Asistente virtual

Radio Rex fue el primer juguete activado por voz, patentado en 1916 ^{[ 7 ]} y lanzado en 1922. ^{[ 8 ]} Era un juguete de madera con forma de perro que salía de su casa cuando se le llamaba por su nombre.

En 1952, Bell Labs presentó "Audrey", la máquina de reconocimiento automático de dígitos. Ocupaba un bastidor de relés de casi dos metros de altura, consumía mucha energía, tenía un sinfín de cables y presentaba los innumerables problemas de mantenimiento asociados a los complejos circuitos de tubos de vacío. Podía reconocer las unidades fundamentales del habla: los fonemas. Su reconocimiento se limitaba a los dígitos pronunciados por los interlocutores designados. Por lo tanto, podía utilizarse para la marcación por voz, pero en la mayoría de los casos, la marcación mediante botones era más barata y rápida que dictar los dígitos consecutivos. ^{[ 9 ]}

Otra de las primeras herramientas capaces de realizar reconocimiento de voz digital fue la calculadora activada por voz IBM Shoebox , presentada al público general durante la Feria Mundial de Seattle de 1962, tras su lanzamiento inicial al mercado en 1961. Este ordenador primitivo, desarrollado casi 20 años antes de la introducción del primer ordenador personal de IBM en 1981, era capaz de reconocer 16 palabras habladas y los dígitos del 0 al 9.

El primer programa informático de procesamiento del lenguaje natural, o chatbot, ELIZA, fue desarrollado por el profesor del MIT Joseph Weizenbaum en la década de 1960. Fue creado para "demostrar que la comunicación entre el hombre y la máquina era superficial". ^{[ 10 ]} ELIZA utilizaba la metodología de coincidencia y sustitución de patrones en respuestas predefinidas para simular una conversación, lo que creaba la ilusión de comprensión por parte del programa.

Según se informa, la propia secretaria de Weizenbaum le pidió que saliera de la habitación para que ella y ELIZA pudieran tener una conversación real. Weizenbaum se sorprendió por esto y más tarde escribió: «No me había dado cuenta... de que exposiciones extremadamente breves a un programa informático relativamente simple pudieran inducir pensamientos delirantes poderosos en personas completamente normales. ^{[ 11 ]}

Esto dio nombre al efecto ELIZA , la tendencia a asumir inconscientemente que los comportamientos informáticos son análogos a los comportamientos humanos; es decir, la antropomorfización, un fenómeno presente en las interacciones humanas con asistentes virtuales.

El siguiente hito en el desarrollo de la tecnología de reconocimiento de voz se alcanzó en la década de 1970 en la Universidad Carnegie Mellon de Pittsburgh , Pensilvania, con el importante apoyo del Departamento de Defensa de los Estados Unidos y su agencia DARPA , que financió cinco años de un programa de investigación sobre comprensión del habla, con el objetivo de alcanzar un vocabulario mínimo de 1000 palabras. Empresas e instituciones académicas como IBM, la Universidad Carnegie Mellon (CMU) y el Instituto de Investigación de Stanford participaron en el programa.

El resultado fue "Harpy", que dominó unas 1000 palabras, el vocabulario de un niño de tres años, y podía comprender oraciones. Podía procesar el habla siguiendo estructuras gramaticales, de pronunciación y vocabulario preprogramadas para determinar qué secuencias de palabras tenían sentido juntas, reduciendo así los errores de reconocimiento de voz.

En 1986, Tangora, una versión mejorada de Shoebox, era una máquina de escribir con reconocimiento de voz. Bautizada en honor a la mecanógrafa más rápida del mundo en aquel entonces, contaba con un vocabulario de 20 000 palabras y utilizaba la predicción para determinar el resultado más probable basándose en lo dicho anteriormente. El enfoque de IBM se basaba en un modelo oculto de Markov , que incorpora estadística a las técnicas de procesamiento digital de señales. Este método permite predecir los fonemas más probables que siguen a un fonema dado. Sin embargo, cada usuario debía entrenar individualmente a la máquina de escribir para que reconociera su voz y realizara pausas entre cada palabra.

