Las tres H para el alineamiento de un modelo de lenguaje con los valores humanos

Pese a su potencia y sofisticación, lo cierto es que, visto como comportamiento externo, un gran modelo de lenguaje, presenta un funcionamiento externo relativamente simple y que debe complementarse por otros elementos para conseguir los impresionantes resultados que observamos 'desde fuera'.

La misión original de un gran modelo de lenguaje

En efecto, la función principal de un modelo de lenguaje (tanto un gran modelo de lenguaje como uno más sencillo y primitivo) es, fundamentalmente, proporcionar el siguiente elemento de texto (el siguiente token aunque, simplificando, podemos pensar en la siguiente palabra) que sigue al elemento de entrada.

Haciendo eso de forma recursiva, lo que suele hacer un modelo de lenguaje es, a partir de la parte inicial de un documento (un texto) generar el texto más probable que completa la entrada. Es lo que se suele denominar 'text completion'.

Así lo explica muy claramente el libro 'Prompt Engineering for LLMs: The Art and Science of Building Large Language Model–Based Applications' de John Berryman y Albert Ziegler que me encuentro leyendo estos días.

El salto a una aplicación basada en un modelo de lenguaje

Y el mismo libro también explica algo que suelo recordar en clases sobre 'prompting', a saber: que cuando uno utiliza un chatbot del tipo de ChatGPT, Copilot o Gemini, no estamos interactuando directamente con un modelo de lenguaje, sino con una aplicación, que si, se apoya en un gran modelo de lenguaje, cuyo componente principal es un gran componente de lenguaje, pero que ese modelo se encuentra rodeado por una serie de módulos y mecanismos adicionales que extienden, completan y matizan su funcionamiento.

Esto es lo que se denomina una aplicación basada en IA o aplicación basada en LLM. Entre estas aplicaciones basadas en un modelo de lenguaje, podemos encontrarnos todo tipo de soluciones, pero las más populares y conocidas son, en efecto, los chatbots que actúan como una especie de ayudante (copiloto que dirían en Microsoft) de un humano: el usuario.

El alineamiento con los valores humanos: las 3 H

De cara a dar ese salto de un 'simple' modelo de lenguaje ejecutando una y otra vez en 'text completion', a un verdadero chatbot que actúe como asistente, Antrophic, a través del whitepaper 'A General Language Assistant as a Laboratory for Alignment' propone conseguir tres objetivos, que son las 'tres H'. Estas Hs son:

• 'Helpful' (útil): Significa que la aplicación debe intentar realizar la tarea que se le pide o contestar a la pregunta que se le formulaa, y hacerlo de la forma más concisa y eficiente posible. Si en esa labor necesita más información, deberá realizar las preguntas oportunas y, finalmente, si es incapaz de dar una respuesta adecuada, debería sugerir otro curso de acción.


• 'Honest' (honesto): la solución debe proporcionar información precisa y, además, asignarle una estimación de precisión o incertidumbre. Aparte de eso, la solución debería comportarse honestamente respecto a sus propias capacidades, niveles de conocimiento y estado interno.


• 'Harmless' (no dañino): La solución no debería ser ni ofensiva ni discriminatoria. Además, debería rechazar cortesmente participar en una actividad peligrosa y también debería actuar con prudencia a la hora de proporcionar información sensible o consejos delicados.

Aunque muy razonables estas tres características, llama la atención cómo se expresan en términos muy humanos. Pero lo cierto es que, aunque no de manera perfecta, aunque por desgracia no sin fallos, no cuesta reconocer que, en efecto, los chatbots basados en grandes modelos de lenguaje tienden a exhibir esas tres H.

Y, en ese empeño, no sólo generan una mayor confianza en ellos mismos, sino que además, se convierten, en efecto, en ayudantes eficaces de los humanos.

En buena medida, los comportamientos más peligrosos, los fallos más graves, suelen proceder, precisamente, de no haber conseguido en algún momento, exhibir esas tres H.

Conclusión

Los modelos de lenguaje pese a su potencia, por sí solos no consstituyen una verdadera solución final para un usuario.

Para conseguir construir una solución final basada en LLM, es necesario añadir funcionalidad y, en ese proceso, y cuando pensamos en un chatbot ayudante de un humano, las tres características, útil, honesto y no dañino, le confieren un comportamiento más confiable, más efectivo y más ético.

Human-Robot Interaction y los posibles modelos emocionales

Uno de los temas que más llaman la atención cuando hablamos de interacción con las máquinas, y muy especialmente con los robots, es todo lo que tiene que ver con las emociones: la detección de las emociones humanas por parte del robot, la expresión de emociones por parte de ese mismo robot y, si queremos ir muy lejos (probablemente demasiado lejos), la posibilidad de que alguna vez el robot pueda experimentar sus propias emociones.

Se trata de un tema que además, personalmente me fascina, tanto en su vertiente técnica como en sus implicaciones éticas. 

Uniendo algunas lecturas (y docencias) recientes que tienen que ver tanto con la disciplina del human-robot interaction como con inteligencia artificial generativa y agentes conversacionales, he creído detectar una evolución, una posible evolución que intuyo, pero que tengo pendiente de confirmar, que supone un cierto cambio de paradigma en el tratamiento de las emociones por parte de los robots.

Un cambio de paradigma que, en el fondo, simplemente trasladaría al mundo de la robótica social un cambio que ya se está produciendo en chatbots o agentes conversacionales.

Vayamos paso a paso.

Human-Robot Interaction

La relación robots-personas (HRI, 'Human-Robot Interaction') es una disciplina que auna conocimientos procedentes del campo de la robótica y la inteligencia artificial, pero también de la psicología o la antropología, y que se ocupa del estudio de la interacción entre personas y robots y del diseño de los mejores robots y mecanismos de interacción.

Tiene en cuenta cosas como, por supuesto, el lenguaje verbal, pero también el no verbal, la proxémica, las convenciones sociales y... si, la detección y gestión de emociones, donde se solaparía con la así llamada computación afectiva ('affective computing').

Gestión de emociones

Podríamos decir que, a la hora de gestionar emociones por parte de un robot, se podrían distinguir como tres fases, o tres dinámicas, interrelacionadas pero distinguibles:

• Detección de emociones en los humanos
• Experimentación de las propias emociones por parte del robot
• Expresión de emociones por parte del robot

De las tres anteriores, la segunda, experimentación de emociones por el propio robot, hoy en día es una pura fantasía, así que no nos detendremos más en ella.

Sí que son relevantes, y con importantes resultados tangibles, las otras dos: la detección de las emociones humanas por parte del robot y la expresión de unas emociones propias del robot (aunque se trate de emociones impostadas, no sentidas).

Modelado de emociones

Ya desde hace décadas, y de manera con frecuencia independiente al tratamiento mediante máquinas, en el campo de la psicología se han venido analizando e intentando modelar las emociones.

Uno de los primeros y más populares resultados fueron los hallazgos de Paul Ekman quien identificó las conocidas seis emociones básicas (alegría, ira, miedo, asco, sorpresa, tristeza) que eran reconocibles a partir de la expresión y que trascendían las culturas.

Expresiones faciales correspondientes a las seis emociones básicas

Posteriormente, Ekman amplió su catálogo a quince. Se trata de unos hallazgos no siempre bien interpretados o utilizados pero que, a efecto de HRI, me interesa destacar que permite la identificación de emociones a partir de expresiones faciales y que el resultado es una categoría de entre un número finito disponible de emociones.

El propio Ekman propuso posteriormente otro modelo en que, más que recoger expresiones faciales completas, se centraba en diversos detalles. Definía el Facial Action Coding System (FACS) donde se identificaban las AU ('Action Units') en número de varias decenas.

