1. ¿Cuáles son las características generales del proyecto?
Elenna (Electricidad en lenguaje natural) es un proyecto que pretende informar y aconsejar a los clientes de electricidad sobre sus patrones de consumo, empleando para ello un modelo lingüístico granular con el que generar mensajes en lenguaje natural.
El proyecto Elenna es el resultado de la colaboración de EDP, concretamente de su programa de apoyo a doctorandos, con el European Center for Soft Computing (ECSC).
2. ¿Cómo surge el proyecto? ¿Cuál es su objetivo?
Una de las cuestiones que se plantean recurrentemente es cómo mejorar la percepción que tienen de EDP los clientes, su grado de satisfacción y la forma de vincularlos.
Una forma de conseguirlo es a través de servicios que permitan asesorar al cliente para que sea más eficiente y consiga ahorros: dar información de forma transparente, pues son frecuentes los casos de clientes que dicen no entender la factura.
Los nuevos contadores digitales proporcionan la oportunidad de obtener un conocimiento más preciso acerca de los hábitos de consumo de cada cliente. Gestionar todos estos datos de forma provechosa se presenta como un desafío ante el cual surge el proyecto.
El objetivo del proyecto es, por tanto, obtener información detallada acerca de la forma en la que los distintos tipos de cliente consumen la energía eléctrica y, a continuación, utilizar esa información para establecer con cada cliente una relación más personalizada. Para ello se creará un informe en lenguaje natural que describa los detalles de su forma particular de consumir energía eléctrica y formule recomendaciones en base a ello.
Figura 1. Diagrama básico de funcionalidad del sistema
3. ¿Qué es el lenguaje natural? ¿Cómo funciona el sistema?
El lenguaje natural es el lenguaje que utilizamos en nuestra vida diaria para comunicarnos con las personas de nuestro entorno. Los seres humanos describimos nuestras percepciones, las cosas que observamos y que suceden a nuestro alrededor, utilizando el lenguaje natural.
Por ejemplo, un amigo nos dice: “Esta película me ha gustado mucho”.
Y aclara: “Me gusta el papel de la protagonista y los paisajes son muy bonitos”.
Como conocemos los gustos de esta persona, con esta información tan resumida pero eficaz podemos decidir si ver o no la película.
Esta capacidad de comunicación que tenemos las personas está aún fuera del alcance de los ordenadores. Puesto que los ordenadores actuales pueden acceder y procesar millones de datos por segundo, se trata de lograr que puedan utilizar el lenguaje natural para describir la información relevante que contienen esos datos.
El proyecto Elenna es uno de los resultados de la investigación desarrollada en este campo durante los últimos años. Utilizando la medida de consumo en una hora determinada, el ordenador genera una frase como por ejemplo: “El jueves a las 13:00 el consumo fue bastante más alto de lo normal”.
Como hacen las personas, el ordenador puede utilizar esta tecnología para aportar información como el consumo durante un mes o el consumo de los vecinos. Por ejemplo, puede generar la frase: “Su consumo durante el mes pasado fue mucho más bajo que el de muchos de sus vecinos”.
Figura 2. Arquitectura general
Utilizando el diagrama de la figura anterior, es posible explicar la arquitectura del sistema computacional que se utiliza en el proyecto Elenna.
Sobre los datos proporcionados por los contadores se realizan tres pasos: primero la adquisición de datos, luego la interpretación de los datos y finalmente la generación del informe.
- La adquisición de datos implica obtener los datos proporcionados por los nuevos contadores, pero también obtener datos complementarios sobre los clientes, que permitan personalizar la forma de comunicarse con ellos: el tamaño de la vivienda, el tipo de barrio, datos de consumo de los vecinos…
- La interpretación de los datos requiere la utilización de lo que se denomina Modelo Lingüístico Granular de la conducta del cliente. Se trata de una estructura de datos que incluye cientos de posibles expresiones lingüísticas (percepciones computacionales) que pueden utilizarse para describir el fenómeno analizado con distintos niveles de detalle. Las percepciones más detalladas se combinan de distintas formas para crear percepciones más complejas. Por ejemplo, hay un algoritmo para calcular la validez eimportancia de la frase “La mayor parte de los lunes al mediodía su consumo es bastante alto”. En este paso se calcula si la frase es verdadera y relevante para ser incluida en el informe.