En 1983, Gus Searcy inventó el " Mayordomo en una caja ", un sistema electrónico de control por voz para el hogar. ^{[ 12 ]}

En la década de 1990, la tecnología de reconocimiento de voz digital se convirtió en una característica de las computadoras personales, con IBM , Philips y Lernout & Hauspie compitiendo por los clientes. Mucho más tarde, el lanzamiento al mercado del primer teléfono inteligente, el IBM Simon, en 1994, sentó las bases de los asistentes virtuales inteligentes tal como los conocemos hoy.

En 1997, el software NaturallySpeaking de Dragon podía reconocer y transcribir el habla humana natural sin pausas entre palabras a una velocidad de 100 palabras por minuto. Todavía se puede descargar una versión de NaturallySpeaking, que aún se utiliza hoy en día, por ejemplo, por muchos médicos en Estados Unidos y el Reino Unido para documentar sus historiales clínicos.

En 2001, Colloquis lanzó públicamente SmarterChild en plataformas como AIM y MSN Messenger . Si bien SmarterChild se basaba completamente en texto, permitía jugar, consultar el clima, buscar información y conversar con los usuarios hasta cierto punto. ^{[ 13 ]}

El primer asistente virtual digital moderno instalado en un teléfono inteligente fue Siri , que se presentó como una función del iPhone 4S el 4 de octubre de 2011. ^{[ 14 ]} Apple Inc. desarrolló Siri tras la adquisición en 2010 de Siri Inc. , una empresa derivada de SRI International , un instituto de investigación financiado por DARPA y el Departamento de Defensa de los Estados Unidos . ^{[ 15 ]} Su objetivo era ayudar en tareas como enviar un mensaje de texto, hacer llamadas telefónicas, consultar el clima o configurar una alarma. Con el tiempo, se ha desarrollado para proporcionar recomendaciones de restaurantes, buscar en internet y ofrecer indicaciones para llegar a un lugar. ^{[ 16 ]}

En noviembre de 2014, Amazon anunció Alexa junto con Echo. ^{[ 17 ]} En 2016, Salesforce presentó Einstein, desarrollado a partir de un conjunto de tecnologías subyacentes a la plataforma Salesforce. ^{[ 18 ]} Einstein fue reemplazado por Agentforce, una IA con agentes , en septiembre de 2024. ^{[ 19 ]}

En abril de 2017, Amazon lanzó un servicio para crear interfaces conversacionales para cualquier tipo de asistente virtual o interfaz.

En la década de 2020, los sistemas de inteligencia artificial (IA) como ChatGPT ganaron popularidad por su capacidad de generar respuestas similares a las humanas en conversaciones basadas en texto. En febrero de 2020, Microsoft presentó su Turing Natural Language Generation (T-NLG), que entonces era el "modelo de lenguaje más grande jamás publicado con 17 mil millones de parámetros". ^{[ 20 ]} El 30 de noviembre de 2022, ChatGPT se lanzó como prototipo y rápidamente atrajo la atención por sus respuestas detalladas y articuladas en muchos dominios del conocimiento. La llegada de ChatGPT y su introducción al público en general aumentó el interés y la competencia en el espacio. En febrero de 2023, Google comenzó a presentar un servicio experimental llamado "Bard" que se basa en su programa LaMDA para generar respuestas de texto a preguntas formuladas a partir de información recopilada de la web .

Si bien ChatGPT y otros chatbots generalizados basados ​​en la IA generativa más reciente son capaces de realizar diversas tareas asociadas con los asistentes virtuales, también existen formas más especializadas de dicha tecnología que están diseñadas para abordar situaciones o necesidades más específicas. ^{[ 21 ] [ 4 ]}

El comercio conversacional es el comercio electrónico a través de varios medios de mensajería, incluidos los asistentes de voz ^{[ 36 ]} , pero también el chat en vivo en sitios web de comercio electrónico , el chat en vivo en aplicaciones de mensajería como WeChat , Facebook Messenger y WhatsApp ^{[ 37 ]} y los chatbots en aplicaciones de mensajería o sitios web.

Un asistente virtual puede colaborar con el equipo de atención al cliente de una empresa para brindar soporte las 24 horas del día, los 7 días de la semana. Ofrece respuestas rápidas, lo que mejora la experiencia del cliente. Las empresas del sector servicios han implementado asistentes de voz con IA para gestionar interacciones rutinarias con los clientes, como la reserva de citas y la toma de pedidos, especialmente para la atención fuera del horario laboral. ^{[ 38 ]} Estas implementaciones suelen utilizar formación específica del sector para comprender la terminología del dominio e integrarse con el software empresarial existente.