FACS

Estas action units se pueden reconocer visualmente o, en laboratorio, mediante medida de actividad muscular. Aunque no conducen de forma inmediata a una categorización de emoción, existen guías complementarias que sí lo hacen

En ambos casos, al final podemos llegar a una emoción como una etiqueta, de entre un conjunto finito de ellas, que caracteriza el estado emocional del ser humano.

Existen otros modelos que, trabajan es espacios continuos, bidimensionales (como el modelo circunflejo de Russell) o tridimensionales, y donde algunas de las variables de ese espacio suelen ser la denominada excitación ('arousal') que, de alguna forma, mide la intensidad de la emoción, y la valencia ('valence') que indica si se trata de una emoción más positiva o más negativa. 

Modelo circunflejo de Russell

Otros modelos, en este caso tridimensionales, como PAD, usado por el mítico robot Kismet, añade una dimensión de dominancia.

Aunque en estos modelos de emociones existe una continuidad, y no unas categorías cerradas, tampoco nos alejamos demasiado de esa visión de emociones como un catálogo de posibilidades, como se puede ver en la propia figura. De alguna manera, regiones de ese espacio de estado se corresponden con una emoción

Detección de emociones

Los robots detectan las emociones humanas tomando, en primer lugar, alguna forma de medida de su manifestación externa en los humanos, mediante sensores. Los dos más comunes, y probablemente al mismo tiempo los más potentes y ricos en información, son las cámaras (que permiten captar, fundamentalmente la expresión del rostro humano, pero también sus gestos y otros elementos de lenguaje no verbal) y los micrófonos que captan la voz incluyendo los elementos prosódicos como intensidad, acento, etc.

Sólo con esos dos tipos de sensores, tan familiares en todo tipo de aplicaciones, los robots obtienen casi toda la información que necesitan. Existen otros sensores, más especializados, pero ahora no profundizaré en ellos.

El caso es que, mediante los sensores, los robots tienen la información primaria sobre las emociones expresadas por el humano.

Desde ahí, la conclusión de la emoción subyacente y si nos basamos en un catálogo de emociones como el propuesto en su momento por Ekman,  se puede reducir a un problema de clasificación, tan común en el machine learning y deep learning.

Si utilizamos un espacio de estados, parece que hay un primer paso de regresión, para situar el estado emocional del humano en las características de ese espacio de estados, y luego, si queremos 'darle nombre' a la emoción, un problema de clasificación adicional casi trivial (que no precisa siquiera de inteligencia artificial) para asignar la emoción subyacente según la región en que nos encontremos.

Chatbots basados en reglas

Establecidas esas fases, paso ahora a comentar la evolución de los chatbots. Los chatbots de los que hemos dispuesto hasta hace poco, antes de la explosión de los modelos generativos, se han venido construyendo en general implementando un modelo de conversación que ya explicaba en mi libro 'Robots en la sombra' y que se muestra en la figura:

Modelo de conversación

En ese modelo, las intenciones ('intents') son una forma de categorización de lo que el usuario puede pedir al chatbot (reserva de cita, compra de un billete de avión, conocimiento sobre un producto, etc). Eso sí, como trabajamos en lenguaje natural esas intenciones se pueden manifestar verbalmente con expresiones ('utterances') diferentes e incluso muy diferentes. Asociada a cada interacción el humano suele añadir información en forma de parámetros o entidades como ciudades, personajes etc.

La labor donde interviene la inteligencia artificial en ese tipo de chatbot es, en primer lugar, en la conversión voz-texto (en caso de que interactuemos de viva voz) y, sobre todo, en la detección de la intención y la extracción e entidades a partir de la expresión del usuario. Este último problema, la detección de la intención, se trataría claramente de un problema de clasificación.

A partir de ahí, el resto de cosas (consulta o interacción con servicios o sistemas externos) e incluso emisión de la respuesta, sucede sin usar la inteligencia artificial y procede de configuraciones o desarrollos realizados por el desarrollador del chatbot. Sólo se añade inteligencia artificial en la eventual conversión texto-voz para contestar al usuario de viva voz.

Este tipo de chatbots hoy en día tienden a denominarse como 'basados en reglas' porque, en efecto, es el desarrollador el que establece, para una intención dada, qué sistemas o servicios deben consultarse o invocarse y qué respuesta corresponde a esa intención.

Comportamiento emocional de robots basado en reglas

Aunque confieso que me falta información técnica de detalle, y aunque puede variar de modelo de robot a modelo de robot, intuyo que los robots sociales que manejan emociones funcionan de una manera parecida a como lo hacen estos chabots.

Es decir, a partir de la información de los sensores (pensemos por ejemplo la cámara), detectan la emoción subyacente en el humano mediante la aplicación de un algoritmo de clasificación. A partir de ahí, se desencadena la respuesta del robot: qué información debe consultar, qué emoción debe expresar el propio robot (en caso de que tenga capacidad para ello) y qué debe contestar al humano.

Y sospecho que todo lo que tiene que ver con los pasos posteriores a la detección de la emoción, está fundamentalmente basado en algún tipo de reglas no muy diferentes a las que emplean los chatbots.

Chatbots basados en modelos generativos

Volvamos a los chatbots, pero para ver cómo cambia la cosa con los modelos generativos.

Cuando usamos un chatbt basado en un modelo generativo, un modelo fundacional o un gran modelo de lenguaje, la cosa funciona de manera muy diferente: no existe un distinción tan nítida entre la entrada y saluda, y no se clasifican los deseos del usuario en intenciones, sino que se trata su entrada (su 'prompt') en su conjunto, sin clasificar y, sobre todo, el propio modelo genera la respuesta, que no se basa en ningún tipo de regla aunque sí se puede realizar un cierto condicionamiento.

Las dos cosas más relevantes que cambian son, pues, que es que el modelo, la inteligencia artificial, funciona extremo a  extremo, en entrada, salida y procesamiento. Y, además, que no existe clasificación en intenciones.

Computación afectiva basada en modelos generativos. Los modelos emocionales

Visto lo anterior, y dada la posibilidad cierta (de hecho, seguro que ya se está haciendo) de que los nuevos robots se apoyen en sus aspectos verbales en modelos de lenguaje generativos, parece más que probable (aunque no tengo noticias de ello, apostaría a que ya alguna empresa o laboratorio está en ello) que en los aspectos de la computación afectiva se utilicen también este tipo de modelos.

Si eso fuese así, parece que perderían sentido la clasificación de emociones en categorías cerradas (igual que en los chatbots pierde sentido categorizar las intenciones) y, no sólo eso, lo más importante es que la respuesta del robot, incluyendo sus aspectos emocionales, se crearían por el propio modelo (no por unas reglas).

Aunque entiendo que esos es técnicamente viable desde ya mismo, calculo que se debe realizar un entrenamiento, (un más que probable 'fine-tunning') para conseguir un buen funcionamiento de estos 'modelos emocionales'.

Como digo, no puedo afirmar taxativamente que esto que indico este sucediendo, pero tengo una casi completa seguridad de que sí, y de que, probablemente,  veremos cosas en este sentido a no mucho tardar, quizá ligado al campo emergente de la así llamada 'embodied AI'.

Conclusiones

La llegada de los modelos generativos y su eventual inclusión en robots sociales, puede cambiar el paradigma de cómo se gestionan las emociones humanas en los robots, pasando de un modelo más basado en reglas, a un modelo extremo a extremo, sin clasificación de emociones y apoyado en lo que podríamos denominar un 'gran modelo emocional'.

Los agentes conversacionales explicados por Michael McTear

'Conversational AI', subtitulado 'Dialogue Systems, Conversational Agents, and Chatbots' es un libro dedicado a agentes conversacionales que, al contrario que otros que he tenido la oportunidad de leer, se centra más en los conceptos. algoritmos y tecnologías de base más que lanzarse, como la mayoría, a herramientas concretas y a la forma de implementarlos paso a paso.

