La IA de atención al cliente representa a tu marca y exige un trabajo esencialmente distinto al de las herramientas internas.
La diferencia entre un agente funcional y uno convincente es más conceptual que técnica, porque la mayoría de los prompts se redactan como conjuntos de instrucciones, no como diseños de diálogo.
La lingüística y la psicología cognitiva ofrecen un enfoque mejor: las conversaciones tienen una estructura y los prompts crean un entorno de atención. Lo que pongas al principio, lo que repitas y cómo cierres determinarán de forma fiable el comportamiento del agente.
Las restricciones ayudan, pero solo cuando son precisas. Demasiados casos límite generan interacciones forzadas y prompts difíciles de manejar; reducir el número de decisiones permite centrarse en las más importantes.
Crear una IA conversacional de atención al cliente supone un reto abrumador para una empresa.
Incluso para quienes adoptan la tecnología con enorme rapidez, han integrado la colaboración con la IA en el trabajo de cada empleado y quizá hasta han desarrollado herramientas de IA a medida para uso interno, situar la IA en la interfaz entre la empresa y el mundo es algo muy distinto.
Y es un auténtico ascenso. Cuando la IA pasa a atender a los clientes, deja de ser una becaria laboriosa y se convierte en una empleada con el respaldo de la empresa: se pone el uniforme y representa a la marca ante los clientes.
Hay mucho en juego. Ahora, cada paso en falso es público y puede quedar registrado.
Los productos que creamos suelen ser sistemas multiagente con interacciones complejas en el ámbito empresarial. Sin embargo, esa lógica puede ser la parte más sencilla. El mayor reto es convencer a los usuarios de que hablan con un único agente en todo momento y de que merece la pena escuchar lo que tiene que decir.
Por eso escribimos y reescribimos prompts una y otra vez.
Algunos agentes son fruto de cientos de iteraciones de sus prompts. Todos tienen el mismo objetivo: ceñirse a la tarea y expresarse con una voz que conecte con las personas.
Nuestra experiencia al perfeccionar prompts nos ha llevado a buscar inspiración con creatividad. Hemos empezado a tomar ideas de otras disciplinas. Por supuesto, no todo ha funcionado y lo que sí lo ha hecho rara vez ha salido bien al primer intento. Como resultado de esta exploración, en nuestro equipo ha surgido un paradigma distinto para el prompting.
La distancia entre un agente que funciona de manera sistemática y otro brillante al conversar no es meramente técnica, sino conceptual. Es la distancia entre el mundo en el que has situado al agente mediante tu prompt y el mundo real de la comunicación humana en el que opera.
Este último se caracteriza por la ambigüedad, que las personas interpretan bien y que quienes se comunican de buena fe sortean de forma cooperativa mediante un conjunto de reglas discursivas sutiles y tácitas. Un agente mal preparado se reconoce enseguida.
Para mantener la cuarta pared, o la ilusión de Turing, podemos asentar a nuestros agentes en el arte del diálogo mediante aportaciones de la lingüística y la psicología cognitiva.
La lingüística cuenta con todo un conjunto de herramientas para estudiar el lenguaje en acción, incluido el análisis de la conversación, que examina cómo las personas estructuran y gestionan sus conversaciones momento a momento. Aplicado al prompting, este marco nos aporta un vocabulario para concebir la conversación no como un intercambio de palabras, sino de acciones.
Algunas acciones son prácticas, como obtener o proporcionar información; otras son sociales, como mantener la sintonía o evitar fricciones. Estos movimientos se producen dentro de la estructura general del diálogo y sus distintas fases, cada una con las acciones que se esperan de ella. Los diálogos tienen aperturas y cierres, pero también cambios de tema e incluso transiciones previas: esos momentos a veces incómodos en los que se propone sutilmente un nuevo rumbo, se negocia y se decide entre líneas.
Los malentendidos son constantes, incluso cuando todas las partes tienen las mejores intenciones. Aunque el dominio del diálogo varía de una persona a otra, la cuestión es que el LLM en el que se basa tu agente no viene de serie con la intuición que posee incluso una persona corriente al comunicarse.
Junto con el análisis lingüístico, la psicología cognitiva aporta una perspectiva complementaria. Nos explica cómo funcionan realmente la atención, la memoria y la toma de decisiones: qué importancia dan las personas a lo primero frente a lo último, cómo determinados desencadenantes generan conductas previsibles y cómo las restricciones pueden liberar al reducir la carga cognitiva.
