Uso de ChatGpt como asistente virtual para preguntas frecuentes: Una Revisión Sistemática de la Literatura
Facultad de Ingeniería de Sistemas e Informática, Universidad Nacional Mayor de San Marcos
1https://orcid.org/0009-0004-5116-7019
2https://orcid.org/0009-0008-8024-2558
3https://orcid.org/0009-0008-1511-6985
4https://orcid.org/0009-0002-7048-4613
Resumen: En esta revisión sistemática de la literatura se evaluará el uso de ChatGPT en un enfoque de preguntas frecuentes (FAQ) en sitios web y su impacto en la atención al cliente. Se realizó una revisión basada en el método de Kitchenham & Brereton, analizando artículos de bases de datos como SCOPUS, SCIELO y Google Scholar, publicados a partir del 2022. Los resultados indican que ChatGPT ofrece eficiencia y calidad en la automatización de respuestas a preguntas frecuentes, mejorando la experiencia del usuario y facilitando el acceso a la información. Sin embargo, existen preocupaciones sobre la exactitud, privacidad, y la capacidad de ChatGPT para manejar preguntas especializadas, especialmente en contextos clínicos. La literatura sugiere observaciones a la eficiencia, limitaciones y mejoras en el rendimiento, para las mejoras en la inclusión de datos faltantes en las consultas y una mayor supervisión ética para optimizar el rendimiento de ChatGPT. Se concluye que los sistemas de chatbot impulsados por ChatGPT, presentan ventajas significativas para la atención al cliente, aunque aún enfrentan desafíos de precisión y manejo de información especializada, por lo que se recomiendan mejoras continuas y la intervención de profesionales para refinar sus respuestas.
Palabras Claves: chatbot, ChatGPT,
asistente virtual, preguntas
frecuentes
Abstract: This
systematic literature review will evaluate the use of ChatGPT in a frequently asked
questions (FAQ) approach on websites and its impact on
customer service. A review was carried out based on the Kitchenham &
Brereton method, analyzing articles from databases such as SCOPUS, SCIELO and
Google Scholar, published from 2022 onwards. The results
indicate that ChatGPT offers efficiency and quality in the automation of
responses to frequently asked questions. , improving the user
experience and facilitating access to information. However, there are concerns about
ChatGPT's accuracy, privacy,
and ability to handle specialized questions, especially in clinical
contexts. The literature suggests observations to efficiency, limitations and performance improvements, for improvements in including missing
data in queries
and greater ethical
oversight to optimize ChatGPT performance. It is concluded that chatbot
systems powered by ChatGPT present significant advantages for customer service,
although they still face challenges in accuracy and handling of specialized
information, which is why continuous improvements and the intervention of
professionals are recommended to refine their responses.
Keywords: chatbot, ChatGPT, asistente virtual, preguntas frecuentes
El objetivo general de esta revisión sistemática de la literatura es evaluar el uso de ChatGPT en un enfoque de preguntas frecuentes (FAQ) en un sitio web, planteándose una serie de preguntas que los estudios analizados tratarán de responder.
La atención al cliente mediante chatbots con tecnología de inteligencia artificial ofrece ventajas importantes en comparación con el servicio proporcionado por agentes humanos. Los chatbots son más económicos, están disponibles en cualquier momento, pueden adaptarse fácilmente a diferentes niveles de demanda, ofrecen respuestas consistentes y no se ven afectados por factores como el estrés y la fatiga que pueden afectar a los humanos (Mathew et al. 2022)
Un ChatBot diseñado para responder a diversas preguntas durante el proceso de ventas en las organizaciones, proporcionando respuestas inmediatas y personalizadas a los usuarios. Este asistente evita que los usuarios experimenten retrasos al esperar asistencia humana, previniendo inconvenientes durante la espera, y permite que los usuarios compren productos según sus necesidades, ya que el ChatBot ofrece información específica sobre los productos o servicios solicitados.(L. Camargo, 2022).
Los chatbots se han vuelto omnipresentes en las interacciones de servicio al cliente tanto en línea como por teléfono. Hasta hace poco, las empresas los utilizaban principalmente para funciones de apoyo a los agentes humanos, encargándose de las consultas básicas y redirigiendo casos complejos a agentes humanos. Sin embargo, la aparición de programas de inteligencia artificial generativa, como ChatGPT y Gemini, está
encaminando a las organizaciones hacia la automatización completa del servicio al cliente.(Markovitch et al., 2024).
Los chatbots impulsados por Inteligencia Artificial (IA) están adquiriendo un papel cada vez más fundamental en el ecosistema de aprendizaje digital. A medida que las tecnologías de IA avanzan, es esencial comprender los factores que afectan su adopción y utilización.(Jo, 2024).
Por lo tanto, las empresas están fuertemente incentivadas a reemplazar a los agentes humanos de servicio al cliente con chatbots de IA. Sin embargo, los consumidores tienen reacciones mixtas hacia el servicio al cliente basado en chatbots. Por un lado, hay un entusiasmo general por la IA generativa. Por otro lado, los chatbots de IA generativa son controversiales y existen preocupaciones sobre su ética, confiabilidad y la posibilidad de que alucinen o difundan información incorrecta .(Markovitch et al., 2024).
ChatGPT opera utilizando el modelo de lenguaje GPT (Generative Pre-trained Transformer) de OpenAI, también conocido como un Modelo de Lenguaje Grande, que genera texto analizando miles de millones de palabras de datos de entrenamiento y aprendiendo las relaciones entre palabras y frases (Stokel-Walker & Van Noorden, 2023). El texto generado por ChatGPT es de alta calidad, ya que utiliza un lenguaje sencillo con un gran potencial para difundir conocimiento tanto al público en general como a personas no especializadas en diversos campos de estudio. Además, se destaca que ChatGPT puede resumir textos largos, extrayendo la información importante y presentando los contenidos de manera clara y concisa.(Laban & Gutierrez, s. f. 2023).
El objetivo de la elaboración del artículo científico es analizar la literatura existente sobre el uso de ChatGpt como asistente virtual para preguntas frecuentes, el impacto y su eficiencia que se viene dando y cómo la IA puede transformar la forma en que abordamos las preguntas frecuentes.
Otro objetivo es abordar el caso práctico para la implementación del caso trabajado en clase.
En este artículo abordaremos lo siguiente:
La
metodología para este trabajo es descriptiva basada en la revisión sistemática
de artículos científicos.
La metodología para llevar a cabo la revisión sistemática se basa en el trabajo de Kitchenham & Brereton , los cuales proponen las siguientes tres etapas:
En está etapa se plantearon las siguientes preguntas de investigación:
●
¿Cuál es la eficiencia de ChatGPT en la respuesta a preguntas frecuentes?
●
¿Cuáles son las limitaciones del uso de ChatGPT como asistente virtual?
●
¿Qué mejoras se han sugerido en la literatura para optimizar el rendimiento de ChatGPT?
Se determinaron las palabras clase para la búsqueda tales como CHATGPT, asistentes virtuales, preguntas frecuentes, chatbot, además se establecieron los siguientes criterio para la inclusión y exclusión:
- Artículos revisados
que se encuentran en una base de datos de datos confiable tales como SCOPUS
Y SCIELO, a partir del 2022
que aborden el uso de CHATGPT o
modelos que puedan ser similares para la respuesta y solución de repuestos a
preguntas frecuentes.
- Artículos cuya fecha
de publicación sea menor a 2022.
Se llevó a cabo una búsqueda exhaustiva en la base de datos académicas tales como Scopus, Scielo, Researchgate. Los artículos seleccionados fueron designados y evaluados en función a su relevancia y cumplimiento de los criterios establecidos (inclusión y exclusión). Las técnicas y métodos usados fueron las adecuadas para abordar la problemática de la forma de automatizar las respuestas a preguntas frecuentes.
Los datos recopilados durante la fase de desarrollo fueron extraídos y analizados para responder a las preguntas de investigación planteadas.
3.1.
Formulación de las preguntas de investigación
Se presenta la formulación de sus preguntas de investigación:
1.
¿Cuál es la eficiencia de ChatGPT en la respuesta a preguntas frecuentes?
2.
¿Cuáles son las limitaciones del uso de ChatGPT como asistente virtual?
3.
¿Qué mejoras se han sugerido en la literatura para optimizar el rendimiento de ChatGPT?
Se usaron las siguientes bases de datos académicas junto con la cadena de búsqueda, como se muestra a continuación:
|
Motor de búsqueda |
Cadena de búsqueda |
|
Scopus |
asistente
AND virtual |
|
Scielo |
Inteligencia
Artificial AND chatbot AND Chat GPT |
|
Researchgate |
ChatGPT
AND chatbot |
|
Google Scholar |
ChatGPT chatbot ChatGPT chatbot assistant FAQ common questions |
|
-
Criterios de
inclusión: Artículos revisados que se
encuentran en una base de datos de datos confiable tales como SCOPUS Y SCIELO, a partir del 2022 que aborden el uso de CHATGPT
o modelos que puedan ser similares para la respuesta y solución de repuestos a
preguntas frecuentes.
-
Criterios de
exclusión: Artículos cuya fecha de publicación sea menor a 2022.
Abstracción teórica del mundo real. Articula de manera sistemática el conocimiento que se obtiene de la experiencia mediante el proceso de investigación.
1.
Resultados de la pregunta de investigación 1
¿Cuál es la eficiencia de ChatGPT en la respuesta a preguntas frecuentes?
2.
Resultados de la pregunta de investigación 2
ID Título del Artículo Respuesta a la pregunta de investigación 01 El uso de
ChatGPT Se muestra en la era digital: preocupación sobre Perspectivas en la aspectos como la implementación del exactitud y privacidad chatbot de la información, así como también la pérdida de interacción personal con el profesor
¿Cuáles son las limitaciones (técnicas,
de contexto de lenguaje, comprensión
del lenguaje…) del uso de ChatGPT como asistente virtual?
|
ID |
Título del Artículo |
Respuesta a la pregunta de investigación |
|
01 |
Uso de ChatGPT como ayudante en una RSL(Revisión sistemática de la Literatura)
con el método PRISMA |
ChatGPT sin duda
ofrece eficiencia y calidad en las RSLs, pero se debe hacer uso ético
destacando la citación apropiada y la transparencia en su aplicación |
|
02 |
Chatbot for University Related
FAQ |
El resultado fue un chatbot desarrollado para la Universidad
de Manipal, que ayudó a los estudiantes
a obtener información sobre el |
3.