El autor distingue tres tipos de sistemas:

• Basados en reglas
• Estadísticos y basados en datos
• Neuronales extremo a extremo

Y ese planteamiento le sirve como línea base de argumentación.

Con ese punto de partida, el libro, de mediana tirando a corta extensión, se estructura en tan solo seis capítulos, como sigue:

• '1. Introducing Dialogue Systems:' Un capítulo introductorio que comienza definiendo lo que es un sistema dialógico ('dialogue system') que es como el autor denomina habitualmente a los sistemas conversacionales, y luego intentando dar razones de por qué desarrollar este tipo de sistemas. Luego hace un repaso histórico y a continuación desarrolla cómo percibe la situación actual, describiendo algunas de las manifestaciones de este tipo de sistemas como son sus implementaciones en sistemas de mensajería, en smartphones, en altavoces inteligentes o en vehículos. Finalmente realiza una clasificación, según la iniciativa, de los sistemas dialógicos y da algunas ideas sobre su diseño y desarrollo.


• '2. Rule-Based Dialogue Systems Architecture, Methods and Tools:' Capítulo dedicado al primer tipo de sistemas que identifica el autor, los más primitivos si se quiere, los basados en reglas. Primero explica los elementos técnicos constituyentes como el reconocimiento de voz, el procesamiento de lenguaje natural, la gestión de la conversación (o el diálogo) y la conversión texto-voz. Luego detalla cómo se hace el diseño de este tipo de sistemas para terminar con una panorámica de la tipología de herramientas que se utilizan.


• '3. Statistical Data-Driven Dialogue Systems:' Acomete ahora el segundo tipo, los de naturaleza estadística. De nuevo, describe cómo se plantean sus elementos, el entendimiento de lenguaje natural, la gestión del diálogo y la generación de lenguaje para, en la segunda parte del capítulo, entrar, con cierta extensión, en el aprendizaje por refuerzo y en el uso de modelos de Markov.


• '4. Evaluating Dialogue Systems:' Hace, en cierto sentido, un paréntesis, antes de describir el último tipo de sistema, para hablar de la evaluación de los sistemas dialógicos distinguiendo en el tratamiento entre los sistemas orientados a tarea y los sistemas de dominio abierto. Finaliza presentando algunos 'frameworks' para la evaluación y razonando sobre la mejor forma de evaluar este tipo de sistemas.


• '5. End-to-End Neural Dialogue Systems:' Ahora si, entra en el tercer tipo de sistemas dialógicos, aquellos basados en redes neuronales funcionando extremo a extremo. Comienza introduciendo elementos de redes neuronales, con foco, lógicamente, en redes recurrentes (RNN), las LSTM ('Long Short Term Memory') y las redes codificador-decodificador. Luego trata, primero, los sistemas orientados a a teraeas y a continuación los de dominio abierto deteniéndose en algunos tan conocidos como el GPT-3 de OpenAI, el Meena de Google o el BlenderBot de Facebook (Meta). Pasa a continuación a considerar dos aspectos específicos como son la inconsistebcia o el afecto y finaliza tratando y ejemplificando concursos existentes, conjuntos de datos disponibles etc.


• '6. Challenges and Future Directions:' Último capítulo donde se tratan, de una forma un poco dispersa, varios elementos de trabajo actual y perspectiva futura como son el uso de la multimodalidad, la introducción de elementos visuales y fundamentación visual, la eficiencia en datos, el uso en robots sociales o internet de las cosas y aspectos sociales y éticos, entre otros.

Un pequeño detalle, pero algo incómodo es que el autor, siguiendo una práctica habitual en textos académicos, es generoso en el uso de referencias bibliográficas algo que, por su abundancia, en algunos momentos, o al menos esa ha sido mi impresión, incomoda la lectura y dificulta seguir el hilo.

Por lo demás, me ha parecido un libro actualizado, muy bien estructurado, interesante, panorámico y bastante diferente a lo que me suelo encontrar en otros libros sobre chatbots o agentes conversacionales.

Bastante recomendable, sin duda.

Michael McTear

(Fuente: Traducción y ligera elaboración propia de su perfil en Informa Connect)

Michael McTear

Michael McTear es un profesor emérito de la Ulster University con especial interés en tecnologías de lenguaje hablado. Ha estado investigando en este campo de los sistemas de dialogo hablado durante más de 20 años y es autor de varios libros, incluyendo 'Spoken Dialogue Technology: Toward The Conversational User Interface' (2004), 'Spoken Dialogue Systems' (2010) con Kristiina Jokinen, 'The Conversational Interface: Talking to Smart Devices' (2016) con Zoraida Callejas y David Griol y 'Conversational AI' (2020).

Michael ha realizado keynotes y tutoriales en muchas conferencias y talleres académicos incluyendo SpeechTEK, Conversational Interaction, ProjectVoice, REWORK AI Assistant Summit y las European Chatbot Conferences.

Michael está involucrado en varios proyectos de investigación y desarrollo investigando el uso de agentes conversacionales en proyectos socialmente relevantes como la monitorización de la salud mental.

Puedes saber más del autor visitando su perfil en LinkedIn o siguiéndole en Twitter donde se identifica como @MichaelMcTear.

Ficha técnica:

TITULO: Conversational AI. Dialogue Systems, Conversational Agents, and Chatbots

AUTOR: Michael McTear

EDITORIAL: Morgan & Claypool Publishers

AÑO: 2020 

ISBN: 978-1636390314

PAGINAS: 251

Artículos de este blog relacionados

• Diez retos y líneas de evolución de los agentes conversacionales
• Cinco tipos de agentes conversacionales

El diálogo y las máquinas: de la línea de comandos a la fantasía telepática

Desde que se han comenzado a utilizar máquinas, en concreto máquinas que manejan información, ha sido necesario establecer mecanismos de comunicación entre las personas y las máquinas, unos mecanismos que, inicialmente, servían como medio para que las personas pudiesen dar órdenes o solicitar cosas a las máquinas (típicamente los computadores) y obtener los resultados.

Lo interesante, y lo que motiva este artículo, es principalmente, el auge de las interfaces de naturaleza conversacional y el advenimiento del BCI y, fantaseando, una eventual telepatía mediada por las máquinas.

Pero vayamos por orden.

La interfaz más básica: el CLI y la línea de comandos

Los primeros mecanismos de verdadera interacción (elimino como diálogo la introducción de programas o datos vía tarjeta perforada) se realizaron mediante interfaces textuales de comando (CLI, 'Command Line Interface'). Se trataba, se trata en realidad, de una forma de comunicación en cierto modo primitiva, en que los comandos se encuentran limitados a un juego acotado de opciones y en que la expresión es puramente textual apta para su uso en pantallas monocromas y con escasas capacidades gráficas del tipo de los venerados terminales IBM 3270 o DEC VT100.

Es el tipo de interfaz usada con frecuencia en sistemas operativos UNIX o la famosísima línea de comandos del DOS.

Lo cierto es que, a pesar de su sencillez y aparente rigidez, una vez que se conocen los comandos y se adquiere cierta rapidez de digitación, es enormemente rápido, eficiente y eso explica que sea un mecanismo que todavía sobreviva en la actualidad.

Asomándonos a las ventanas

Sin embargo, esas interfaces CLI han sido sustituidas, en gran medida, por las interfaces que utilizan la metáfora de las ventanas y que se apoyan no sólo en teclado sino también en ratón u otros dispositivos apuntadores como, hoy en día, las pantallas táctiles. Una metáfora, y una interfaz visual, cuya concepción se adjudica a XEROX, pero lanzada por Apple y popularizada por Microsoft.

Se trata del tipo de interfaz dominante hoy en día y la Web no ha hecho otra cosa, creo, que adoptarla, apoyarla y reforzarla.

Es una forma de interfaz muy intuitiva y que, además, hasta cierto punto, uniformiza la interacción con todo tipo de aplicaciones, facilitando su aprendizaje, al menos de los primeros pasos.

