En Colombia, Cari, el chatbot especializado en Procesamiento del Lenguaje Natural -PLN- se entrena constantemente para entender los dialectos de las diferentes regiones del país. Caleño, paisa y costeño son solo algunos de los dialectos en los que este asistente virtual puede atender pedidos verbales y escritos.
Y es que el creciente uso de asistentes virtuales como Alexa, Siri y la atención de chatbots en Whatsapp, Facebook y plataformas de servicio al cliente, han instalado la tecnología conversacional de los chatbots entre nosotros sin que siquiera nos demos por enterados.
Según datos de Juniper Research, se espera que la facturación asociada a los chatbots alcance los 112.000 millones de dólares en este 2023. Sin embargo, un desafío importante en el desarrollo de estos sistemas es cómo se manejan los regionalismos del idioma.
Los regionalismos son palabras, frases y expresiones comunes en una región específica que no necesariamente se utilizan en otras partes del mundo. Por ejemplo, en México se usa la palabra “chamba” para referirse al trabajo, mientras que en otras partes de América Latina se utiliza “trabajo” o “empleo”. En el desarrollo de un chatbot, es importante tener en cuenta estas diferencias lingüísticas para asegurar que el sistema pueda entender y responder adecuadamente a los usuarios.
Para la gerente comercial de Cari AI, Angela Espitia, entender la diversidad del lenguaje es un tema de la mayor relevancia. Y es que entre más se desarrollan los servicios de los chatbots los servicios básicos, como seleccionar sí o no o marque uno para esto y dos para aquello, empiezan a ser parte del pasado.
Te puede interesar: El primer restaurante de Bogotá atendido por meseros robots
“El lenguaje humano es muy nutrido y además es diverso y depende de las regiones y no solamente del país sino inclusive de donde esa persona esté ubicada. Los motores de procesamiento de lenguaje natural tienen que entrenarse y tienen que prepararse para entender esos regionalismos de lo contrario lo que puede pasar es que se sesgue el entendimiento a una población en específico y que ese grupo comience a frustrarse con la comunicación” comentan desde Cari.
“Por ejemplo los algoritmos de Cari AI entienden cosas muy particulares, por ejemplo, de las regiones; en la costa podría alguien decirle al chatbot “¡eche! esto no me gusta” y chatbot debe entender que eche no es eche del verbo echar, entonces yo puedo decirle a mi modelo, cuando la persona diga “¡eche! Esto no me gusta” que entienda que lo que está diciendo es “No me gusta” y que desprecie el “eche”.
Para manejar los regionalismos, las empresas pueden utilizar diversas técnicas. Por ejemplo, la programación de reglas específicas para cada región es una forma efectiva de asegurar que el sistema entienda los términos regionales. “En el caso de Cari tenemos expertos trabajando en nuestros propios modelos, los cuales llevan ya rato aprendiendo en Colombia, entonces para ellos es mucho más fácil adaptar esos modelos a esas particularidades de las regiones y a la riqueza del lenguaje del país”.
Imagen: Cari
