Admito abiertamente que las emociones y la inteligencia artificial son dos cosas que, cuando se juntan, me apasionan. Siempre he tenido la curiosidad-maravillosa de preguntarme cómo puede llevarse a cabo esa intersección, de qué es lo que puede salir al mezclar ambas cosas.
Aunque es cierto que de cada vez tenemos una tecnología más humanizada, no había tenido la oportunidad de ver una intersección delante de mis ojos. Hasta que pude ver el nacimiento de Contact Sentiment, una aplicación dentro de HubsSpot –aplicada al mundo empresarial–, la cual ha sido entrenada con emociones, para conocer el estado de satisfacción de los clientes en el proceso de venta.
Más allá de resolver las dudas, tuve la oportunidad de entrevistar a los creadores de la herramienta, Dani Plana y Enric Quintero –MorningLabs y Datarmony, respectivamente– y lo que he aprendido va más allá de las propias emociones.
Cómo se aplican emociones en IA
Una de mis mayores obsesiones, en términos de IA, siempre ha sido la idea de que la inteligencia artificial también tenga inteligencia emocional. No obstante, aunque todavía no estemos en este escenario, ya estamos viendo iteraciones en el terreno.
En el caso de Contact Sentiment, se trata de una implementación que analiza conversaciones en determinados ámbitos, para determinar el tono del propio mensaje. En base a lo que el algoritmo interpreta, emite el sentimiento que se ha podido extraer de esa lectura, para dar con un fin muy claro: ¿Está el cliente satisfecho en el proceso de venta?
De esta manera, si se aplica a empresas con mucho volumen de datos, se puede conocer el rango de satisfacción, sin tener que ir caso a caso. Pero, sin embargo, las preguntas me empezaron a aflorar.
¿Por qué se ha decidido apostar por la aplicación de emociones en IA?
Mi primera gran pregunta. Dani Plana ha explicado que “los sentimientos quedan reflejados en el tono de los mensajes que se intercambian con los clientes y contactos. Si podemos analizar el tono de estos mensajes, es posible activar alertas automáticas que nos adviertan, por ejemplo, que la relación con uno de nuestros clientes se puede deteriorar”, ha explicado.
Aunque el análisis de sentimientos y de satisfacción no es algo que se haya inventado en 2025, Plana sí recalca que lo nuevo es la introducción de IA generativa para esta tarea: “los algoritmos más avanzados, en grandes cantidades de datos, estudian contextos, patrones y probabilidades, haciendo que sea mucho más preciso el resultado y se pueden detectar emociones más difíciles de percibir”.
¿Cómo se lleva a cabo el análisis a la par que se mantiene la privacidad de los usuarios?
Emociones, “check”. Ahora, mi siguiente cuestión era sobre la privacidad. ¿Un algoritmo que lee las conversaciones y que puede ser privado? Aquí está la fórmula del equilibrio, contada por el propio Plana: “todo queda registrado en entornos seguros y privados, como los servidores de correo o las bases de datos de los programas de gestión de los clientes”.
Es decir, que el análisis se lleva a cabo dentro de software empresarial. Además, también ha recalcado que este proceso se lleva a cabo “legitimado por la relación cliente-proveedor”. Aquí hay todo un intríngulis legislativo sobre IA y emociones que, todo sea dicho, me ha sorprendido por la cantidad de elementos que se toman en cuenta. Aunque lo vamos a ver un poco más adelante.
¿Cómo se ha entrenado a la IA? ¿Cómo funcional el procedimiento de análisis emocional?
Plana ha explicado que “la herramienta utiliza un gran modelo de lenguaje (LLM) de base, previamente entrenado. Estos modelos son capaces de captar el tono de una conversación, porque durante su entrenamiento son expuestos a vastas cantidades de texto, lo que les permite aprender a asociar palabras, frases y patrones lingüísticos con diferentes emociones. Por ejemplo, palabras como «feliz,» «alegría» y «entusiasmado» suelen estar asociadas con sentimientos positivos.
A diferencia de los métodos tradicionales de análisis de sentimientos que se basan en la simple identificación de palabras clave, los LLM pueden analizar el contexto en el que se utilizan las palabras. Esto les permite comprender mejor el significado real de un texto y detectar matices como el sarcasmo o la ironía”.
El papel de los datos
No se puede entender IA sin datos. No se puede entender a Bonny sin su Clyde. En esa línea, Enric Quintero, nos ha proporcionado una visión que va más allá de la IA: cómo los datos se pueden transformar en emociones. Y se trata de algo tan simple como la categorización. “La forma más común y simple de categorizar las emociones latentes en un texto es etiquetarlo como positivo, negativo o neutro”.
¿Significa eso que los humanos ya no tendremos que distinguir emociones?
Querido lector, me alegra decirte que no. La IA en este ámbito se trata de una ayuda. Por eso, Quintero ha querido dejar patente que “una vez generado el análisis, el cliente debería leer por sí mismo los mensajes para determinar los matices más complejos. No se trata de sustituir a las personas, sino de ayudarlas a focalizar su atención dónde realmente hace más falta”.
Hay que ir de etiqueta
¿Cómo es posible que se puedan asociar los datos a las emociones? Tan sencillo como las etiquetas que clasifican al texto. En el caso de Contact Sentiment, como “positivo, negativo o neutro”, ha detallado Quintero. A su vez, recalca, esa etiqueta queda vinculada al mensaje.
Dicho de otro modo, “back to basics”. Sistema de tablas en las que introducimos que “X” término va a ser “Y” emoción.
¿La IA consciente?
Algo que nos hace humanos es la emoción. Aunque la IA pueda “entender” algunos términos y nos pueda establecer un resultado en base a correlaciones y patrones lingüísticos, quizás a muchas personas les salga la duda: ¿Es realmente consciente una IA como para que pueda identificar emociones? Spoiler: No. Pero.
Enric Quintero ha planteado algunos escenarios en esa línea: “interpretar emociones es algo subjetivo. La detección de sentimientos sigue siendo un desafío, especialmente en textos con lenguaje ambiguo, sarcasmo sutil o diferencias culturales en la expresión de emociones”. Por este motivo, el experto aboga por el hecho de que sea “indispensable que una persona revise los mensajes y determine cuál es la situación real”.
El fin, no sólo es que la IA detecte cómo se siente el cliente. Sino que se trata, también, de reducir burocracia: “se ayuda a priorizar miles de conversaciones, lo cual facilita a un comercial la labor de focalizarse en sus tareas”.
Abre un paréntesis en tus rutinas. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación.
