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 arranca en 1966 con ELIZA, creada por Joseph Weizenbaum en el MIT: un programa basado en reglas y coincidencia de patrones que, con su guión DOCTOR, imitaba a un psicoterapeuta y llegó a hacer creer a muchos usuarios que hablaban con una persona. De ahí se pasó a los asistentes de voz comerciales, como Siri de Apple o Alexa de Amazon, y a los sistemas estadísticos de diálogo. El giro más reciente llegó con los grandes modelos de lenguaje: desde ChatGPT (OpenAI, 2022), el campo se unificó en torno a sistemas neuronales de extremo a extremo, muy fluidos y de dominio abierto, que aprenden a conversar directamente de enormes corpus de texto.

Ese salto no lo resuelve todo. Persisten límites honestos y bien documentados: las alucinaciones (afirmaciones falsas expresadas con aplomo), la dificultad para mantener la coherencia y la memoria a lo largo de conversaciones largas, y la fiabilidad al ejecutar tareas concretas de principio a fin. Por eso muchos despliegues reales combinan la fluidez de los modelos con controles externos.