1
¿Pueden los chatbots de inteligencia artificial facilitar tus compras navideñas?
Amazon, Mercado Libre y otras tiendas incorporan chatbots de inteligencia artificial generativa para aconsejar a los posibles compradores, pero la tecnología todavía tiene sus limitaciones
8 minutos de lectura'
LA NACION
¿Cansado de pensar qué regalarle a todos este año? Los chatbots de inteligencia artificial podrían ayudar, pero no espere que hagan todo el trabajo o siempre le den las respuestas correctas.
Quienes buscan en internet ofertas probablemente se encontrarán con iteraciones más conversacionales de los chatbots que algunas tiendas minoristas y sitios de comercio electrónico han desarrollado para proporcionar a los compradores un servicio al cliente mejorado.
Algunas empresas han integrado modelos que contienen nuevas tecnologías de IA generativa, permitiendo a los compradores buscar consejos haciendo preguntas de manera natural como: “¿Cuál es el mejor parlante inalámbrico?”
Comprar con ayuda de una IA
Los minoristas esperan que los consumidores usen estos chatbots, que generalmente se llaman asistentes de compras, como compañeros virtuales que les ayuden a descubrir o comparar productos. Anteriormente, los chatbots se utilizaban principalmente para funciones orientadas a tareas como ayudar a los clientes a rastrear pedidos en línea o devolver aquellos que no cumplían con las expectativas.
Amazon, el rey del comercio electrónico, ha dicho que sus clientes han estado preguntando a Rufus, el asistente de compras basado en IA generativa que lanzó este año, por información como si una cafetera específica es fácil de limpiar, o qué recomendaciones tiene para un juego de jardín para la fiesta de cumpleaños de un niño.
Y Rufus, que está disponible para los compradores de la temporada navideña en Estados Unidos y algunos otros países, no es el único asistente de compras que existe. Un número selecto de compradores de Walmart tendrá acceso este año a un chatbot similar que el mayor minorista del territorio estadounidense está probando en algunas categorías de productos, incluyendo juguetes y electrónica.
Perplexity AI agregó algo nuevo al mundo de las compras con chat de IA el mes pasado al lanzar una función en su motor de búsqueda basado en IA que permite a los usuarios hacer una pregunta como: “¿Cuáles son las mejores botas de cuero para mujer?”, y luego recibir resultados de productos específicos que la compañía con sede en San Francisco dice que no están patrocinados. “Ha sido adoptado a una escala bastante increíble”, dijo Mike Mallazzo, analista y escritor en la compañía de medios de investigación minorista Future Commerce.
Mercado Libre, mientras tanto, incorporó la IA como herramienta para acelerar las repuestas a las preguntas de posibles compradores en el chat de una publicación: el sistema responde en función del texto de la publicación, sin que el posible cliente deba esperar a que su pregunta sea vista por una persona.
Los minoristas con sitios web y las empresas de comercio electrónico comenzaron a prestar más atención a los chatbots cuando el uso de ChatGPT, un chatbot de texto de inteligencia artificial creado por la compañía OpenAI, se generalizó a finales de 2022, despertando el interés público y empresarial en la tecnología de IA generativa que alimenta la herramienta.
Victoria’s Secret, IKEA, Instacart y el minorista canadiense Ssense están entre otras compañías que experimentan con chatbots, algunos de los cuales utilizan tecnología de OpenAI.
Incluso antes de los chatbots mejorados, los minoristas en línea estaban creando recomendaciones de productos basadas en compras anteriores o historial de búsqueda de un cliente. Amazon estaba a la vanguardia de tener recomendaciones en su plataforma, por lo que la capacidad de Rufus para proporcionar algunas no es particularmente innovadora.
Pero Rajiv Mehta, vicepresidente de búsqueda y compras conversacionales en Amazon, dijo que la compañía ahora puede ofrecer recomendaciones más útiles programando a Rufus para que haga preguntas aclaratorias o de seguimiento. Los clientes también están usando a Rufus para buscar ofertas, algunas de las cuales son personalizadas, dijo Mehta.
Las recomendaciones tienen limitaciones
Sin embargo, los chatbots son propensos a alucinaciones, por lo que Rufus y la mayoría de las herramientas como él pueden equivocarse.
Juozas Kaziukenas, fundador de la empresa de inteligencia de comercio electrónico Marketplace Pulse, escribió en una publicación de blog de noviembre que su firma probó a Rufus solicitando recomendaciones de televisores para videojuegos. La respuesta del chatbot incluyó productos que no eran televisores. Cuando se le pidió las opciones más económicas, Rufus regresó con sugerencias que no eran las más baratas, dijo Kaziukenas.
Un periodista de The Associated Press recientemente pidió a Rufus que le diera algunas recomendaciones de regalos para un hermano. El chatbot rápidamente escupió algunas ideas para “regalos pensativos”, que iban desde una camiseta y un llavero con dijes hasta una sugerencia más audaz: un cuchillo multifuncional grabado con la frase: “Mejor hermano del mundo”.
