Chatbot multilingüe en la tienda online: idiomas, glosario, límites

Una clienta escribe un martes por la noche en el chat de una pequeña tienda online: “Mijn pakket is nog niet aangekomen, kan ik het retourneren?” La tienda vende artículos para el hogar, envía desde Alemania a varios países de la UE y la dirigen tres personas. Nadie del equipo habla neerlandés. La clienta no espera al lunes: pide al siguiente proveedor.

En este escenario, el soporte funciona hasta ahora con un formulario de contacto y un buzón. Las respuestas llegan al siguiente día laborable, casi siempre en alemán o en un inglés que la otra parte lee por necesidad. Las preguntas se repiten: dónde está mi paquete, cuánto tarda el envío a Austria, cómo lo devuelvo, quién paga el porte, qué talla me corresponde. Gran parte del día se va en respuestas que solo se distinguen por el idioma.

Un chatbot multilingüe parece la respuesta evidente. La verdadera pregunta es qué debe saber hacer para ayudar en lugar de crear problemas nuevos. Un bot que charla con fluidez y menciona un plazo de devolución erróneo es peor que ninguno, porque la clienta se apoyará después en esa afirmación. Este estudio recorre el camino que elegiríamos y señala dónde termina.

Los modelos de lenguaje modernos entienden decenas de idiomas y responden en el idioma de la consulta. Eso induce a pensar que lo multilingüe es un interruptor. En la práctica, los problemas no están en la gramática, sino en contenidos que pueden significar algo distinto en cada idioma: plazos, costes, países, términos de producto.

Un fallo típico: el bot traduce libremente “Rückgaberecht” y menciona en la respuesta un plazo que no figura así en las condiciones de la tienda, porque el modelo lo completa con conocimiento general. Un segundo: un nombre de producto que en un idioma es una palabra corriente se traduce también, y la clienta busca en vano el artículo. Un tercero: el idioma se detecta mal a partir de una sola palabra y la respuesta llega en español aunque se escribió en portugués.

A ello se suman preguntas en las que una respuesta es vinculante no solo lingüística sino también materialmente. Quien quiere saber si un pedido ya se ha enviado necesita datos reales, no una suposición. Quien discute por un reembolso no necesita una formulación amable, sino una persona con capacidad de decisión. Un bot que lo responde todo parece competente hasta que importa.

Por último surge un problema organizativo: ¿quién revisa realmente las respuestas en neerlandés, polaco o italiano? En el equipo nadie puede. Sin un procedimiento para ello, cualquier afirmación sobre la calidad sigue siendo una esperanza.

A ello se añade la expectativa de la clientela. Quien recibe respuesta en su propio idioma la percibe como vinculante, aunque sea generada por una máquina. Un aviso de que responde un bot no es, por tanto, solo una cuestión de transparencia, sino que reduce también el riesgo de que una formulación casual se lea como promesa. Una tienda que vende en varios países asume esta responsabilidad por igual en cada idioma.

Antes de elegir una tecnología, clasificamos las preguntas que llegan al chat según el daño que causaría una respuesta errónea. La pregunta por el horario o las instrucciones de cuidado tolera una pequeña inexactitud. Un plazo de devolución indicado, una fecha de entrega prometida o una afirmación sobre aranceles no la toleran, porque sobre ellos se basan decisiones de la clientela.

De esta clasificación se deduce el rigor con que se trata cada área. La información no crítica el bot puede redactarla libremente a partir de la base de conocimiento. En las normas de envío y devolución solo puede reproducir lo que allí figura y debe citar la fuente. En los textos legales emite exclusivamente el texto aprobado y remite a él. En los datos de pedidos responde solo tras comprobar la identidad y desde el sistema de la tienda, nunca de la memoria del modelo.