Un prompt no es un contenedor neutro de instrucciones. Es un entorno de atención. Por tanto, lo que aparece al principio importa. Lo que aparece al final importa. Lo que se repite importa. Ante una lista, las personas suelen recordar mejor el principio y el final que la parte intermedia. Los psicólogos lo llaman efecto de posición serial: primacía y recencia.
En la práctica, observamos algo parecido con los LLM. Las primeras indicaciones establecen el marco: quién es el agente, qué papel desempeña y con qué clase de mundo espera encontrarse. Las indicaciones finales suelen funcionar como «lo último que oye». Si colocamos ahí las instrucciones más importantes, es más probable que se lleven a la práctica.
Además de pensar con cuidado dónde colocar cada instrucción dentro del prompt, debemos observar la forma general del límite que esas instrucciones crean para el agente.
Las instrucciones restringen al agente: reducen el número de posibilidades contrapuestas que debe resolver y acotan el espacio general del problema. Nuestros prompts deben incluir suficientes restricciones para que la tarea del agente resulte manejable.
Al dar instrucciones a empleados, especialmente a los menos experimentados, la psicología aconseja eliminar las ambigüedades de la tarea y reducir así al máximo la carga cognitiva. Aunque las restricciones puedan parecernos un freno a la libertad, tomar menos decisiones nos permite centrarnos en las pocas que siguen siendo importantes y aplicar la creatividad al actuar dentro de unos límites.
Por el contrario, intentar que nuestro agente no tenga que tomar ninguna decisión cubriendo todos los casos límite imaginables con listas de ejemplos de conducta es una buena forma de crear un interlocutor forzado, por no hablar de un prompt de Frankenstein inmanejable, lleno de condiciones, que resulta una pesadilla mantener.
(Prompts con pocos ejemplos, esto va por vosotros).
Un prompt bien delimitado orienta con suficiente claridad sin sobrecargar las instrucciones ni paralizar al agente. A menudo, esto implica introducir menos casos límite u objetivos para el agente, tanto respecto a qué decir o evitar como a la forma de hacerlo.
Según nuestra experiencia, si recurres a un ejemplo para ajustar el límite, ese límite no es lo bastante preciso. Vuelve a las instrucciones esenciales y perfecciónalas.
Desde la psicología cognitiva, hemos reflexionado sobre dónde colocar las distintas instrucciones de un prompt y sobre la cantidad y calidad necesarias para delimitar de forma óptima el espacio del problema del agente.
Si retomamos nuestras observaciones anteriores sobre el arte del diálogo desde la perspectiva lingüística, podemos completar nuestro paradigma de prompting al enmarcar las instrucciones orientadas al diálogo dentro de los límites generales de la tarea del agente.
En la IA de atención al cliente, el diálogo siempre es la metatarea, lo reconozcamos o no. Cuando decidimos abordar el diálogo de forma deliberada en nuestro prompt, dedicamos parte de la capacidad o «carga cognitiva» del agente a reconocer el diálogo y responder a él, lo que mejora su capacidad conversacional.
Sin embargo, esta contrapartida probablemente nos obligue a reducir el alcance de la tarea principal para que el espacio general del problema siga siendo manejable y esté bien delimitado.
Por tanto, para la IA de atención al cliente diseñamos de forma integral las condiciones que favorecen mejores diálogos y decisiones. Buscamos agentes más pequeños y bien delimitados, cuya tarea principal esté contextualizada dentro de la metatarea del diálogo o la incluya. No escribimos montones de instrucciones para después perfeccionarlas mediante ejemplos. Escribimos un conjunto más reducido de instrucciones pulidas y lo bastante precisas como para que los ejemplos resulten innecesarios.
Este es el paradigma de prompting que usamos para crear agentes que no solo se ciñen a la tarea, sino que además lo hacen con elegancia conversacional.
Una vez trazado el mapa conceptual, dedicaremos nuestra próxima entrada a cuestiones más prácticas. Analizaremos algunos patrones clave surgidos al aplicar estos principios a los prompts mediante ensayo y error en situaciones reales. Resulta interesante que los proveedores de modelos de vanguardia estén empezando a reflejar patrones similares en sus propias directrices de prompting. Más detalles en la próxima entrega.