PolyAI presenta a Wren, un agente de programación para sistemas de diálogo

PolyAI tiene como objetivo hacer que la IA de voz con capacidad de acción sea más parecida a la humana que nunca. Crédito: Getty

Matt Henderson, vicepresidente de Investigación de PolyAI, explica cómo Wren, un agente de programación autónomo, optimiza los agentes de diálogo empresariales para mejorar el servicio al cliente

Durante años, los centros de atención al cliente de las empresas han dependido de los antiguos sistemas de respuesta de voz interactiva (IVR).

Estas plataformas obligan a los clientes a navegar por menús rígidos y anidados que, con frecuencia, no se ajustan a la intención real del cliente, lo que da lugar a altas tasas de abandono y a una profunda frustración por parte de los consumidores.

Aunque la primera ola de IA ofreció una mejora marginal a través de chatbots basados en texto y modelos de voz en cascada, estas soluciones carecían fundamentalmente de la percepción acústica necesaria para gestionar el flujo natural de la conversación humana, incluidas las interrupciones, las vacilaciones y el ruido de fondo.

La solución es PolyAI, una empresa de IA surgida del Laboratorio de Inteligencia Artificial de la Universidad de Cambridge en 2017.

Respaldada por más de 120 millones de dólares estadounidenses en financiación procedente de grandes inversores, la empresa ha sido pionera en el desarrollo de sistemas conversacionales nativos de audio diseñados para gestionar interacciones empresariales complejas y de alto riesgo.

Sin embargo, la ambición de la empresa no se detiene ahí. Mientras que la mayoría imaginaría a los humanos como los únicos capaces de mejorar la IA agentiva, PolyAI piensa más allá de lo convencional con Wren, un agente de programación que analiza cada conversación de los agentes y las mejora de forma proactiva, lo que se traduce en enormes beneficios para las empresas.

PolyAI: Cifras de crecimiento

• Valoración estimada de 500 millones de dólares
• Ha recaudado más de 200 millones de dólares en financiación total
• Fundada en 2017 en Londres
• 86 millones de dólares recaudados en la ronda de financiación de la Serie D

Escuchar la conversación: el cambio hacia el audio nativo

Antes de que una IA pueda mejorar de forma autónoma una plataforma de atención al cliente, debe ser capaz, en primer lugar, de comprender realmente a la persona que llama.

El estándar del sector para la IA de voz ha sido históricamente una arquitectura en cascada: un motor de reconocimiento automático del habla (ASR) transcribe el habla a texto, un modelo de lenguaje grande (LLM) genera una respuesta de texto y un motor de conversión de texto a voz (TTS) sintetiza el audio.

Sin embargo, este método elimina el contexto emocional y acústico de la llamada, descartando pistas fundamentales antes incluso de que el LLM procese la entrada.

Para superar este audio sintetizado y carente de vida, PolyAI ha creado Dialog-RSN-1, un modelo de diálogo de vanguardia que percibe y razona directamente a partir de entradas de audio sin procesar.

Dialog-RSN-1 combina la alternancia de turnos, el reconocimiento de voz y la generación de respuestas en un único LLM sensible al audio, y es capaz de captar las vacilaciones de la persona que llama, detectar la frustración y gestionar las interrupciones tal y como lo haría un agente humano.

Matt Henderson, vicepresidente de Investigación de PolyAI, afirma en un blog: «Para las empresas que utilizan PolyAI, esto se traduce en agentes de diálogo que escuchan y gestionan una llamada tal y como lo haría un excelente agente humano: captando las vacilaciones, percibiendo la frustración antes de que se agrave y sabiendo exactamente cuándo intervenir».

Lo que distingue a este modelo es que limita la percepción del audio al lado de la entrada. En su lugar, utiliza un sistema TTS independiente para la generación, lo que permite a las empresas mantener un control estricto sobre la voz de la marca y las normas de cumplimiento, al tiempo que se consigue una latencia de respuesta inferior a 300 milisegundos.

Matt Henderson, vicepresidente de Investigación de PolyAI, afirma que los agentes de diálogo escuchan y gestionan una llamada tal y como lo haría un agente humano excelente. Crédito: matthen.com

Wren: el agente detrás de los agentes

Aunque la implementación de un agente de voz nativo de audio y altamente capaz resuelve los problemas inmediatos de la interacción con el cliente, el agente no puede simplemente implementarse y olvidarse de él. De hecho, el reto a largo plazo para las empresas radica en el mantenimiento y la optimización.

Históricamente, perfeccionar un agente de IA requería que equipos de ingeniería humanos especializados revisaran manualmente una pequeña muestra de registros de llamadas, identificaran casos extremos y programaran nuevas rutas de conversación. Sin embargo, esto resulta laborioso y costoso para la empresa moderna.

Aquí entra en escena Wren, el agente de programación de PolyAI integrado de forma nativa en su plataforma Agentic Dialog. Funcionando como lo que PolyAI describe como «el agente detrás de tus agentes», Wren supervisa, perfecciona y optimiza de forma autónoma y continua los agentes de diálogo que interactúan con los clientes.

A diferencia de las herramientas de análisis tradicionales, que se basan en resúmenes de alto nivel o en pequeñas muestras, Wren analiza el 100 % de las interacciones en tiempo real con los clientes en todos los canales.

Wren opera mediante dos procesos de optimización paralelos: principalmente, la autorreparación y la superación continua.

Arkadiusz Kwapiszewski, responsable de Agent OS en PolyAI, explica la autorreparación y la superación. Crédito: LinkedIn

Arkadiusz Kwapiszewski, responsable de Agent OS en PolyAI, explica: «La autorreparación detecta lo que falla en tu agente y lo repara, mientras que la automejora identifica aquellos aspectos que ya funcionan pero que podrían funcionar mejor, según las métricas que más te importen».

«Tú decides las métricas y Wren buscará oportunidades para mejorarlas. Además, el impacto se puede validar mediante las capacidades de pruebas A/B de la plataforma Agentic Dialog.

«En primer lugar, lleva a cabo la “autorreparación”, identificando automáticamente errores, integraciones defectuosas o frustraciones de los clientes y generando el código necesario para solucionarlos.

«En segundo lugar, persigue la “automejora” basada en los KPI. Wren busca de forma proactiva oportunidades para optimizar las interacciones en función de métricas empresariales clave, como la satisfacción del cliente (CSAT), las tasas de contención de llamadas y las conversiones de reservas».

La «autocorrección» detecta lo que falla en tu agente y lo repara, mientras que la «automejora» identifica aquellos aspectos que ya funcionan, pero que podrían funcionar mejor

. Arkadiusz Kwapiszewski, responsable de Agent OS en PolyAI

Principales inversores de PolyAI

• NVIDIA: NVIDIA aporta algo más que apoyo financiero. También proporciona la infraestructura de hardware esencial que permite a PolyAI procesar la conversión de voz a texto, la comprensión de la intención y la generación de voz a partir de texto en tan solo milisegundos.
• Khosla Ventures: Esta empresa de capital riesgo ha sido un firme valedor de PolyAI desde sus primeras rondas de financiación. Khosla Ventures se centra en empresas tecnológicas en fase inicial que tienen el potencial de generar un impacto social y económico enorme.
• Hedosophia: Hedosophia, que opera como empresa de inversión global, lideró la ronda de financiación de la Serie C de PolyAI, por valor de 50 millones de dólares, y colideró la posterior ronda de la Serie D, de 86 millones de dólares. El apoyo financiero continuado de Hedosophia ha permitido a PolyAI ampliar su implantación en los sectores de la hostelería, el comercio minorista y los servicios financieros.