También ayuda mirar los propios idiomas. En lugar de maximizar el número de “idiomas compatibles”, preguntamos de qué países llegan realmente pedidos y consultas. Para una tienda pequeña pueden ser quizá alemán, inglés, neerlandés y francés. Cada idioma adicional es un encargo de calidad propio, no una casilla marcada. Los datos de pedidos y de soporte de la tienda indican qué idiomas merecen el esfuerzo.

Hay dos patrones básicos. En el primero existe una única base de conocimiento en alemán. La pregunta se traduce, se responde y la respuesta se traduce de vuelta. Es rápido de montar y fácil de mantener, pues basta un texto. El precio son los errores de traducción en cada uno de los dos puntos, y ante preguntas de seguimiento el sistema pierde fácilmente el hilo, porque los matices se desplazan dos veces.

En el segundo patrón, la base de conocimiento existe en cada idioma admitido como versión revisada editorialmente. El bot busca en el idioma de la clienta y responde a partir de su texto. El esfuerzo es mayor, porque cada cambio debe trasladarse a todos los idiomas. A cambio, se puede fijar por idioma qué es exactamente lo que vale, y una hablante nativa puede revisarlo una vez, en lugar de cada respuesta por separado.

Nosotros combinaríamos ambos, escalonados según el riesgo. Para los idiomas principales con un volumen de consultas apreciable se elaboran versiones revisadas de la información sobre envío, devoluciones y pago. Para los idiomas marginales basta una traducción en tiempo de ejecución de la información no crítica, complementada con un aviso claro de que la respuesta está traducida automáticamente y con la posibilidad de cambiar rápidamente a inglés o alemán.

Un ejemplo aclara la diferencia. Si una clienta pregunta en francés por la devolución de un artículo, el bot encuentra en la versión francesa los pasos, la vía de devolución y la referencia a las condiciones. Con pura traducción en tiempo de ejecución la respuesta saldría del texto alemán, y una palabra como “Rückerstattung” podría aparecer, según la frase, como abono o como devolución del dinero. Para la clienta es una diferencia considerable.

Lo decisivo es el procedimiento ante la incertidumbre. Si el bot no encuentra un pasaje adecuado en la base de conocimiento, no adivina, sino que lo dice abiertamente y ofrece el traspaso. Suena a algo obvio, pero es la cualidad que distingue a los bots útiles de los inservibles.

El desarrollo de la conversación sigue un orden fijo. Primero el bot detecta el idioma del primer mensaje, pero lo confirma en una frase (“Responderé en neerlandés, ¿desea cambiar?”) en lugar de darlo por supuesto en silencio. Los mensajes cortos como “ok” o un nombre de producto son demasiado escasos para la detección de idioma, por eso rige el último idioma confirmado hasta que la clienta elija otro.

Después, el bot clasifica la intención: información, pregunta sobre un pedido, devolución, reclamación o algo que no entiende. Las consultas de información las responde desde la base de conocimiento del idioma correspondiente y muestra la fuente. Las preguntas sobre pedidos las dirige a un flujo protegido en el que pide el número de pedido y un segundo dato. Las devoluciones las guía paso a paso, sin decidir sobre gestos comerciales o excepciones.

Las reclamaciones, las disputas por reembolsos, la sospecha de daños y todo lo que se vuelve emocional pasa sin rodeos a una persona. El ticket contiene el idioma, el historial hasta el momento, un resumen en alemán y el original de la clienta. Quien responda en el equipo puede entonces trabajar con un traductor sin tener que reabrir la conversación. La clienta sabe con franqueza qué ocurrirá a continuación y en qué plazo es realista una respuesta.

Técnicamente, el bot consta de varias capas que siguen siendo verificables por separado. Arriba está la interfaz de chat en la página de la tienda. Debajo se encuentra el control, que detecta idioma e intención y decide qué fuente es competente. El modelo de lenguaje redacta, pero no decide qué es válido. Esta separación es la característica de seguridad más importante, pues impide que la formulación libre se convierta en afirmaciones libres.

