TL;DR: Meta’s Muse, OpenAI’s Dots y el asistente del conductor de Uber comparten una apuesta: el agente habla primero. Eso traslada el difícil problema de qué responder a cuándo interrumpir, en qué canal y con qué oferta. El ML clásico y los nuevos modelos de decisión pueden solucionarlo.
Tres lanzamientos, un patrón
Meta Muse (8 de septiembre). Un agente personal que reserva, envía correos electrónicos y sigue trabajando con la aplicación cerrada. Recuerda detalles, hace sugerencias espontáneas y verifica su aprobación, en su propia aplicación y en WhatsApp. OpenAI Dots (29 de septiembre). Agentes siempre activos que ejecutan una “investigación proactiva”, un monitoreo de solo lectura de sus aplicaciones, para detectar una factura olvidada o un error en Slack. Te llegan a través de ChatGPT, Slack y Teams, con texto y voz. Asistente del conductor de Uber. Convierte las señales del mercado en vivo en consejos. En una charla reciente, el equipo de producto de Uber describió que a un conductor inactivo durante 33 minutos se le indicó una zona mejor, con evidencia. Sus principios: permanecer “siempre del lado del conductor”, descubrir oportunidades de manera proactiva y medir si los conductores actuaron. El 24 de septiembre se anunció una versión de voz manos libres.
De tirar a empujar
Los chatbots eran una interfaz pull: el usuario elegía el momento, el canal y la pregunta. Los agentes proactivos invierten eso. Si interrumpes con demasiada frecuencia, los usuarios te silenciarán. Si interrumpes demasiado tarde, el aumento repentino habrá terminado o la factura estará vencida. Elija el canal equivocado y un buen mensaje fallará. El LLM puede escribir el mensaje; es la herramienta equivocada para decidir si enviarlo.
La regla: el valor debe superar el costo de interrupción
Cada mensaje proactivo es una apuesta. Enviar sólo cuando el valor esperado para el usuario supere el coste de interrumpirlo. El valor tiene cuatro partes: cuánto está en juego, qué probabilidades hay de que el usuario actúe, qué tan rápido caduca la oportunidad y de quién es el valor, si del usuario o de la plataforma.
El valor establece entonces ambas decisiones. Los mensajes de alto valor que vencen se eliminan ahora; los modestos esperan un resumen; el resto nunca se envía. Y cuanto más vale un mensaje, más intrusivo se ha ganado el canal.
“Cuándo” y “cómo” son problemas de predicción
Los equipos de notificación y crecimiento han resuelto versiones de esto durante años:
Los modelos de elevación estiman si un empujón provoca la acción. Los bandidos contextuales aprenden el mejor momento y canal para cada usuario. Los modelos de receptividad predicen si el usuario puede participar en ese momento: conduciendo o estacionado, en una reunión o gratis.
Los canales tienen un precio de entrada. Una tarjeta integrada en la aplicación cuesta poco, el chat cuesta más, los SMS aún más y una llamada de voz está reservada para momentos urgentes y en los que las manos están ocupadas. El seguimiento de resultados de Uber proporciona las etiquetas que estos modelos necesitan.
Dónde encajan los modelos de decisión
Una nueva clase de modelo es adecuada para este trabajo. Los modelos de decisión como Jev de TypeSafe y los pesos abiertos Julia 1 de Supersonic Labs no devuelven texto, solo un juicio escrito: una elección de una lista corta, una puntuación o un sí/no, cada uno con una probabilidad. Julia 1 se ejecuta en una CPU, desde aproximadamente 33 ms por resolución.
Un agente siempre disponible evalúa muchos más factores desencadenantes de los que envía, por lo que cada candidato puede recibir preguntas estructuradas y económicas antes de cualquier llamada de LLM: ¿Vale la pena interrumpir esto? ¿Qué valor, qué urgencia? ¿Enviar ahora, esperar, por lotes o por entrega? ¿Tarjeta, chat, SMS o voz?
Los límites importan. Estos modelos juzgan sólo el contexto que se les proporciona, por lo que no se enterarán de que un usuario ignora las mañanas;
Venta cruzada, con cuidado.
Un agente que habla primero es un poderoso canal de distribución. Meta dice que está explorando el comercio en Muse y ya lanzó Muse para pequeñas empresas; OpenAI anunció Dots junto con un nuevo nivel mensual de $500; Uber tiene servicios de entrega y otros para promocionar. Pero una oferta es sólo otro mensaje. Debe borrar la misma barra, medida en valor para el usuario. Una vez que los usuarios sospechan que el agente está vendiendo en lugar de servir, cada mensaje pierde credibilidad.
la comida para llevar
Las tres empresas tienen modelos sólidos. La carrera se ganará juzgando la atención: hablar raramente, en el momento adecuado, en el lugar adecuado, del lado del usuario. Las empresas con años de datos de notificación pueden tener una ventaja.
Jean-marc es un exitoso ejecutivo de negocios de IA. Lidera y acelera el crecimiento de soluciones impulsadas por IA y fundó una empresa de visión por computadora en 2006. Es un orador reconocido en conferencias de IA y tiene un MBA de Stanford.