Sistemas de Diálogo

Un sistema de diálogo —también llamado agente conversacional— es un programa capaz de conversar con personas en lenguaje natural, por escrito o mediante voz. Su meta no es solo responder una pregunta suelta, sino sostener un intercambio: interpretar lo que el usuario dice, recordar lo dicho antes y producir una respuesta pertinente en cada turno.

Estos sistemas son una de las aplicaciones más visibles del procesamiento del lenguaje natural (PLN) y una forma habitual de los agentes de IA orientados a la interacción. Conviene distinguirlos por su propósito, por su arquitectura interna y por su historia.

Orientados a tarea o de dominio abierto

La literatura —como el manual de referencia Speech and Language Processing, de Daniel Jurafsky y James H. Martin— separa dos grandes familias. Los sistemas orientados a tarea (task-oriented) persiguen un objetivo concreto y acotado: reservar un vuelo, consultar el estado de un pedido, resolver una gestión de atención al cliente. Trabajan sobre un dominio limitado y se miden por si completan la tarea. Los sistemas de dominio abierto o de charla (chit-chat) no persiguen una meta cerrada: conversan sobre casi cualquier cosa y se valoran por la fluidez y la coherencia del intercambio. Muchos asistentes reales combinan ambos registros.

La tubería clásica: NLU, gestor y NLG

Durante décadas, el diseño dominante fue una tubería (pipeline) de módulos encadenados. Primero, la comprensión del lenguaje (NLU) analiza el turno del usuario para extraer su intención y las entidades relevantes (fechas, ciudades, cifras). Después, el gestor del diálogo (dialogue manager) mantiene el estado de la conversación —qué se sabe y qué falta— y aplica una política que decide el siguiente paso. Por último, la generación de lenguaje (NLG) convierte esa decisión en una frase natural. En los sistemas de voz, ese núcleo se envuelve entre el reconocimiento de voz a la entrada y la síntesis de voz a la salida. A los enfoques basados en reglas les siguieron los estadísticos, que aprendían esas decisiones a partir de datos.

De ELIZA a los asistentes y el giro de los LLM

La historia incluye ELIZA, el programa que Joseph Weizenbaum publicó en 1966 desde el MIT. Analizaba frases mediante reglas de descomposición activadas por palabras clave; el guion DOCTOR hacía que respondiera como una entrevista psicoterapéutica. El propio artículo señala que algunos usuarios atribuían comprensión al programa incluso después de que se explicara su funcionamiento. Eso documenta una tendencia a proyectar sentido, no que ELIZA entendiera ni que todos creyeran hablar con una persona. Después llegaron los sistemas estadísticos y asistentes de voz comerciales. El giro de los grandes modelos de lenguaje amplió el dominio de una misma interfaz: el 30 de noviembre de 2022, OpenAI presentó ChatGPT como una vista previa capaz de seguir instrucciones y mantener contexto conversacional. Eso no unificó todo el campo. El manual de Jurafsky y Martin sigue distinguiendo el diálogo orientado a tareas del abierto, porque completar una reserva con estado y restricciones no se evalúa igual que producir una respuesta fluida.

Ese salto no lo resuelve todo. El perfil de IA generativa de NIST trata la «confabulación» —contenido falso o erróneo presentado con seguridad— como un riesgo que debe medirse y gestionarse. En conversaciones largas también importa qué información se conserva, durante cuánto tiempo y con qué permiso; fluidez y memoria no son la misma propiedad. Un trabajo sobre grounding en sistemas de diálogo con LLM explica por qué anclar respuestas a eventos o conocimiento externo ayuda a reducir información falsa o irrelevante. Para tareas concretas, el gestor de diálogo, el estado, las confirmaciones y la validación de herramientas siguen siendo controles explícitos. Ninguno garantiza por sí solo una conversación correcta de principio a fin.