Caso de uso: PoC Teléfono de Atención al Ciudadano 012

Escenario

En el Servicio 012 se dispone de un sistema IVR (Respuesta de Voz Interactiva) a través del cual, se ofrecen diferentes opciones a la ciudadanía en función de la tipología de consulta que desean realizar.

Cuando el ciudadano desconoce en qué ámbito se encuentra tipificada la consulta que desea realizar, procede a la opción de consulta (marcación 6 tanto en el ámbito de Cita Previa como fuera de este). Al marcar esta opción el usuario comunica verbalmente la consulta que desea realizar y un agente virtual se encarga de escuchar la consulta y clasificarla para que sea redirigida al ámbito correspondiente.

Por este motivo, se ha identificado la necesidad de realizar una PoC a través de la cual se implemente un asistente conversacional encargado de dialogar con el ciudadano y en base a las conclusiones que se obtengan en el diálogo, redirigir la llamada.

En este escenario hay que tener en cuenta que el principal objetivo que se plantea al sistema conversacional es detectar el tópico de la petición, solicitud o consulta que está realizando el usuario (en este caso, un ciudadano cualquiera), para llevar a cabo la desviación o transferencia de la llamada al departamento correspondiente, teniendo en cuenta una catalogación de áreas predeterminadas.

El principal reto que plantea esta Prueba de Concepto es la enorme variabilidad y diversidad de las consultas que se pueden realizar, ya que en realidad las consultas pueden ser acerca de cualquier temática. Incluso se podrían recibir consultas que no formen parte del propio alcance de la Junta de Andalucía, pero que el usuario por desconocimiento del alcance las plantee.

El enfoque propuesto se basará en la implantación de un sistema de Call Steering, en última instancia de clasificación del tópico de la consulta, incorporando una capacidad inicial de clarificación o desambiguación en función de los temas consultados.

Solución

Como resultado de la prueba de concepto se consiguieron 5 resultados clave:

- Ampliación y mejora del dataset de entrenamiento a partir de la información recibida por expertos del dominio
- Cobertura funcional completa del alcance de todas las categorías funcionales relevantes. Se han incluido 23 de las 25 categorías completas del 012, y las dos que se han desestimado se debió a que no son categorías activas en este momento y su representatividad en el dataset era insignificante.
- Incorporación de la categoría AGENTE para la transferencia directa de llamadas para las temáticas que lo exigen.
- Implementación de una estrategia de topicalización ejemplificada en los tópicos de caza y pesca.
- Diseño del sistema de clarificación y negociación ejemplificada para el caso de solicitud de cita.

Durante los trabajos, se diseñó un dataset y se procedió a llevar a cabo el entrenamiento de dicho dataset definido. El modelo de entrenamiento utilizó una división aleatoria a partir del dataset dividiendo entre un 80% de training y un 20% de test. Este enfoque garantiza que la evaluación se realiza sobre un subconjunto del dataset no utilizado en entrenamiento, con el objetivo de que los datos de evaluación sean lo más fiables posibles.

- Dataset completo de referencia: 3817 frases
- División training / test: 80% / 20% de forma aleatoria
- Precisión general media sobre el subconjunto de test: 93,43%

Hay que destacar que el sistema está diseñado para permitir su uso ininterrumpido, lo cual es especialmente crucial en los sistemas de atención al público desplegados en modo 24×7. El framework tecnológico de Lekta permite lanzar la actualización de versión sin pérdida de servicio, incluso si se trata de un cambio del alcance del propio asistente virtual. El kernel de Lekta es capaz de mantener las conversaciones activas en la versión actual del asistente, incluso en el momento de recibir una petición de actualización de versión. Las conversaciones iniciadas tras la actualización se realizan en la versión actualizada, sin embargo, en ningún momento el servicio se interrumpe.