- La generación automática del texto del informe se realiza utilizando una plantilla flexible que permite adaptar el contenido y el formato del informe a las características de cada cliente. Por ejemplo, se debe tener en cuenta la historia de las comunicaciones ya realizadas con ese cliente determinado. O se puede definir el objetivo de reducir el consumo en stand-by pero no insistir en el tema si el cliente no modifica su conducta al cabo de un tiempo.
4. ¿La información y las recomendaciones se proporcionarían entonces de forma escrita?
Sí, pero no de manera exclusiva. Una característica importante de este proyecto es que incluye un ser virtual que simula un comportamiento humano emocional.
Este ser virtual hace el papel de un asistente personal que dice o escribe los comentarios y advertencias del informe. La personalidad de este avatar se representa con una cara capaz de modificar su expresión con un estado de ánimo que introduce en las frases cierto contenido emocional.
Por ejemplo, podría afirmar “Estoy bastante contento con los resultados obtenidos en los últimos meses”, lo que iría acompañado de una expresión de satisfacción.
El modelo está construido con 81 reglas que hacen que el estado emocional vaya evolucionando con el paso del tiempo. Modificando estas reglas podemos cambiar la personalidad del ser virtual para que sea más exigente o más paciente a la hora de comunicar los posibles cambios en la conducta del cliente.
El diagrama de la figura siguiente muestra una máquina de estados donde las percepciones computacionales hacen cambiar el estado de ánimo del avatar.
Figura 3. Modelo emocional
5. ¿Se aplican estas técnicas en otros sectores?
Aunque el lenguaje natural es una tecnología muy reciente, hay una empresa en Inglaterra y dos en Estados Unidos que ofertan proyectos para realizar descripciones lingüísticas de datos. Ofrecen descripciones de las predicciones meteorológicas o descripciones de datos sobre la evolución del mercado bursátil. Como se trata de empresas privadas, no se dispone de muchos datos acerca de cómo lo hacen.
En lo que respecta al ECSC (European Center for Soft Computing), se ha utilizado la misma técnica de Elenna para desarrollar diferentes aplicaciones. Por ejemplo:
- Para describir los miles de imágenes que existen de la superficie del planeta Marte, desarrollando un etiquetado lingüístico de imágenes.
Figura 4. Análisis en lenguaje natural de imágenes de Marte
- Para describir las características del tráfico en una autopista a partir de las imágenes de las cámaras de tráfico.
Figura 5. Análisis en lenguaje natural del tráfico
- También se ha descrito la forma de caminar de una persona en base a datos obtenidos de su teléfono móvil.
Figura 6. Análisis en lenguaje natural de la marcha humana
- Por último, otra aplicación interesante fue la descripción de la belleza y características de las estrellas dobles, tal y como las percibe un astrónomo virtual.
Figura 7. Análisis en lenguaje natural de observaciones astronómicas
6. ¿Cuál es el estado actual del proyecto?
El proyecto se encuentra en fase de experimentación. Actualmente se ha empezado a trabajar con los datos de consumo de un grupo de usuarios de confianza con el objetivo de conocer su opinión sobre la utilidad del sistema.
Antes de poder aplicarlo, queda un trabajo muy importante que hacer en el que se necesita trabajar con los especialistas de Marketing para ajustar la personalidad del avatar y definir cuál es el tipo de mensajes más adecuado para lograr objetivos en plazos concretos: una campaña de marketing concreta, una forma de fidelizar al cliente…
COMPARTIR:
