones al ayudar con tareas e incluso hacerse cargo de ciertas funciones. El copiloto de IA de Zendesk es el primer asistente avanzado para agentes de CX modernos, aumentando la eficiencia mientras ayuda a los agentes a responder consultas rápida y precisamente.
Datos de entrenamiento
Los datos de entrenamiento son el conjunto de datos usado para entrenar un modelo de machine learning. La calidad y diversidad de los datos de entrenamiento pueden impactar significativamente el rendimiento del modelo.
Entrenamiento
El entrenamiento se refiere a enseñar a un modelo de IA cómo realizar una tarea específica usando conjuntos de datos específicos, como clasificación, predicción o generación.
Ética de IA
La ética de IA se refiere a los principios morales y valores que guían el diseño, desarrollo y despliegue del uso responsable de IA. Las consideraciones comunes de ética de IA en CX incluyen transparencia de IA, equidad, privacidad e impacto social.
Generación aumentada por recuperación (RAG)
La generación aumentada por recuperación (RAG) es una técnica que combina LLM con sistemas de recuperación de información para producir salidas más precisas y factuales. Los modelos RAG pueden basarse en bases de conocimiento de IA internas y fuentes de conocimiento externas durante la generación.
Generación condicional
La generación condicional es la capacidad de un sistema de IA para generar salidas basadas en condiciones o prompts específicos. Esto permite la creación de respuestas contextualmente relevantes que están adaptadas a necesidades o preferencias del usuario.
Generador
En IA generativa, un generador es el componente del sistema responsable de producir contenido nuevo y original, incluyendo texto, imágenes y audio. Los generadores a menudo se emparejan con discriminadores para formar redes generativas adversarias.
Ver también: Red generativa adversaria (GAN)
IA conversacional
La IA conversacional abarca tecnologías y sistemas inteligentes que simulan interacciones naturales y similares a las humanas entre humanos y máquinas. Este término común de IA típicamente describe la tecnología usada para ejecutar chatbots, asistentes virtuales y otras interfaces basadas en diálogo.
IA explicable (XAI)
La IA explicable (XAI) es un modelo de IA con sistemas transparentes e interpretables. Este tipo de modelo de IA asegura que los usuarios humanos entiendan sus procesos de toma de decisiones. Es una de las herramientas que los líderes de CX usan para prepararse para el futuro, construir confianza y priorizar la responsabilidad en el uso de IA.
IA generativa
La IA generativa es la rama de IA que usa grandes conjuntos de datos para crear contenido nuevo y original, incluyendo texto, imágenes, audio, código y más. Este modelo de IA se enfoca menos en análisis, categorización o toma de decisiones y más en simular interacciones similares a las humanas.
Inferencia
Una inferencia en IA es el proceso de usar un modelo entrenado para hacer predicciones o decisiones basadas en nuevos datos de entrada. Esta es también una fase de aprendizaje distinta donde el modelo aprende patrones de datos históricos.
Ingeniería de prompts
La ingeniería de prompts se refiere a diseñar y optimizar prompts para obtener un comportamiento o salida deseada de un sistema de IA generativa. La ingeniería de prompts incluye técnicas como:
Aunque los sistemas de IA modelan el habla humana, requieren entradas detalladas para producir salidas de alta calidad y usables.
Inteligencia artificial (IA)
La inteligencia artificial (IA) es un concepto que se refiere a la capacidad de las máquinas para imitar funciones cognitivas humanas y realizar tareas como entender el lenguaje, identificar patrones, resolver problemas complejos, tomar decisiones y más.
Inteligencia artificial estrecha (ANI)
La inteligencia artificial estrecha (ANI), también conocida como IA débil, es una IA diseñada para realizar una sola tarea o un conjunto estrecho de funciones con alta eficiencia y precisión. A diferencia de la IA general, la ANI está limitada en alcance y no puede transferir conocimiento o habilidades a través de dominios.
Inteligencia general artificial (AGI)
La inteligencia general artificial (AGI) es una forma teórica de IA que puede realizar cualquier tarea intelectual que un humano puede. Un sistema AGI podría entender, aprender y adaptarse de forma independiente, haciéndolo versátil más allá de las capacidades de la IA estrecha, que se enfoca en tareas específicas y predefinidas.
Machine learning
El machine learning es un campo de IA que enseña a las máquinas a aprender y mejorar a partir de datos o experiencias sin ser programadas explícitamente. El ML también usa técnicas estadísticas para entrenar modelos en datos para hacer predicciones o decisiones.
Ver también: Aprendizaje profundo
Modelo
Un modelo representa una estructura de IA entrenada para completar tareas específicas, como clasificación, predicción o generación. Por ejemplo, los modelos de IA de CX están entrenados en datos de servicio al cliente para predecir necesidades, mejorar respuestas y personalizar interacciones.
Ver también: Modelo de lenguaje grande (LLM)
Modelo de lenguaje grande (LLM)
Los modelos de lenguaje grande (LLM) son sistemas de IA entrenados en cantidades vastas de datos de texto, permitiéndoles entender y generar lenguaje y respuestas similares a las humanas. Los LLM forman la base para muchas aplicaciones avanzadas de procesamiento de lenguaje natural.
Modelo pre-entrenado
Un modelo pre-entrenado es un modelo de IA entrenado en un conjunto de datos grande y general que puede ser ajustado finamente para tareas o aplicaciones específicas. Por ejemplo, los Agentes de IA de Zendesk están pre-entrenados en miles de millones de interacciones de CX reales, haciéndolos expertos en servicio al cliente desde el primer momento.
Parámetros
En el contexto de IA, los parámetros se refieren a las variables internas que se ajustan durante el entrenamiento para afinar el rendimiento y son usados por modelos de IA para hacer predicciones o generar nuevo contenido.
Procesamiento de lenguaje natural (NLP)
El procesamiento de lenguaje natural es un campo de IA enfocado en permitir que las máquinas entiendan, interpreten y generen lenguaje similar al humano. Incluye tareas como clasificación de texto, análisis de sentimiento y traducción de idiomas.
Prompt
Un prompt es la entrada textual o informativa inicial proporcionada a un sistema de IA que guía la generación de nuevo contenido de un modelo de IA. La ingeniería de prompts efectiva mejora la salida de modelos de IA y ayuda a los usuarios a lograr resultados deseados.
Red generativa adversaria (GAN)
Una red generativa adversaria (GAN) es un tipo de modelo de machine learning que usa dos redes neuronales—un generador y un discriminador—para generar datos realistas.
Las GAN pueden usarse en áreas como experiencia del cliente para generar datos sintéticos para mejorar modelos de IA.
Red neuronal
Una red neuronal es un modelo de machine learning que simula la actividad del cerebro humano para procesar datos complejos. Está compuesta de nodos interconectados (como neuronas) que aprenden a realizar tareas específicas procesando datos y reconociendo patrones.
Retención cero de datos
La retención cero de datos es una técnica de preservación de privacidad usada en sistemas de IA para asegurar que ninguna información personal o sensible se retenga o almacene de datos de entrenamiento. Esta técnica también se conoce como privacidad diferencial.
Seguridad de IA
La seguridad de IA se enfoca en medidas y prácticas que previenen daños de sistemas de IA, incluyendo errores o sesgos dañinos. Esto involucra mitigar riesgos potenciales y alinear los objetivos de IA con valores humanos.
Sesgo
El sesgo en IA se refiere a los errores sistemáticos o prejuicios que favorecen ciertos grupos o perspectivas y pueden introducirse en modelos de machine learning, a menudo debido a los datos de entrenamiento o algoritmos del sistema. Abordar y reducir el sesgo en IA conversacional y IA generativa es un desafío clave en el desarrollo responsable de IA y garantizar interacciones justas e inclusivas para audiencias diversas.
Superinteligencia artificial (ASI)
La superinteligencia artificial (ASI) se refiere a un nivel hipotético de inteligencia de IA que superaría la inteligencia humana en todos los campos. Aunque es especulativa, la ASI va más allá incluso de la AGI con capacidades extraordinarias de resolución de problemas y toma de decisiones, y plantea consideraciones éticas importantes respecto al impacto potencial de la IA en empleos y privacidad.
Temperatura
En IA generativa, la temperatura es un parámetro que controla el nivel de aleatoriedad o creatividad en la salida de un modelo. Temperaturas más altas pueden resultar en respuestas más diversas, potencialmente menos coherentes.
Token
En NLP, un token es la unidad básica de texto—como una palabra o signo de puntuación—que un modelo de IA procesa y analiza. Los tokens permiten que los modelos de lenguaje grande manejen respuestas detalladas en servicio al cliente.
Toxicidad de IA
La toxicidad de IA se refiere a las salidas negativas, dañinas, falsas, inapropiadas u ofensivas que un sistema de IA puede generar involuntariamente debido a sesgo o desalineación.
Un transformador es un tipo de arquitectura de red neuronal que procesa secuencias de datos para tareas. Este tipo de arquitectura de modelo se ha vuelto popular para procesamiento de lenguaje natural y es la base para muchos LLM como GPT.
Un transformador generativo pre-entrenado (GPT) es un tipo de modelo de lenguaje grande (LLM) desarrollado por OpenAI que se ha convertido en una tecnología fundamental para muchas aplicaciones de NLP e IA generativa.
Validación
La validación se refiere a evaluar el rendimiento y precisión de un modelo entrenado en un nuevo conjunto de datos para evaluar sus capacidades de generalización.
Ventana de contexto
En IA, la ventana de contexto es la cantidad de información precedente que un modelo de IA puede retener o referir durante una interacción. Una ventana de contexto más grande permite respuestas más coherentes y detalladas.
Lleva tu CX al siguiente nivel con Zendesk AI
Al familiarizarte con nuestro glosario de IA generativa, te estás preparando para aprovechar la IA para experiencias de CX y servicio más significativas. Educarte a ti mismo y a tus equipos también te permite transformar el servicio al cliente con IA generativa al entender cómo comunicarte claramente y proporcionar servicios proactivos, personalizados y eficientes.
Con soluciones potenciadas por IA como Zendesk, puedes explorar las aplicaciones prácticas de IA para satisfacer las necesidades de los clientes y mejorar los estándares de servicio, estableciendo una base para el crecimiento futuro.
Aprende más sobre cómo las capacidades de IA generativa pueden transformar tu servicio al cliente y soporte con una prueba gratuita de Zendesk.