Eso sí, aunque es rápida en cuanto a aprendizaje, hay que reconocer que de cara a interacciones masivas, y una vez se tiene experiencia, es en muchos casos más lenta e incluso 'pesada' que la interfaz CLI.

El auge de las interfaces conversacionales y de la voz

Y entramos ya en los mecanismos más modernos, los que más me interesan ahora mismo, empezando por las interfaces conversacionales. Lo característico de estas interfaces es que el diálogo no se ajusta a un conjunto predeterminado de comandos (como en CLI) o de acciones (botones, menús, etc) de las interfaces de ventanas, sino que adopta un estilo abierto y natural, próximo (muy próximo en sus mejores realizaciones) al diálogo humano.

En sus expresiones primeras, este tipo de interfaces pueden apoyarse, incluso, en una línea de comandos pero que reciba las entradas en lenguaje natural, en lugar de comandos cerrados. O también, en interfaces del tipo ventanas (con sus botones, sus iconos, sus desplegables) como se encuentran con muchísima frecuencia, en chatbots que se apoyan en la web o sistemas de mensajería instantánea.

Pero quizá, lo más llamativo, más diferencial y quizá con más futuro, sean las interfaces en lenguaje natural basadas en voz, cada vez más comunes, por cierto.

De hecho, ha sido el leer esta cita: 

there is now a new era starting, where the main focus is on the ability of humans having conversations not only with other people but also with the services they are using in the human way.

en el libro 'Microsoft Conversational AI Platform' de Stephan Bisser lo que me ha inspirado este artículo.

Porque, tal y como apunta el autor, y creo que está en lo cierto, vamos a asistir a un creciente uso de este tipo de interfaces de naturaleza conversacional, especialmente las de voz. 

En entornos profesionales o empresariales, veo esa proliferación principalmente en soluciones para gran público o en atención a cliente, o en tareas que no impliquen manejar mucha información o una interacción muy continua. Así, veo por ejemplo su uso para dar órdenes concretas a un robot o para consultas puntuales. En el caso de un trabajo continuado como el que hacemos hoy en día con el ordenador, creo que en muchos casos va a ser casi más rápido y cómodo seguir usando interfaces de tipo ventana o incluso CLI. Al menos yo, personalmente, no me veo durante horas hablándole al ordenador. 

Pero, sobre todo, veo un gran auge en los entornos domésticos y de ocio. Imagino un cada vez mayor uso de estas interfaces en todo tipo de dispositivos, dispositivos crecientemente más robóticos, como aspiradores, frigoríficos, televisores, coches, reproductores de música, accionadores domóticos, etc

Y, por supuesto, en los robots sociales que tanto me interesan y que con tanta frecuencia se asoman a este blog.

Las máquinas hablan entre sí: Internet de las Cosas

Y un breve apunte. No sólo las personas hablamos con las máquinas, cada vez más las máquinas hablan entre sí.

En realidad, casi desde el inicio de la informática, ha existido la comunicación entre máquinas, entre ordenadores.

Pero hoy día, con la omnipresencia de internet, con la eventual y esperada explosión del Internet de las Cosas, y con la existencia de más y más dispositivos y más y más inteligentes y autónomos, ese diálogo entre máquinas puede extenderse y puede ser, además, un diálogo crecientemente autónomo, sin necesidad de mucha intervención humana.

La última frontera: BCI y la fantasía telepática

Y finalizo este recorrido, con la forma quizá más moderna y desafiante de comunicación, aquella en que la interacción se produce de manera directa entre las máquinas y el cerebro o sistema nervioso humanos, sin la mediación del lenguaje hablado o escrito o de acciones físicas con las manos. Directo: del cerebro a la máquina o de la máquina al cerebro y/o sistema nervioso. Hablo del BCI ('Brain Computer Interface') una tecnología con mucha investigación detrás y con algunas realizaciones prácticas y muy inspiradoras como su empleo en rehabilitación o en alivio de síntomas de enfermedades como el Parkinson. Una tecnología popularizada, no sé si de la mejor manera, por Elon Musk y su Neuralink.

Una tecnología apasionante desde el punto de vista estrictamente científico y técnico, con aplicaciones interesantísimas, pero que hay que reconocer que intimida un poco, y que exige un uso controlado y ético.

Y un tipo de interfaz que, en cierto sentido, va del pensamiento a la máquina.

Y puestos a elucubrar, en el campo un poco de la ciencia-ficción, una tecnología que podría llegar a habilitar una especie de telepatía. 

Si la máquina fuese capaz de entender con detalle lo que está pensando una persona (hoy en día reconoce sólo algunas intenciones muy básicas, por ejemplo, de tipo motor) y fuese capaz de transmitir eso a otra persona, ya fuese directamente al cerebro o, indirectamente, mediante una expresión lingüística, estaríamos ante una suerte de telepatía, una telepatía, eso sí, no persona a persona directamente sino intermediada por máquinas.

Conclusiones

El diálogo está servido. Y las máquinas se han unido (las hemos unido, para ser más exactos) a ese diálogo.

Un diálogo entre humanos y máquinas y un diálogo entre las propias máquinas.

Un diálogo cada vez más sofisticado tecnológicamente, pero más natural desde el punto de vista humano.

Hemos recorrido un largo camino, partiendo de la muy eficiente pero algo primitiva línea de comandos, para llegar al auge de las interfaces conversacionales especialmente por voz y fantasear con la posibilidad de que el BCI conduzca algún día a una suerte de telepatía.

¿Qué nos traerá el futuro?

Diez retos y líneas de evolución de los agentes conversacionales

Todo la disciplina de la Inteligencia Artificial se encuentra en rápida evolución. Eso incluye  todo el campo relativo al procesamiento del lenguaje natural y de la voz y alcanza de lleno, por tanto, al mundo de los agentes conversacionales, ya sean estos chatbots, voice bots, robots sociales o, en general, las diferentes formas de agentes que identificamos en el artículo 'Cinco tipos de agentes conversacionales'.

Nos preguntamos ahora cuáles son las principales áreas de trabajo, los principales retos a que se enfrentan hoy en día los científicos, técnicos y lingüistas que trabajan en este campo de los agentes conversacionales.

Al final de su libro 'Conversational AI. Dialogue systems, conversational agents and chatbots', el profesor Michael McTear identifica diez retos o direcciones de futuro para los sistemas dialógicos (sistemas de diálogo o agentes conversacionales).

Veámoslos muy brevemente.

1. Multimodalidad

La mayoría de los agentes conversacionales utilizan fundamentalmente dos modalidades: el texto y la voz. Sin embargo, la interacción persona-máquina puede involucrar otras modalidades como son el tacto, las imágenes o el vídeo.

En este empeño, se distingue entre lo que se denomina la fusión multimodal, es decir, el procesamiento de una entrada multimodal, y la fisión multimodal, que se ocupa de la salida multimodal

Algunas de las ventajas de esta multimodalidad son la flexibilidad, permitiendo al usuario elegir la forma de entrada que más le convenga y la reducción de errores y problemas asociados a la referencia anafórica, al disponer el agente de nuevas entradas, como el feedback visual, para la desambiguación. 

2. Diálogo visual

Se trata de la combinación de la visión artificial con la inteligencia artificial conversacional de forma que los agentes conversacionales puedan mantener un diálogo con los humanos sobre un contenido visual. Esto puede aportar mucho en áreas como la robótica o la ayuda a personas con limitaciones visuales.

3. Entrenamiento con datos escasos

Se trata de conseguir entrenar a sistemas o algoritmos conversacionales, muy demandantes habitualmente en datos, con unos datos escasos. Se experimenta con diferentes algoritmos y mecanismos, que incluyen el transfer learning pero buscan también otras alternativas.

