Cuando los usuarios se comunican con Chatbots o asistentes de voz en diálogos basados en lenguaje natural, se utilizan técnicas avanzadas de inteligencia artificial en segundo plano. Este es el campo de la disciplina cada vez más importante de IA conversacional.
La IA conversacional se basa en la presencia de datos completos y bien estructurados que se modelan (en su mayoría) en forma de gráficos de conocimiento. Si desea implementar un chatbot o asistente de voz como organización, surge la siguiente pregunta: ¿Cómo se pueden y se deben estructurar y preparar los datos existentes (por ejemplo, contenido en el sitio web, base de datos de conocimiento interna, documentación de servicio al cliente), para que puedan ser utilizado fácil y rápidamente por AI conversacional?
Probablemente el mejor marco para esto son las definiciones y esquemas de schema.org.
Schema.org es actualmente el cuasi estándar para la anotación de archivos HTML con información semántica. En 2011, schema.org fue lanzado como una iniciativa común por los principales motores de búsqueda Google, Bing, Yahoo y Yandex (motor de búsqueda líder en Rusia).
En ese momento, el objetivo era crear un estándar común que permita la anotación de archivos HTML con información que facilite la lectura de las máquinas (de búsqueda).
Sobre todo, es la gestión de leads de Google la que ha conseguido que un gran número de empresas ya se hayan sumado a la estructuración de sus datos de acuerdo con los requisitos de schema.org.
Las empresas eligen estructurar los datos de acuerdo con schema.org porque quieren que Google logre mejores clasificaciones para sus páginas. Actualmente, el futuro de la IA conversacional y la búsqueda por voz apenas se incluye en este cálculo, pero con schema.org está comenzando con el pie derecho.
Estamos convencidos de eso. ¿Por qué? Debido al alto nivel de aceptación y uso generalizado de las pautas de schema.org en la web actual, así como al dominio de Google como motor de búsqueda y con su asistentes de voz las Asistente de Google, sugieren este desarrollo.
Google indexa el contenido web estructurado de acuerdo con schema.org para optimizar la respuesta a las consultas de búsqueda de los usuarios. Al mismo tiempo, Google también alimenta su propio Gráfico de conocimiento, que es la base para responder consultas de voz utilizando el Asistente de Google.
El cambio cada vez mayor de la búsqueda basada en texto a la búsqueda por voz (búsqueda por voz) aumenta la importancia de la IA conversacional. Sin embargo, la IA conversacional requiere datos claramente estructurados para proporcionar respuestas relevantes basadas en el lenguaje natural o para poder realizar las acciones deseadas.
Empresas que quieren ser encontradas en los próximos Primera era de Voice debe proporcionar sus datos y contenido de forma estructurada. Seguir las pautas de schema.org es la preparación óptima para esto.
Muchas empresas ya han preparado su contenido web, al menos parcialmente, de acuerdo con schema.org. Una gran ventaja es que esto ya permite una mejor clasificación de Google. Esto es ventajoso en el contexto de la IA conversacional porque estos datos simplifican el desarrollo de chatbots y asistentes de voz.
En cooperación con un experto especializado como onlim, La base para los asistentes operados por la IA conversacional se puede colocar en un Conocimiento Gráfico modelando los datos, generalmente con simples adiciones o enriquecimientos.
Por cierto, puedes aprender más sobre Onlim's Tecnología Knowledge Graph haga clic aquí
1. AI conversacional: código / sin código
2. Chatbots 2.0: simplificando el servicio al cliente con RPA y AI
Algunas empresas aún no han estructurado el contenido web. En este caso, la implementación de schema.org debe iniciarse de inmediato. Porque, como siempre aconsejamos a nuestros clientes, se pueden matar dos (o más) pájaros de un tiro.
Primero, optimiza su sitio web para motores de búsqueda como Google y Bing. La estructura según schema.org ya tiene sentido como medida pura de SEO. La inclusión de estos datos en un gráfico de conocimiento en el siguiente paso permite desarrollar todo el potencial de la IA conversacional.
Por cierto, si desea obtener más información sobre el papel de los gráficos de conocimiento para la IA conversacional, lo invitamos a consultar nuestro documento técnico.