Después de una conversación escrita de 5 minutos, Rufus ofreció sugerencias más personalizadas: algunas camisetas de fútbol del Barcelona ofrecidas por vendedores externos. Pero no pudo decir cuál vendedor ofrecía el precio más bajo. Cuando se le preguntó durante otra búsqueda una comparación de precios en un suero para la piel popular, Rufus mostró el precio del producto antes del descuento en lugar de su precio actual.
“Rufus está aprendiendo constantemente”, dijo Mehta de Amazon durante una entrevista.
Shop AI, un chatbot que la compañía canadiense de comercio electrónico Shopify lanzó el año pasado, también puede ayudar a los compradores a descubrir nuevos productos haciendo sus propias preguntas, como solicitar detalles sobre un destinatario de regalo previsto o características que el comprador quiere evitar. Sin embargo, Shop AI tiene problemas para recomendar productos específicos o identificar el artículo de menor precio en una categoría de producto.
Las limitaciones muestran que la tecnología aún está en sus primeras fases y tiene un largo camino por recorrer para que logre ser tan útil como la industria minorista, y muchos compradores, desean que pudiera ser.
Para transformar verdaderamente la experiencia de compra, los asistentes de compras “necesitarán ser profundamente personalizados” y ser capaces, por sí mismos, de recordar el historial de pedidos de un cliente, las preferencias de productos y los hábitos de compra, dijo la consultora McKinsey & Company en un informe de agosto.
Amazon ha señalado que las respuestas de Rufus están basadas en información contenida en listados de productos, preguntas y respuestas de la comunidad y reseñas de clientes, lo que incluiría las reseñas falsas que se utilizan para aumentar o disminuir las ventas de productos en su mercado.
El gran modelo de lenguaje que alimenta al chatbot también fue entrenado en todo el catálogo de la compañía y en alguna información pública en la web, escribió Trishul Chilimbi, un vicepresidente de Amazon que supervisa la investigación de IA, en la revista de ingeniería eléctrica IEEE Spectrum en octubre.
Pero no está claro cómo Amazon y otras compañías están sopesando diferentes componentes de entrenamiento, como las reseñas, en sus recomendaciones, o cómo exactamente los asistentes de compras llegan a ellas, según Nicole Greene, analista de la firma de consultoría de gestión Gartner.
La nueva función de compras de Perplexity AI permite a los usuarios ingresar consultas de búsqueda como “mejor funda para teléfono” y recibir respuestas derivadas de diversas fuentes, incluyendo Amazon y otros minoristas, como Best Buy. Perplexity también invitó a los minoristas a compartir datos sobre sus productos y dijo que aquellos que lo hicieran tendrían una mayor posibilidad de que sus artículos fueran recomendados a los compradores.
Pero el director general de Perplexity, Aravind Srinivas, sugirió en una entrevista reciente con la revista Fortune que no sabía cómo la nueva función de compras recomendaba productos a los clientes. Pero en una entrevista con la AP, el director de negocios Dmitry Shevelenko contradijo esa caracterización, diciendo que el comentario de Srinivas “probablemente fue sacado de contexto”.
El contexto, dijo, es que con la tecnología de IA generativa “no puedes saber de antemano exactamente cuál será la salida, solo basándote en saber cuáles son las entradas” de los materiales de entrenamiento.
Shevelenko dijo que los minoristas y las marcas necesitan saber que no pueden tener sus productos recomendados en el motor de búsqueda de Perplexity porque están “introduciendo palabras clave” en sus sitios web o utilizando diferentes técnicas para aparecer mejor en los resultados de búsqueda.
“La forma en que apareces en una respuesta es teniendo un mejor producto y mejores características”, dijo.
El viernes se refirió a esto el eslovaco Andrej Karpathy, un experto en el tema: es uno de los miembros fundadores de OpenAI (la compañía que desarrolla ChatGPT y que inició la revolución actual en inteligencia artificial generativa hace dos años) y durante un lustro fue el director de inteligencia artificial de Tesla. En una publicación en X explicó que “la gente tiene una idea demasiado exagerada de lo que significa “preguntarle algo a una IA”. Las IA son modelos de lenguaje entrenados básicamente por imitación de datos de etiquetadores humanos. En lugar del misticismo de “preguntarle a una IA”, piense más bien en “preguntarle a un etiquetador de datos promedio” en Internet. Se aplican pocas advertencias porque, por ejemplo, en muchos dominios (por ejemplo, código, matemáticas, escritura creativa) las empresas contratan etiquetadores de datos capacitados (así que piense en ello como si se lo estuviera preguntando a ellos), y esto no es 100% cierto cuando está involucrado el aprendizaje de refuerzo”, sostiene Karpathy.
“Pero, en términos generales (y hoy en día), no le estás preguntando a una IA mágica -insistió-, sino a un etiquetador de datos humano, cuya esencia promedio se destiló con pérdida en mezcladores de tokens estadísticos que son LLM. Por supuesto, esto todavía puede ser muy útil.”
Con información de AP
LA NACION
