Equilibrando la Agencia y la Fiabilidad en los Agentes de Atención al Cliente Basados en LLM

Si bien los Modelos de Lenguaje Grandes (LLM) son cada vez más capaces de realizar tareas de alta agencia, su implementación en casos de uso de alto valor, como la atención al cliente, requiere priorizar la fiabilidad y la coherencia. La investigación revela que, aunque los agentes de alta agencia sobresalen en entornos ideales, la atención al cliente del mundo real presenta desafíos: lagunas de conocimiento, comportamiento impredecible del usuario y limitaciones de tiempo. Para abordar esto, se desarrolló una métrica novedosa, pass^k, y se probó mediante simulaciones de interacciones con clientes. Los resultados demuestran que los agentes de alta agencia sufren problemas de fiabilidad en tareas complejas. La solución: el agente "Give Fin a Task", que mejora la fiabilidad restringiendo la autonomía del agente y empleando instrucciones paso a paso, descomponiendo tareas complejas en módulos más simples. Este enfoque ofrece una vía prometedora para mejorar el rendimiento del LLM en escenarios de atención al cliente del mundo real.