Admeto obertament que les emocions i la intel·ligència artificial són dues coses que, quan s’ajunten, m’apassionen. Sempre he tingut la curiositat-meravellosa de preguntar-me com es pot dur a terme aquesta intersecció, de què és el que pot sortir en barrejar ambdues coses.
Encara que és cert que cada vegada tenim una tecnologia més humanitzada, no havia tingut l’oportunitat de veure una intersecció davant dels meus ulls. Fins que vaig poder veure el naixement de Contact Sentiment, una aplicació dins de HubsSpot –aplicada al món empresarial–, la qual ha estat entrenada amb emocions, per conèixer l’estat de satisfacció dels clients en el procés de venda.
Més enllà de resoldre els dubtes, vaig tenir l’oportunitat d’entrevistar els creadors de l’eina, Dani Plana i Enric Quintero –MorningLabs i Datarmony, respectivament– i el que he après va més enllà de les pròpies emocions.
Com s’apliquen emocions en IA
Una de les meves majors obsessions, en termes d’IA, sempre ha estat la idea que la intel·ligència artificial també tingui intel·ligència emocional. No obstant això, malgrat que encara no estiguem en aquest escenari, ja estem veient iteracions en el terreny.
En el cas de Contact Sentiment, es tracta d’una implementació que analitza converses en determinats àmbits, per determinar el to del mateix missatge. D’acord amb allò que l’algoritme interpreta, emet el sentiment que s’ha pogut extreure d’aquesta lectura, per arribar a un fi molt clar: ¿Està el client satisfet en el procés de venda?
D’aquesta manera, si s’aplica a empreses amb molt volum de dades, es pot conèixer el rang de satisfacció, sense haver d’anar cas per cas. Però, no obstant això, les preguntes em van començar a aflorar.
Per què s’ha decidit apostar per l’aplicació d’emocions en IA?
La meva primera gran pregunta. Dani Plana ha explicat que “els sentiments queden reflectits en el to dels missatges que s’intercanvien amb els clients i contactes. Si podem analitzar el to d’aquests missatges, és possible activar alertes automàtiques que ens adverteixin, per exemple, que la relació amb un dels nostres clients es pot deteriorar”, ha explicat.
Encara que l’anàlisi de sentiments i de satisfacció no és quelcom que s’hagi inventat el 2025, Plana sí que recalca que el nou és la introducció d’IA generativa per a aquesta tasca: “els algoritmes més avançats, en grans quantitats de dades, estudien contextos, patrons i probabilitats, fent que sigui molt més precís el resultat i es puguin detectar emocions més difícils de percebre”.
Com es porta a terme l’anàlisi al mateix temps que es manté la privacitat dels usuaris?
Emocions, “check”. Ara, la meva següent qüestió era sobre la privacitat. ¿Un algoritme que llegeix les converses i que pot ser privat? Aquí està la fórmula de l’equilibri, explicada pel mateix Plana: “tot queda registrat en entorns segurs i privats, com els servidors de correu o les bases de dades dels programes de gestió dels clients”.
És a dir, que l’anàlisi es porta a terme dins de software empresarial. A més, també ha recalcat que aquest procés es porta a terme “legitimat per la relació client-proveïdor”. Aquí hi ha tot un entrellat legislatiu sobre IA i emocions que, tot sigui dit, m’ha sorprès per la quantitat d’elements que es prenen en compte. Encara que ho veurem una mica més endavant.
Com s’ha entrenat a la IA? Com funciona el procediment d’anàlisi emocional?
Plana ha explicat que “l’eina utilitza un gran model de llenguatge (LLM) de base, prèviament entrenat. Aquests models són capaços de captar el to d’una conversa, perquè durant el seu entrenament estan exposats a vastes quantitats de text, el que els permet aprendre a associar paraules, frases i patrons lingüístics amb diferents emocions. Per exemple, paraules com «feliç,» «alegria» i «entusiasmat» solen estar associades amb sentiments positius.
A diferència dels mètodes tradicionals d’anàlisi de sentiments que es basen en la simple identificació de paraules clau, els LLM poden analitzar el context en el qual s’utilitzen les paraules. Això els permet comprendre millor el significat real d’un text i detectar matisos com el sarcasme o la ironia”.
El paper de les dades
No es pot entendre IA sense dades. No es pot entendre a Bonny sense el seu Clyde. En aquesta línia, Enric Quintero, ens ha proporcionat una visió que va més enllà de la IA: com les dades es poden transformar en emocions. I es tracta d’alguna cosa tan simple com la categorització. “La forma més comuna i simple de categoritzar les emocions latents en un text és etiquetar-lo com a positiu, negatiu o neutre”.
¿Significa això que els humans ja no haurem de distingir emocions?
Estimat/da lector/a, em plau dir-te que no. La IA en aquest àmbit es tracta d’una ajuda. Per això, Quintero ha volgut deixar palès que “una vegada generat l’anàlisi, el client hauria de llegir per si mateix els missatges per determinar els matisos més complexos. No es tracta de substituir les persones, sinó d’ajudar-les a focalitzar la seva atenció on realment fa més falta”.
Cal anar d’etiqueta
¿Com és possible que es puguin associar les dades a les emocions? Tan senzill com les etiquetes que classifiquen el text. En el cas de Contact Sentiment, com “positiu, negatiu o neutre”, ha detallat Quintero. Al seu torn, recalca, aquesta etiqueta queda vinculada al missatge.
Dit d’una altra manera, “back to basics”. Sistema de taules en què introduïm que “X” terme serà “Y” emoció.
¿La IA conscient?
Una cosa que ens fa humans és l’emoció. Encara que la IA pugui “entendre” alguns termes i ens pugui establir un resultat en base a correlacions i patrons lingüístics, potser a moltes persones els apareix el dubte: ¿És realment conscient una IA com per a poder identificar emocions? Spoiler: No. Però.
Enric Quintero ha plantejat alguns escenaris en aquesta línia: “interpretar emocions és una cosa subjectiva. La detecció de sentiments continua sent un desafiament, especialment en textos amb llenguatge ambigu, sarcasme subtil o diferències culturals en l’expressió d’emocions”. Per aquest motiu, l’expert advoca pel fet que sigui “indispensable que una persona revisi els missatges i determini quina és la situació real”.
El fi, no només és que la IA detecti com se sent el client. Es tracta, també, de reduir burocràcia: “s’ajuda a prioritzar milers de converses, la qual cosa facilita a un comercial la tasca de focalitzar-se en les seves tasques”.
Obre un parèntesi en les teves rutines. Subscriu-te al nostre butlletí i posa’t al dia en tecnologia, IA i mitjans de comunicació.