Aquí en Onlim Decidimos utilizar también schema.org como marco para estructurar datos. Decidimos hacer esto por varias razones, siempre considerando qué decisión sería la más beneficiosa para nuestros clientes a largo plazo.
Podemos acceder o utilizar inmediatamente la abundancia de datos existentes estructurados de acuerdo con schema.org en la web. Dependiendo de la aplicación, ampliamos y complementamos los datos ya estructurados para nuestros clientes.
Recopilamos datos estructurados, los agregamos y los conectamos o enriquecemos y los usamos para crear los datos de entrenamiento para la IA conversacional en forma de Gráfico de conocimiento.
Esto se puede ilustrar brevemente con el ejemplo de un hotel: si un usuario pregunta "¿Este hotel está abierto?" Se reconoce la intención de preguntar sobre los horarios de apertura del hotel. En consecuencia, un chatbot o asistente de voz puede acceder al horario de apertura actual de ese día y ofrecerlo como respuesta.
Al mismo tiempo, también podemos ofrecer a nuestros clientes publicar o poner a disposición datos estructurados a través de nuestro Gráfico de conocimiento. Los clientes pueden integrar estos datos en su sitio web y así mejorar su clasificación en los motores de búsqueda.
Además, las empresas podrían integrar fácilmente datos externos en su propio ecosistema en schema.org. Por ejemplo, los organizadores de eventos pueden mostrar la discografía de un artista escénico con solo unos pocos clics. A cambio, también será más fácil conseguir que sus propios productos se integren en el sitio web de otras empresas.
Estamos convencidos de que los gráficos de conocimiento son la mejor forma de modelar datos para la IA conversacional. Schema.org es prácticamente un consenso de la industria y, cuando es necesario, ampliamos el esquema dado.
Relacionado: Uso de gráficos de conocimiento para optimizar las conversaciones de chatbot
Otros proveedores están siguiendo sus propios enfoques para su IA conversacional que no se basan en gráficos de conocimiento. Y aunque aún pueden tener éxito, estos enfoques están asociados con limitaciones masivas.
Por supuesto, también los datos que no están estructurados de acuerdo con schema.org pueden ser leídos y utilizados parcialmente por los motores de búsqueda y, en consecuencia, por la IA conversacional, pero solo parcialmente. El problema real de las soluciones individuales se hace visible a más tardar cuando se va a realizar la integración de fuentes de datos externas.
Por ejemplo, cuando se deben agregar nuevas consultas o acciones durante la expansión de un chatbot. En ausencia de normas y definiciones comunes, pueden resultar necesarios ajustes y transferencias dolorosos.
Consideramos que las soluciones o esquemas individuales son una solución razonable siempre que, debido a las características específicas de la aplicación, una estructura personalizada resulta ser una base de datos superior en comparación con la estructura genérica de schema.org.
En todos los demás casos, sin embargo, siempre recomendamos a las empresas que confíen en schema.org cuando anoten contenido web con información semántica. Esto se debe en parte a las causas descritas anteriormente y a que las pautas de schema.org serán aún más importantes en el futuro de la búsqueda por voz.
Relacionado: Supere el problema del descubrimiento de voz: estrategias para un futuro en el que la voz sea lo primero
de los propietarios de dispositivos con controles de voz dicen que ya los usan semanalmente, la búsqueda por voz es el futuro de la búsqueda. Por lo tanto, esperamos que schema.org amplíe sus clases y vocabulario específicamente para la búsqueda por voz en el futuro.
Pueden seguir descripciones de acciones basadas en comandos de voz, como búsquedas, respuestas, programación y órdenes. Las consultas de API, como el estado de envío de paquetes en los servicios de entrega, también se podrían anotar pronto. Las anotaciones para las respuestas pueden ser útiles para que las respuestas sean más significativas en el futuro.
Un esquema de multilingüismo sería útil para garantizar la pronunciación correcta de un asistente de voz. Por ejemplo, en el sentido "Esta palabra se pronuncia igual en inglés y alemán, pero debe pronunciarse de manera diferente en francés".
Haga clic para enviar un tweet: ¡Prepare los datos internos de su empresa para la IA conversacional con Schema.org!