Amazon habilita las "Habilidades" de Alexa y las "Acciones" de Google, que son esencialmente aplicaciones que se ejecutan en las plataformas de los asistentes virtuales.

La política de privacidad de Google Assistant establece que no almacena datos de audio sin el permiso del usuario, pero puede almacenar las transcripciones de las conversaciones para personalizar la experiencia. La personalización se puede desactivar en la configuración. Si un usuario desea que Google Assistant almacene datos de audio, puede ir a Actividad de voz y audio (VAA) y activar esta función. Los archivos de audio se envían a la nube y Google los utiliza para mejorar el rendimiento de Google Assistant, pero solo si la función VAA está activada. ^{[ 41 ]}

La política de privacidad del asistente virtual de Amazon, Alexa, establece que solo escucha conversaciones cuando se utiliza su palabra de activación (como Alexa, Amazon, Echo). Comienza a grabar la conversación tras pronunciar la palabra de activación y la detiene después de 8 segundos de silencio. La grabación se envía a la nube. Es posible eliminar la grabación de la nube accediendo a «Privacidad de Alexa» en «Alexa». ^{[ 42 ]}

Apple afirma que no graba audio para mejorar Siri. En cambio, asegura utilizar transcripciones. Los datos de las transcripciones solo se envían si se consideran importantes para el análisis. Los usuarios pueden desactivar esta función en cualquier momento si no desean que Siri envíe las transcripciones a la nube. ^{[ 43 ]}

Cortana es un asistente virtual exclusivamente de voz con autenticación única. ^{[ 44 ] [ 45 ] [ 46 ]} Este dispositivo activado por voz accede a los datos del usuario para realizar tareas comunes como consultar el clima o hacer llamadas, lo que genera preocupaciones sobre la privacidad debido a la falta de autenticación secundaria. ^{[ 47 ] [ 48 ]}

El valor añadido de los asistentes virtuales puede provenir, entre otros, de lo siguiente:

• La comunicación por voz puede representar en ocasiones la comunicación óptima entre el hombre y la máquina :

1. Resulta práctico: existen sectores donde la voz es la única forma de comunicación posible y, en general, permite liberar tanto las manos como la vista para realizar otra actividad en paralelo, o también ayuda a las personas con discapacidad.
2. Es más rápido: la voz es más eficiente que escribir en un teclado: podemos hablar hasta 200 palabras por minuto, frente a las 60 que se pueden escribir en un teclado. Además, es más natural, por lo que requiere menos esfuerzo (aunque leer un texto puede alcanzar las 700 palabras por minuto). ^{[ 49 ]}

• Los asistentes virtuales ahorran mucho tiempo gracias a la automatización: pueden gestionar citas o leer las noticias mientras el usuario realiza otras tareas. También es posible pedirles que programen reuniones, lo que ayuda a organizar el tiempo. Los diseñadores de los nuevos planificadores digitales explicaron su objetivo de que estos calendarios organicen la vida del usuario para que utilice su tiempo de forma más eficiente, mediante procesos de aprendizaje automático, y que logren una organización completa del tiempo de trabajo y el tiempo libre. Por ejemplo, cuando el usuario expresa su deseo de programar un descanso, el asistente virtual lo programará en el momento óptimo para ello (por ejemplo, en un momento de la semana en el que sea menos productivo), con el objetivo adicional a largo plazo de poder programar y organizar el tiempo libre del usuario para garantizarle una eficiencia laboral óptima. ^{[ 50 ]}

• Según un estudio reciente (2019), las dos razones principales por las que los consumidores utilizan asistentes virtuales son la utilidad percibida y el disfrute percibido. El primer resultado de este estudio es que tanto la utilidad percibida como el disfrute percibido tienen una influencia muy significativa en la disposición del consumidor a utilizar un asistente virtual.
• El segundo resultado de este estudio es que:

1. La calidad del contenido ofrecido influye mucho en la utilidad percibida y en el disfrute percibido.
2. El atractivo visual influye mucho en el disfrute percibido.
3. La automatización tiene una fuerte influencia en la utilidad percibida. ^{[ 51 ]}

• Los asistentes virtuales impulsan la burbuja de filtros : En cuanto a las redes sociales , los algoritmos de los asistentes virtuales están entrenados para mostrar datos relevantes y descartar otros en función de las actividades previas del usuario. Los datos relevantes son aquellos que interesan o agradan al usuario. Como resultado, este se aísla de los datos que contradicen sus puntos de vista, lo que lo encierra en su propia burbuja intelectual y refuerza sus opiniones. Se sabe que este fenómeno refuerza las noticias falsas y las cámaras de eco. ^{[ 52 ]}
• Los asistentes virtuales también son criticados a veces por estar sobrevalorados. En particular, A. Casilli señala que la IA de los asistentes virtuales no es ni inteligente ni artificial por dos razones:

1. No son inteligentes porque su única función es la de asistentes humanos, realizando tareas que un humano podría hacer fácilmente y dentro de un abanico muy limitado de acciones: buscar, clasificar y presentar información, ofertas o documentos. Además, los asistentes virtuales no son capaces de tomar decisiones por sí mismos ni de anticiparse a los acontecimientos.
2. Y no artificiales porque serían imposibles sin el etiquetado humano a través del trabajo micro . ^{[ 53 ]}

• Los asistentes virtuales también suscitan controversias sobre los roles de género debido a su tendencia a adoptar voces y personalidades femeninas. J. Lingel y K. Crawford argumentan que los asistentes virtuales evocan la figura cultural de la secretaria, encarnando un rol subordinado, comprensivo, capaz y feminizado. ^{[ 54 ]} Esta elección de diseño sirve a las estructuras de poder jerárquicas, reflejando qué intereses se priorizan. Históricamente, el rol de secretaria representaba un puesto final para las mujeres, mientras que los hombres podían aprovecharlo para avanzar en su carrera. ^{[ 55 ]} Por lo tanto, esta controversia está relacionada con preocupaciones más amplias sobre la devaluación del trabajo cuando se asocia con la labor femenina. ^{[ 56 ]}

En 2019, Antonio A. Casilli , sociólogo francés , criticó la inteligencia artificial y, en particular, los asistentes virtuales de la siguiente manera:

En primer lugar, el hecho de que el consumidor proporcione datos gratuitos para el entrenamiento y la mejora del asistente virtual, a menudo sin saberlo, resulta éticamente preocupante.

Pero, en un segundo nivel, podría resultar aún más inquietante desde el punto de vista ético saber cómo se entrenan estas IA con estos datos.

Esta inteligencia artificial se entrena mediante redes neuronales , que requieren una enorme cantidad de datos etiquetados. Sin embargo, estos datos deben ser etiquetados mediante un proceso humano, lo que explica el auge del microtrabajo en la última década. Es decir, el uso remoto de personas en todo el mundo para realizar tareas repetitivas y muy simples por unos pocos centavos, como escuchar datos de voz de un asistente virtual y transcribir lo que se dijo. El microtrabajo ha sido criticado por la inseguridad laboral que genera y por la total falta de regulación: el salario promedio era de 1,38 dólares/hora en 2010, ^{[ 57 ]} y no proporciona ni atención médica ni beneficios de jubilación, ni baja por enfermedad , ni salario mínimo . Por lo tanto, los asistentes virtuales y sus diseñadores son controvertidos por fomentar la inseguridad laboral, y las IA que proponen siguen siendo humanas en el sentido de que serían imposibles sin el microtrabajo de millones de trabajadores humanos. ^{[ 53 ]}

La privacidad se ve afectada por el hecho de que los proveedores de asistentes virtuales tienen acceso a los comandos de voz sin cifrar, pudiendo así compartirlos con terceros y procesarlos de forma no autorizada o inesperada. ^{[ 58 ]} Además del contenido lingüístico del habla grabada, la forma de expresión y las características de la voz del usuario pueden contener implícitamente información sobre su identidad biométrica, rasgos de personalidad, complexión, estado de salud física y mental, sexo, género, estados de ánimo y emociones, estatus socioeconómico y origen geográfico. ^{[ 59 ]}

La mayoría de los asistentes virtuales, como Siri, Cortana y Alexa, presentan voces y personalidades femeninas por defecto, lo que pone de relieve cuestiones de política laboral en el ámbito de la secretaría. La feminización de estas voces de asistentes virtuales suscita inquietudes respecto a los sesgos de género arraigados en el trabajo de las mujeres y refuerza la idea de la subordinación femenina a medida que los usuarios interactúan con ellos. Como secretarias virtuales, estas asistentes se vinculan a los estereotipos de género asociados a la secretaria, a los tópicos del trabajo de servicio femenino, solidario y no amenazante. ^{[ 60 ]}