Resultados de la pregunta de investigación 3
¿Qué mejoras se han sugerido en la literatura para optimizar el rendimiento de ChatGPT? (aplicaciones)
La siguiente herramienta muestra una variedad de investigaciones de acuerdo con una determinada temática organizada de tres (03) maneras: lista de las temáticas (list), árbol de temáticas (treemap) y pie chart (pie-chart).
Repositorio de acceso libre “carrot2.org”: https://search.carrot2.org/#/search/web/Literature%20Revi ew's%20Processing%20Language%20Natural/treemap
En este revisión se realiza una exploración de diversos sistemas de chatbot, con usos igual de diversos que reflejan su creciente demanda como fuente de conocimiento de diversos ámbitos en estos últimos años. Al revisar los procesos de evaluación de cada caso particular se puede analizar las estadísticas (como precisión o aceptación de los usuarios) que tuvo cada modelo a diferentes tipos de consultas, pudiendo determinar sus limitaciones.
Se puede concluir que a pesar que el avance de los sistemas de chatbot han avanzado junto con el avance de la tecnología, estos siguen teniendo problemas de precisión en cuanto a respuestas que requieran información especializada. Además de existir otras necesidades a futuro como mejoras de rendimiento y la intervención de profesionales de diferentes ámbitos para refinar las respuestas de los modelos que impulsan ChatGPT.
Este trabajo de investigación hace referencia a 10 artículos científicos, la mayoría de los cuales han sido publicados recientemente (es decir, dentro de los últimos dos años)
1.
J. L. Camargo, C. L. C. Moscoso, R. R. C. Valdez, T. Z. Marcos,
K. A. L. Bernaola and Z. R.
L. Camargo, "Proposal of a chatbot as a sales assistant for SMEs in Peru," 2022 17th Iberian Conference on Information Systems and Technologies (CISTI), Madrid, Spain, 2022, pp. 1-5, doi: 10.23919/CISTI54924.2022.9820262
2.
Jo, H. (2024). From concerns to benefits: a
comprehensive study of ChatGPT usage in education. International Journal Of Educational
Technology In Higher Education, 21(1). https://doi.org/10.1186/s41239-024-00471-4
3.
Mathew, A. N., Rohini, V., y Paulose, J. (2022).
NLP-based personal learning assistant for school education. International
Journal of Electrical and Computer Engineering, 11(5), 4522-4530. https://doi.org/10.11591/ijece. v11i5.pp4522-4530
4.
Markovitch, D. G., Stough, R. A., & Huang, D.
(2024). Consumer reactions to chatbot versus human service: An investigation in
the role of outcome valence and perceived empathy.
Journal Of Retailing And Consumer Services, 79, 103847.
https://doi.org/10.1016/j.jretconser.2024.103847
5.
Laban, D. o. C., & Gutierrez, C. A. M. (s. f.). Inteligencia Artificial - Chatgpt: un
estudio
bibliométrico y su aplicación en el caso de Gases de Efecto Invernadero. Manglar, 21(1), 149-157. https://doi.org/10.57188/manglar.2024.015
6.
Saeidnia, H.R., Kozak, M., Lund, B.D. et al.
Evaluation of ChatGPT’s responses to information needs and information seeking of dementia
patients. Sci Rep 14, 10273 (2024). https://doi.org/10.1038/s41598-024-61068-5
7.
Knoedler, L., Knoedler, S., Hoch, C.C. et al.
In-depth analysis of ChatGPT’s performance based on specific signaling words and phrases in the question stem of 2377 USMLE step 1 style questions. Sci Rep 14, 13553 (2024). https://doi.org/10.1038/s41598-024-63997-7
8.
Stokel-Walker, C., & Van Noorden,
R. (2023). What ChatGPT and
generative AI mean for science. Nature, 614(7947), 214–216. https://doi.org/10.1038/d41586-023-00340-6
9.
Nugraha, M., Baizal,
Z. K. A., & Richasdy, D. (2022). Chatbot-Based Movie Recommender System Using POS
Tagging. Building of Informatics, Technology and Science (BITS), 4(2), 624-630.
https://doi.org/10.47065/bits.v4i2.1908
10. Feriel Khennouche,
Youssef Elmir, Yassine Himeur, Nabil Djebari, Abbes Amira, Revolutionizing generative pre-traineds: Insights
and challenges in deploying ChatGPT and generative chatbots for FAQs,Expert
Systems with Applications,Volume 246,2024,123224,ISSN
0957-4174,https://doi.org/10.1016/j.eswa.2024.12 3224.