Effective Conversational AI
Andrew Freed, Cari Jacobs, Eniko Rózsa
- Editorial
- Manning
- Año
- 2025
- Páginas
- ~330
- Nivel
- Intermedio
De qué trata
Guía práctica de ingeniería y diseño conversacional publicada por Manning en 2025 por Andrew Freed, Cari Jacobs y Eniko Rózsa, orientada a perfeccionar, diagnosticar y escalar chatbots y asistentes virtuales en producción. El texto está pensado para desarrolladores de software, diseñadores de conversación, jefes de producto y científicos de datos con un nivel intermedio y familiaridad básica con flujos conversacionales en Python, que buscan superar las limitaciones de bots rígidos o con altas tasas de abandono.
El libro desglosa estrategias aplicadas a los tres arquetipos esenciales de asistentes: agentes de preguntas y respuestas (Q&A), agentes de procesos transaccionales y agentes de enrutamiento. Enseña a integrar modelos de lenguaje grandes (LLMs) y técnicas de Retrieval-Augmented Generation (RAG) para resolver consultas complejas, generar datos sintéticos para expandir catálogos de intención débiles, orquestar árboles de diálogo adaptativos, reducir fricciones y deserciones de usuarios (opt-outs) e implementar resúmenes automáticos para transferencias fluidas hacia agentes humanos (human handoff).
La práctica se enfoca en auditar y modernizar sistemas conversacionales preexistentes, implementando pipelines de RAG conectados a bases de conocimiento y módulos de síntesis de contexto para soporte al cliente. Su aportación fundamental es el tratamiento del ciclo de vida y la resolución metódica de problemas del bot tras su despliegue, un terreno frecuentemente desatendido frente a la fase de prototipado; en contrapartida, no profundiza en la formulación matemática de los modelos de lenguaje ni en el preentrenamiento desde cero de redes neuronales.
- Conversational AI
- Chatbots
- LLMs
- RAG (Retrieval-Augmented Generation)
- Diseño conversacional
- Gestión de diálogo
- Aumento sintético de datos
- Human Handoff
- Detección de opt-outs
- Analítica conversacional
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Agente de preguntas y respuestas asistido por RAG
Implementación de una arquitectura de recuperación y generación aumentada conectada a fuentes documentales corporativas para erradicar alucinaciones en respuestas a usuarios.
Pipeline de aumento sintético de intenciones y mitigación de opt-outs
Flujo en Python apoyado en LLMs para expandir ejemplos de entrenamiento y detectar puntos críticos donde los usuarios abandonan el flujo del bot.
Módulo de resumen conversacional para transferencia a agentes
Sistema que condensa automáticamente el historial de diálogo y la causa del problema antes de pasar la sesión activa a un operador humano.