Los investigadores llaman la atención sobre las voces feminizadas de los asistentes virtuales, abordando cuestiones de género en la tecnología. Este es un tema de interés, ya que las tecnologías con sesgo de género podrían intensificar la objetivación de las mujeres y los estereotipos de género, así como ampliar la brecha de género. Además, existe la preocupación de que se perpetúen narrativas sexistas, ya que el sesgo inconsciente se manifiesta en niños y adultos, arraigando en ellos la figura de la mujer y los comandos. ^{[ 61 ]}

En las generaciones anteriores de asistentes virtuales basados ​​en chat de texto, el asistente solía estar representado por un avatar (también conocido como personaje interactivo en línea o personaje automatizado ); esto se conocía como agente encarnado .

Las experiencias digitales habilitadas por asistentes virtuales se consideran entre los avances tecnológicos más importantes y las tendencias de consumo más prometedoras. Los expertos afirman que las experiencias digitales alcanzarán un estatus comparable al de las experiencias "reales", e incluso se volverán más buscadas y valoradas. ^{[ 66 ]} Esta tendencia se verifica por el elevado número de usuarios frecuentes y el crecimiento sustancial de usuarios de asistentes virtuales digitales en todo el mundo. A mediados de 2017, se estimaba que el número de usuarios frecuentes de asistentes virtuales digitales rondaba los mil millones en todo el mundo. ^{[ 67 ]} Además, se observa que la tecnología de asistentes virtuales digitales ya no se limita a las aplicaciones para teléfonos inteligentes, sino que está presente en muchos sectores industriales (incluidos el automotriz , las telecomunicaciones, el comercio minorista , la atención médica y la educación). ^{[ 68 ]} En respuesta a los importantes gastos en I+D de las empresas de todos los sectores y a la creciente implementación de dispositivos móviles, se prevé que el mercado de la tecnología de reconocimiento de voz crezca a una CAGR del 34,9 % a nivel mundial durante el período de 2016 a 2024 y, por lo tanto, supere un tamaño de mercado global de 7.500 millones de dólares estadounidenses para 2024. ^{[ 68 ]} Según un estudio de Ovum , se proyecta que la "base instalada de asistentes digitales nativos" supere la población mundial para 2021, con 7.500 millones de dispositivos activos con capacidad de IA de voz. ^{[ 69 ]} Según Ovum, para entonces "Google Assistant dominará el mercado de dispositivos con capacidad de IA de voz con una cuota de mercado del 23,3 %, seguido de Bixby de Samsung (14,5 %), Siri de Apple (13,1 %), Alexa de Amazon (3,9 %) y Cortana de Microsoft (2,3 %)." ^{[ 69 ]}

Considerando la distribución regional de los líderes del mercado, se espera que las empresas norteamericanas (por ejemplo, Nuance Communications , IBM , eGain ) dominen la industria en los próximos años, debido al impacto significativo de los modelos de negocio BYOD ( Bring Your Own Device ) y de movilidad empresarial. Además, se espera que la creciente demanda de plataformas asistidas por teléfonos inteligentes impulse aún más el crecimiento de la industria de asistentes virtuales inteligentes (IVA) en Norteamérica. A pesar de su menor tamaño en comparación con el mercado norteamericano, se prevé que la industria de asistentes virtuales inteligentes de la región de Asia-Pacífico , con sus principales actores ubicados en India y China, crezca a una tasa anual del 40 % (por encima del promedio mundial) durante el período 2016-2024. ^{[ 68 ]}

Los asistentes virtuales no deben considerarse únicamente como un dispositivo para particulares, ya que podrían tener una utilidad económica real para las empresas. Por ejemplo, un asistente virtual puede funcionar como un asistente siempre disponible con un conocimiento enciclopédico, capaz de organizar reuniones, consultar inventarios y verificar información. La importancia de los asistentes virtuales se ve reforzada por el hecho de que su integración en las pequeñas y medianas empresas suele consistir en un primer paso sencillo hacia la adopción y el uso más generalizados del Internet de las Cosas (IoT) . De hecho, las pequeñas y medianas empresas perciben inicialmente las tecnologías IoT como tecnologías de vital importancia, pero demasiado complejas, arriesgadas o costosas para su uso. ^{[ 70 ]}