4. Gráficos de conocimiento

Se trata de que los agentes conversacionales dispongan de conocimiento del mundo exterior, un conocimiento que no se limite, como sucede en muchas implementaciones actuales, a la información que han obtenido en conversaciones o interacciones previas.

Una forma de representar ese conocimiento es mediante árboles como el Google Knowledge Graph lanzado en 2012 y para el que el autor nos aporta el dato (seguramente ya superado) de que contiene 500.000 millones de hechos ('facts') sobre más de cinco mil millones de entidades.

5. Razonamiento y resolución de problemas colaborativos

Se trata de conseguir la colaboración entre el agente conversacional y otros agentes externos (incluyendo los humanos, claro) lo que implica que el agente sea capaz de razonar no sólo sobre sus propias acciones sino también sobra la de el o los agentes con que colabora.

6. Fenómenos en el discurso y el diálogo

McTear agrupa bajo este epígrafe una serie de elementos dispersos que afectan al diálogo y la conversación. 

Así nos habla, por ejemplo, de las problemáticas de referencia a objetos y entidades de diversas formas (co-referencia, referencia anafórica, etc)

También se refiere a problemáticas y retos como son la detección de cambios en la materia de la conversación, las conversaciones con múltiples intervinientes (no solo dos), procesado incremental (anticiparse a lo que el humano u otro agente va a decir) y al cambio de turnos en el diálogo.

7. Sistemas conversacionales híbridos

Se trataría enfoques que combinarían en la conversación las tres grandes formas actuales de implementar la estrategia de la conversación: basada en reglas, estadística y neuronal, tres formas a cuya explicación el autor ha dedicado gran parte de su libro en capítulos precedentes al abordaje de los retos y tendencias.

8. Diálogo con robots sociales

El diálogo en el caso de los robots sociales ofrece  algunas particularidades. Una de ellas, que ya mencionábamos en un artículo anterior, es que éstos son capaces de detectar y utilizar elementos de lenguaje no verbal como los gestos, la distancia o el movimiento.

Además, en el caso de los robots sociales, además de la interacción cara a cara (lo que denomina el micro entorno) se suele disponer de información procedente tanto de sus sensores como la accesible a través de internet, lo que constituye el macroentorno. 

9. Diálogo e Internet de las Cosas

Se trataría ahora de la incorporación de elementos conversacionales en más y más dispositivos interconectados mediante Internet de las Cosas. Estos elementos conversacionales proporcionan interfaces más naturales a esos dispositivos y, por cierto, formarían parte decisiva de lo que he llamado 'la explosión robótica'. 

10. Problemáticas sociales y éticas

Finalmente, se recogen las problemáticas de naturaleza social y ética como la adquisición de comportamientos inadecuados, los sesgos, la prevención de salidas ofensivas, el uso para extender noticias falsas, etc y también las posibilidades de su uso para el bien.

Conclusión

El campo de los agentes conversacionales, con mucho foco en el tratamiento del lenguaje, es un área apasionante dentro de la inteligencia artificial, tanto por sus grandes posibilidades de aplicación como porque, quizá, el lenguaje es una de las manifestaciones más tangibles de inteligencia.

Hay mucha investigación, experimentación e implantación en marcha y, seguro que, en los aspectos que menciona McTear, y en algunos otros, vamos a ver cosas sorprendentes y emocionantes en los próximos meses y años. 

Cinco tipos de agentes conversacionales

Cuando hablamos de agentes conversacionales, estamos utilizando un término más o menos genérico en el cual, normalmente, estamos pensando en chatbots y su variante con voz, los 'voicebots'.

Y no es mala aproximación práctica, pero en realidad, hay algo más.

Sobre agentes conversacionales

Sin pretender proporcionar una definición rigurosa ni académica, cuando hablamos de agentes conversacionales, estamos pensando en un tipo de entes artificiales que son capaces de mantener una conversación razonablemente natural con seres humanos.

Esta conversación puede ser llevada a cabo, y en los chatbots más tradicionales es así, mediante texto y algunos otros elementos propios de las interfaces de usuario más o menos tradicionales (menús, imágenes, 'emojis', etc), pero crecientemente se usa el puro lenguaje natural y, muy especialmente, la comunicación de 'viva voz'.

Con frecuencia, este tipo de agentes son robots software, tal y como detallo en mi libro 'Robots en la sombra' pero en algunos casos, como el de los altavoces inteligentes, tienen un soporte hardware más especializado.

Y como sustrato tecnológico de este tipo de soluciones, encontramos fuertes dosis de inteligencia artificial, muy especialmente del campo del procesamiento de lenguaje natural (NPL, 'Natural Language Processing') y del reconocimiento de voz (ASR, 'Automatic Speech Recognition').

Y, en ocasiones, las más avanzadas, también utilizan inteligencia artificial para la gestión de la conversación propiamente dicha o para detalles como el análisis de sentimiento.

Los tipos de sistemas dialógicos de Michael McTear

En realidad, esas habilidades conversacionales o dialógicas (capacidad de dialogar) se pueden, con la misma base tecnológica, embeber en una gran variedad de productos y soluciones finales lo que nos puede llevar a buscar algún tipo de identificación o clasificación de estos agentes conversacionales.

Leyendo el libro 'Conversational AI. Dialogue systems, conversational agents and chatbots' de Michael McTear me encuentro, precisamente, con una suerte de clasificación de ese tipo. Bien es cierto que, el propio autor declara que no pretende una verdadera clasificación sino, más bien, y con una perspectiva de evolución histórica, identificar líneas y comunidades de trabajo que han evolucionado de manera bastante paralela e independiente. Además, estrictamente hablando, él no usa en este caso el término agente conversacional ('conversational agent'), sino lo que he traducido como sistema dialógico ('dialogue system'), pero creo que no es erróneo usar ambos términos como sinónimos.

Pues bien, en esa especie de clasificación, McTear identifica cinco categorías o, más bien, etapas o comunidades:

• Sistemas dialógicos hablados y basados en texto: que recoge los primeros trabajos, realizados principalmente en laboratorios de universidades y empresas, y que son sistemas dialógicos frecuentemente textuales (a veces puro texto sin más 'adorno') pero también incluyendo diálogos mediante voz. En este apartado habría realizaciones incluso desde los años sesenta y setenta.


• Interfaces de usuario de voz: Sistemas basados en voz y con una vocación mucho más comercial que los anteriores (que estaban más centrados en la investigación), con unas capacidades de conversación bastante limitadas y orientadas a soporte telefónico o tareas muy rutinarias.


• Chatbots: Desde el mítico ELIZA hasta la actualidad, unos agentes con capacidades conversacionales más avanzadas y, sobre todo, naturales.


• Agentes conversacionales personificados (ECA, 'embodied conversational agents'): Estaríamos en este caso hablando de unos agentes que yo suelo denominar avatares y que lo que añaden, más que capacidades lingüísticas, es una representación visual humana realista, mediante animación por ordenador,  y que incluye elementos que apoyan la conversación como la expresión facial, gestos con las manos, etc que enriquecen la conversación con elementos no verbales.


• Robots sociales y agentes ubicados ('situated agents'): Se trata de robots físicos, normalmente de aspecto humanoide o zoomórfico, orientados a la interacción social con humanos y que, además de las capacidades de gestionar el lenguaje natural y la voz, añaden ahora posibilidades de reconocimiento del interlocutor y sus emociones y también del uso del lenguaje no verbal (gestos, movimiento, distancia) de una forma cada vez más similar a lo que haría un humano.

En conclusión

Ya se aprecia que, en realidad, lo que ofrece McTear no es exactamente una taxonomía de agentes conversacionales. Aún así, me ha resultado interesante en dos aspectos.

En primer lugar, me ha llamado la atención, y estoy plenamente de acuerdo, el que incluya ya a los robots sociales como un caso de agente conversacional.

En segundo, me resulta interesante constatar cómo, a las capacidades lingüísticas basadas en el lenguaje verbal con el soporte tecnológico del procesamiento del lenguaje natural y la voz, se une en el caso de los dos últimos grupos, avatares y robots sociales, el uso del lenguaje no verbal para lo cual se usa un cuerpo físico real, en el caso de los robots sociales y otro simulado o animado en el caso de los avatares. En cualquier caso, se intenta el enriquecimiento de la conversación mediante el lenguaje no verbal.

Por lo demás, creo que las capacidades conversacionales en todo tipo de agentes y dispositivos, se van a generalizar cada vez más, como parte de esa explosión robótica de la que ya he hablado con anterioridad y que quizá, quizá, en el futuro pueda ir perdiendo relevancia la idea del agente conversacional...porque casi todos los agentes lo serán.

Agentes conversacionales: ¿Para qué desarrollar sistemas que hablen?

En realidad, la pregunta es algo más amplia que la que el título indica.

En realidad, la pregunta no es sólo por qué construir agentes que sean capaces no sólo de hablar, sino también de escuchar. 

Y ni siquiera la pregunta se queda ahí. Aunque quizá el caso más interesante sea la conversación de viva voz, la pregunta abarca también el porqué, en general, construir máquinas, físicas o software, capaces mantener una conversación y diálogo más o menos natural y fluido con los humanos.

De las interfaces conversacionales a la 'Conversational AI' pasando por los chatbots

Hablamos de un gran número de dispositivos y soluciones como los chatbots, voicebots, smart speakers, robots sociales, y coches o aspiradoras que hablan, por mencionar algunos. 

Es difícil elegir un nombre. 

Refiriéndome sólo a las soluciones software, en mi primer libro, 'La carrera digital' decidí adoptar el término interfaz conversacional, bastante afortunado conceptualmente, pero no muy cercano al gran público. En mi segundo libro 'Robots en la sombra' opté por el término chatbots, corto y conocido, aunque en la mente de algunos lectores puede, incorrectamente, eliminar aquellos que utilizan la interfaz de voz. 

Últimamente, suelo utilizar mucho el término 'Conversational AI' porque es compacto, resalta el aspecto funcional (mantienen conversaciones) y tecnológico (los medianamente avanzados se basan en inteligencia artificial) y, quizá no tanto en Español, pero sí es muy utilizado en medios digitales internacionales.

En cualquier caso, las bases tecnológicas son las mismas y la pregunta, por qué construirlos, aplica probablemente a todos ellos: para qué, en definitiva, construimos agentes conversacionales, interfaces conversacionales, chatbots o como queramos denominarlos.

 

Tres razones para los agentes conversacionales

Estoy iniciando la lectura del libro 'Conversational AI. Dialogue systems, conversational agents and chatbots' del profesor emérito Michael McTear y, en el primer capítulo del libro, el autor se pregunta precisamente esto, por qué construir lo que el denomina 'dialogue systems' y que podríamos traducir como sistemas dialógicos o sistemas conversacionales, pero que no deja de ser otro nombre alternativo para lo mismo que decíamos más arriba.

Nomenclatura aparte, McTear identifica tres motivos para construir este tipo de sistemas conversacionales:

• Proporcionan una baja barrera de entrada para los usuarios, interactuando con ellos de forma natural y eliminando, por tanto, al menos en teoría, la necesidad de un conocimiento, aprendizaje o acostumbramiento por parte del usuario, quien interactúa de la misma forma que haría con un humano (un vendedor, un operador de contact center, etc)


• Desde un punto de vista de la ciencia cognitiva, permite modelar computacionalmente las competencias dialógicas humanos, pudiendo ser un medio para estudiar y entender el comportamiento humano y sus interacciones sociales


• Para simular el comportamiento conversacional humano de forma que puedan parecer humanos y, por ejemplo, pasar el 'test de Turing.

De las tres motivaciones aportadas, la única que está orientada a motivos comerciales o de negocio es la primera que, por cierto, en mi opinión, es fundamental, aunque no única, para explicar el auge, o al menos el porqué, de estos agentes conversacionales.

Me parece interesantísima la segunda, su uso para la investigación cognitiva, pero no creo que eso justifique, por sí solo, ni mucho menos, el auge de los agentes conversacionales, aunque sí me parece un excelente motivo para trabajar en ellos.

La tercera, me parece, sinceramente, anecdótica o, si se prefiere, una derivada secundaria de las anteriores

Y alguna razón más

Desde la visión más cercana al negocio o el uso comercial, quizá convendría apuntar algo más.

En mi libro 'Robots en la sombra', cuando hablo de los beneficios de los chatbots, destaco lo que se puede obtener de ellos como una forma de automatización de procesos (más bien de tareas): eficiencia, reducción de tiempos, escalabilidad, disponibilidad 7x24, etc. En realidad, estos beneficios están, de alguna forma, implícitos en el primer argumento de McTear puesto que se trata de beneficios que se derivan de cualquier automatización de la interfaz con personas (casi de cualquier automatización), siendo los chatbots una opción más de automatización que se elige, fundamentalmente, por esas bajas barreras de entrada para los usuarios.

Sin embargo, quisiera apuntar dos cosas.

En mi libro 'Robots en la sombra' aludo también al interés operativo y de negocio del autoservicio del usuario. De nuevo, el autoservicio se puede implementar de muchas formas, no necesariamente conversacionales, pero todo lo que ayude a facilitar la comprensión, a engrasar la interacción, a bajar en definitiva la barrera de entrada a ese autoservicio, favorece muchísimo su adopción y su éxito y más cuando hablamos de gran público, de servicios generalistas.

Igualmente, y aunque esto es más discutible, y lo será más conforme pase el tiempo y nos acostumbremos más y más a las interfaces conversacionales, un agente conversacional, especialmente si es por voz y más especialmente si va acompañado por un avatar avanzado, tiene capacidad para provocar el llamado 'efecto wow' y por tanto provocar una cierta diferenciación de marca, por pura experiencia de cliente, transmitiendo, además, una imagen moderna e innovadora.

Conclusión

Por estas, y quizá por alguna otra razón que no haya aparecido en este artículo, se construyen agentes conversacionales y, en mi opinión, es algo que no va a hacer otra cosa que crecer y generalizarse (y más a medida que se sigan perfeccionando los algoritmos de procesamiento de lenguaje natural). Y creo que estos agentes conversacionales, o estas capacidades conversacionales embebidas en todo tipo de dispositivos, serán elementos muy importantes de esa explosión robótica que vaticino y que ya he recogido en algún artículo anterior.

Los robots software según... Ignacio G.R. Gavilán

'Robots en la sombra' es un libro dedicado a los robots software, un concepto en el que el autor engloba lo que el subtítulo anuncia, a saber, 'RPA, robots conversacionales y otras formas de automatización cognitiva'. Quizá, el mayor foco se pone en la Automatización Robótica de Procesos (RPA por sus siglas en inglés). También tienen mucho peso los robots conversacionales, categoría que incluye los chatbots, los voicebots, los asistentes virtuales o los altavoces inteligentes y que el autor suele agrupar bajo el término general de chatbot por simplificación. El resto de formas robóticas se tratan ligeramente pero sin ocupar mucha extensión.

El tratamiento que se hace de los robots software es de mirada amplia, explicándolos desde una triple perspectiva:

• Funcional, es decir, explicando lo que son capaces de hacer.
• Tecnológica, aportando una explicación de las tecnologías que subyacen a estos robots.
• Empresarial, poniendo a los robots software en el contexto de la automatización de procesos y explicando sus implicaciones de gestión y en el negocio.

El libro se estructura en dieciséis capítulos agrupados en tres partes que se corresponden con las perspectivas antes indicadas.

• 'PARTE I: ENTENDIENDO LOS ROBOTS SOFTWARE:' Aporta la visión funcional y conceptual de los robots software e incluye cuatro capítulos:
  
  
  • '1. Los habitantes de las sombras: ¿Qué es un robot software?:' Pone en contexto la temática de los robots software intentando acotar primero el concepto de robot, revisando a continuación otro tipo de robots como los robots industriales o los vehículos robóticos, para finalizar con una explicación de lo que es un robot software.
  
  
  • '2. Robots en la oficina: Automatización Robótica de Procesos:' Un capítulo bastante extenso que explica lo que es la Automatización Robótica de Procesos (RPA) y qué capacidades podemos esperar de este tipo de soluciones. Además, ejemplifica el tipo de tareas y escenarios en que se emplea. Finalmente, cuenta cómo se enfoca el desarrollo y explotación de los robots y aporta algún concepto adicional como el de robot atendido o no atendido.
  
  
  • '3. Robots parlanchines: chatbots, voicebots y asistentes virtuales:' Trata de la otra gran categoría de robots objeto del libro: los robots conversacionales. Explica lo que es un chatbot entendido en sentido amplio, sus bloques funcionales y los elementos que componen una conversación así como escenarios típicos de aplicación.
  
  
  • '4. Otras especies robóticas:' Revisa otro tipo de robots como los financieros o los usados en medios sociales pero, sobre todo, explica el concepto de trabajador digital que el autor entiende como una convergencia de RPA y chatbots.


• 'PARTE II: LA TECNOLOGÍA QUE ANIMA A LOS ROBOTS:' Se centra en la visión tecnológica, desgranando cada una de las tecnologías en que se apoyan los robots software a lo largo de los siguientes siete capítulos:
  
  
  • '5. Aplicaciones en la chistera. Screen scraping, teclado y ratón:' Explica los mecanismos por los que los robots de tipo RPA interactúan con las interfaces de usuario de aplicacienes mediante la técnica del screen scraping para obtener información y cómo simular el comportamniento humano ante dispositivos de entrada como el teclado y el ratón.
  
  
  • '6. Papeleo robótico. Ineracción con ficheros y documentos:' Detalla cómo se manejan documentos y ficheros, principalmente en los robots RPA.
  
  
  • '7. Hasta las nubes y más allá: Computación en la nuve e integración' Tras aportar alguna idea básica sobre cloud computing y web services, se explica la forma en que los robots software pueden utilizar estas tecnologíaas para integrarse con otras solucuiones empresariales o para acceder a servicios en la nube, especialmente servicios con capacidades cognitivas.
  
  
  • '8. En el cerebro del robot. Inteligencia artificial y machine learning:' Un largo capítulo para explicar, primero, los conceptos básicos sobre algoritmos, inteligencia artificial y machine learning y para luego entrar en algo más de detalle en las redes neuronales y el 'deep learning.'
  
  
  • '9. ¿Cómo ven los robots? Visión artificial y OCR:' Un capítulo cortito donde, de una forma muy ligera, se explican ideas sobre visión artificial y reconocimiento óptico de caracteres (OCR) y cómo lo emplean los robots software para acceder a información.
  
  
  • '10. ¿Cómo hablan, escuchan y leen los robots? Lenguaje natural y tratamiento de la voz:' Otro capítulo sencillo que explica los rudimentos del procesamiento de lenguaje natural y de la voz y cómo esto se emplea para la comunicación con personas o el procesamiento de texto libre.
  
  
  • '11. A lo grande. Escalabilidad y seguridad:' Se abordan dos conceptos técnicos importantes para el despliegue masivo en entornos empresariales. Por un lado, se aportan conceptos de escalabilidad, es decir, como tener soluciones robustas para uso intensivo`en usuarios, datos y transacciones. Por otro, se revisan aspectos de ciberseguridad y cómo se enfocan en los robots software.


• 'PARTE III: EL NEGOCIO DE LOS ROBOTS:' Constituye la visión de negocio e incluso social, explicando cómo gestionar la robotización en la empresa y estudiando el impacto de los robots software en el negocio y en la sociedad. Y a ello dedica los últimos cinco capítulos:
  
  
  • '12. Los robots software en el contexto de la automatización:' Se pone a los robots software dentro de un mapa general de automatización de procesos de negocio. Primero se hace un repaso del concepto de proceso de negocio y se describe bastante detalladamente el mapa de soluciones existentes para su automatización, de las cuales los robots software son sólo una opción más. Se finaliza explicando, precisamente, cuál es el lugar de los robots software en ese mapa de automatización.
  
  
  • '13. Criterios de aplicación de robots software:' Se proponen una serie de criterios acerca de cuándo se deben aplicar, tanto los robots RPA como los robots conversacionales.
  
  
  • '14. En marcha: gestión de iniciativas de robotización:' Consiste en una explicación metodológica sobre la gestión de iniciativas de robotización enmarcadas en una gestión de procesos de negocio (BPM).
  
  
  • '15. Modelos de negocio robóticos:' Es una visión de carácter más estratégico explorando cómo puede afectar la robotización a los modelos de negocio. Primero se explica el concepto de modelo de negocio y su representación mediante el famoso 'business model canvas' y luego indica impactos de los robots en los distintos elementos de ese canvas para terminar explorando modelos de negocio basados en robots.
  
  
  • '16. Robots y sociedad:' Una visión final mas social y humanista y, en cierto sentido, más de opinión. Se trata la problemática del impacto en el empleo y la idea de la renta básica universal. También se habla de la eventual fiscalidad sobre los robots, posicionándose el autor en contra. Se trata asimismo el complejo asunto de las decisiones autónomas en los robots, la explicabilidad de esa decisiones y su impacto real en el caso de los robots software. Y se finaliza con unas breves consideraciones éticas.

Enmarcando todo lo anterior, el libro se abre con un prefacio titulado 'Una noche en la oficina' y cierra con un posfacio denominado 'Amanecer' que aportan una visión más ligera y levemente literaria mediante el desarrollo de una pequeña historia centrada en los robots software.

'Robots en la sombra' es, en resumen, una visión abarcadora del mundo de los robots software que, si bien aporta una base tecnológica clara, no está orientado tanto al mundo del desarrollo o la arquitectura técnica, sino a entender el fenómeno en su conjunto y emplearlo luego para la decisión empresarial o como un paso inicial de aprendizaje técnico.

 
Ignacio G.R. Gavilán

(Fuente: Elaboración propia)

Ignacio G.R. Gavilán

Ignacio G.R. Gavilán (Ignacio González de los Reyes-Gavilán) es asesor empresarial, profesor, escritor y conferenciante, especializado en innovación y transformación digital de procesos y modelos de negocio con especial foco en la automatización inteligente y la robotización de procesos.

Desde 2018 dirige su propia firma de asesoría y formación, Reingeniería Digital, especializada en la definición de planes de transformación digital de compañías y de mejora de procesos de negocio mediante la aplicación de tecnología digital. Además, es profesor y mentor de proyectos en EOI (Escuela de Organización Industrial) y colabora con otras instituciones como OBS (Online Business School) o UNIR (Universidad Internacional de La Rioja).

Ha publicado, hasta la fecha, dos libros: 'La Carrera Digital' (ExLibric, 2019) sobre transformación digital y 'Robots en la sombra' (Anaya Multimedia 2021) sobre robots software.

Ignacio es, ademas, fundador y líder del Foro de Humanismo Digital EOI y es, además, socio de OdiseIA (Observatorio del Impacto Social y Ético de la Inteligencia Artificial) donde ejerce el doble rol de ser Director de Operaciones y Director del Área de Relación Robots-Personas.

Anteriormente, entre 1992 y 2018, prestó servicios como mando en diversas unidades de Telefónica.

Allí estuvo más de doce años (1992 a 2005) en Telefónica Investigación y Desarrollo, donde tuvo responsabilidad en proyectos de desarrollo de sistemas de CRM, gestión de red, provisión y trouble ticketing de servicios de telecomunicación y donde participó activamente en el plan de innovación, trabajando en los ámbitos de historia clínica electrónica y soluciones de colaboración P2P desarrolladas con metodología agile.

Posteriormente, y encuadrado en Telefónica Soluciones de Informática y Comunicaciones (2005 a 2012), fue responsable del desarrollo de negocio y ejecución de proyectos y servicios para grandes clientes, fundamentalmente en el ámbito del puesto de trabajo digital y soluciones de conectividad LAN.

Desde 2012 a 2018, ya en Telefónica de España, coordinó los trabajos de la unidad de Operaciones y Red, tanto en el lanzamiento del servicio Movistar Fusión Empresas como, posteriormente, en una ambiciosa iniciativa de compañía en materia de reingeniería de procesos y sistemas.

Anteriormente a su ingreso en Telefónica, entre 1990 y 1992, prestó servicios en GADD S.A., donde participó en proyectos de desarrollo de sistemas de gestión documental y receta electrónica.

Ignacio G.R. Gavilán es ingeniero superior industrial por la Universidad de Oviedo, con especialidad en Electrónica y Automática. Tiene un Executive MBA en 2000 por IE Business School y mantiene las certificaciones PMP (Project Management Professional) en dirección de proyectos y OCEB2 (Object Management Group Certificate Expert in Business Process Management) en gestión de procesos de negocio.

Nació en Oviedo (Asturias), pero actualmente, y desde hace más de veinticinco años, reside en Madrid. Está casado y es padre de dos hijas.

Entre sus aficiones se cuentan la literatura y el deporte, habiendo sido practicante en su juventud del baloncesto, estando más enfocado en la actualidad a golf, pádel y sobre todo, y modestamente, al atletismo, formando parte del Club Corredores de Alcobendas (Madrid).

Ignacio es muy activo en medios sociales y le puedes encontrar en su página oficial (ignaciogavilan.com), en su blog Blue Chip (ignaciogavilan.com/blue-chip), Twitter (@igrgavilan) y YouTube.

Ficha técnica:

TITULO: Robots en la sombra: RPA, robots conversacionales y otras formas de automatización cognitiva

AUTOR: Ignacio G.R. Gavilán

EDITORIAL: Anaya Multimedia

AÑO: 2021 

ISBN: 978-8441543478
PAGINAS: 352

Artículos de este blog relacionados

• Nanomáquinas y el concepto de robot
• En este día del libro ¿Por qué no "Robots en la sombra"?
• Llegó el día: Hoy sale a la venta mi nuevo libro "Robots en la sombra"
• Mi nuevo libro: "Robots en la sombra"

En este día del libro ¿Por qué no "Robots en la sombra"?

Si, ya sé que es una proposición interesada. Ya sé que, como reza la famosísima frase lanzada al estrellato por Francisco Umbral, estoy hablando de mi libro. Pero precisamente por eso, porque es mi libro y mi obra, y porque, como amante de los libros, de ficción y de ensayo, de entretenimiento y profesionales, el día del libro es un día especial, no puedo dejar pasar este día para sugerirte que te hagas con "Robots en la sombra", mi último libro, y, sobre todo que lo leas y, ya que el día va también de eso, que lo regales.

Se trata de un libro, sí, de carácter profesional y aproximadamente técnico aunque toca aspectos de negocio e incluso éticos y sociales. Un libro que aborda la temática de los robots software con foco en la Automatización robótica de Procesos (RPA) y los robots conversacionales como chatbots, voicebots, agentes virtuales y altavoces inteligentes.

Un  libro en que he intentado que se entiendan muy bien las ideas expuestas, que se encuentren al alcance de cualquiera que se interese por la materia, aunque no atesore conocimientos previos y aunque no tenga un perfil técnico. 

Un libro, por tanto, que aunque en esencia es profesional, he procurado que tenga también un cierto carácter divulgativo.

Y por si te ayuda a hacerte una idea del contenido y por si, mejor aún, te anima a adquirirlo, aquí te dejo un breve vídeo que explica el contenido:

Y esta es mi proposición, una proposición interesada, claro, una proposición que habla de mi libro. Pero si, para mi desgracia, esta proposición no te convence, al menos no te olvides de que es el día del libro y no dejes de regalar un libro, regalar una rosa y, sobre todo, leer.

Llegó el día: Hoy sale a la venta mi nuevo libro "Robots en la sombra"

Ha llegado el día: hoy se pone a la venta mi nuevo libro, el segundo, titulado 'Robots en la sombra'.

Y, a diferencia del anterior, en esta ocasión, y gracias a haberlo publicado con una de las grandes editoriales de este país, Anaya Multimedia, mi libro podrá encontrarse en papel en las principales librerías, aparte de, por supuesto, en las habituales tiendas online. incluyendo, ni que decir, tiene, Amazon.

Espero que ese hecho contribuya a darle una distribución y llegada lo más amplia posible porque, aparte de mi innegable interés personal, creo que 'Robots en la sombre' llena un enorme hueco en la literatura técnica: la ausencia de bibliografía sobre RPA de suficiente amplitud y calidad. A lo cual se añade el hecho de que 'Robots en la sombra' es , con casi total seguridad, el primer libro sobre RPA en Castellano.

El tema del libro: los robots software

Hablo de que 'Robots en la sombra' es un libro sobre RPA (Automatización Robótica de Procesos) pero en realidad la temática es más amplia, abordando el campo de los robots software que también incluye, y como grandes protagonistas, los robots conversacionales (chatbots, voicebots, asistentes virtuales y altavoces inteligentes) junto con alguna otra 'especie robótica' de menor relevancia.

Micrositio

Para centralizar la información sobre el libro, he creado un micrositio dedicado al libro, aunque incrustado en mi página oficial, y al que puedes acceder mediante la dirección: robotsenlasombra.es.

Vídeo de lanzamiento

Y para celebrar el acontecimiento y de paso, por qué no decirlo, para intentar contribuir a su promoción, he elaborado este vídeo que, de una manera breve, en poco más de dos minutos, resume las principales ideas de la obra.

Índice

Finalmente, adjunto el índice, para que puedas hacer más idea del contenido pero, casi mejor: ¿Por qué no te animas a leerlo?

• PRÓLOGO
• INTRODUCCIÓN: Leer un libro y cerrar un círculo
• PREFACIO: Una noche en la oficina
• PARTE I: ENTENDIENDO LOS ROBOTS SOFTWARE
• Capítulo 1: Las habitantes de las sombras. ¿Qué es un robot software?
• Capítulo 2: Robots en la oficina. La Automatización Robótica de Procesos
• Capítulo 3: Robots parlanchines: chatbots, voicebots y asistentes virtuales
• Capítulo 4: Otras especies robóticas
• PARTE II: LA TECNOLOGÍA QUE ANIMA A LOS ROBOTS
• Capítulo 5: Aplicaciones en la chistera. Screen Scraping, teclado y ratón.
• Capítulo 6: Papeleo robótico: Interacción con documentos y ficheros
• Capítulo 7: Hasta las nubes y más allá: computación en la nube e integración.
• Capítulo 8: En el cerebro del robot: Inteligencia artificial y machine learning
• Capítulo 9: ¿Cómo ven los robots? Visión artificial y OCR.
• Capítulo 10: ¿Cómo hablan, escuchan y leen los robots? Lenguaje natural y tratamiento de la voz.
• Capítulo 11: A lo grande: escalabilidad y seguridad
• PARTE III: ROBOTS, NEGOCIO Y SOCIEDAD
• Capítulo 12: Los robots software en el contexto de la automatización
• Capítulo 13: Criterios de aplicación de robots software
• Capítulo 14: En marcha: Gestión de iniciativas de robotización
• Capítulo 15: Modelos de negocio robóticos
• Capítulo 16: Robots y sociedad.
• POSFACIO: Amanecer