El glosario es discreto, pero eficaz. Contiene nombres de producto que nunca se traducen, términos técnicos con su equivalente aprobado por idioma y palabras que la tienda evita deliberadamente. Si se aporta antes de cada respuesta y se comprueba después de cada respuesta, desaparecen muchos autogoles, por ejemplo cuando la denominación de un artículo se convierte en una palabra corriente. Puede mantenerlo la persona que conoce el surtido, no un desarrollador.

Los textos legales, como la información sobre el derecho de desistimiento, las condiciones de envío o los avisos de protección de datos, los tratamos como citas, no como materia de conversación. El bot emite literalmente la versión aprobada en el idioma correspondiente y enlaza a ella. Si no existe una traducción revisada, remite a la versión alemana y lo dice. No explica el texto libremente, porque una paráfrasis “más comprensible” puede prometer algo distinto del original. Si una traducción es jurídicamente suficiente, lo aclara la titular de la tienda, en caso de duda, con un organismo especializado.

Para el estado del pedido, el bot necesita una conexión con el sistema de la tienda que funcione solo en modo lectura y solo para el pedido concreto. La consulta se realiza a través de una interfaz en el servidor con permisos estrictamente acotados. El bot recibe solo los campos necesarios para la respuesta, es decir, estado, transportista y número de seguimiento, no el expediente completo del cliente. El acceso queda registrado.

Los casos especiales muestran si un concepto se sostiene. El primero es la lengua mixta: quien escribe en alemán pero intercala un nombre de producto inglés y un topónimo francés confunde cualquier detección automática. Ayuda determinar el idioma a lo largo de varios mensajes y, ante la duda, preguntar con cortesía en lugar de adivinar. También el dialecto, el lenguaje coloquial y las erratas exigen que las intenciones se reconozcan con solidez y que el bot formule una pregunta de aclaración comprensible.

El segundo caso afecta al estado del pedido. Alguien introduce un número de pedido que ha visto en algún sitio y quiere detalles de un pedido ajeno. Por eso el bot pide un segundo dato que solo conoce quien hizo el pedido, por ejemplo la dirección de correo del pedido, y ante intentos fallidos no da ninguna pista sobre cuál de los dos datos era erróneo. Los datos sensibles, como direcciones completas o datos de pago, el chat no los emite en ningún caso.

En tercer lugar, las cuestiones de países y precios: los gastos de envío, la aduana, los plazos de entrega y los impuestos varían según el país de destino. El bot los responde solo para los países que figuran en la base de conocimiento y, para todos los demás, dice con honestidad que no lo sabe. Esto vale también para las monedas. Una conversión de la memoria del modelo no es una información de precio.

Otro caso reside en los caracteres y el tratamiento. Los caracteres especiales, los acentos u otros alfabetos deben llegar sin alteración al chat, al ticket y a las notificaciones; de lo contrario, el equipo lee en el buzón un texto ilegible. También las fórmulas de cortesía difieren: un tratamiento que parece natural en alemán puede sonar demasiado familiar o demasiado rígido en otro idioma. Por eso el glosario debería fijar también tratamientos y fórmulas de saludo por idioma.

El cuarto caso es la reclamación en tono áspero. Aquí no ayuda la traducción, sino la rapidez y la competencia. El bot reconoce palabras detonantes y repeticiones, se mantiene neutral y traspasa de inmediato. No intenta cambiar el ánimo con fórmulas de cortesía, pues resultan condescendientes en cualquier idioma.

Un chatbot multilingüe quita al equipo las preguntas habituales siempre idénticas y hace que la tienda sea accesible fuera del horario de oficina, en el idioma de la clientela. Es un beneficio realista. Su magnitud depende del surtido, de la calidad de la base de conocimiento y de la proporción de preguntas habituales. No prometemos una tasa de consultas que un bot “resuelve”, pues es una de las cifras que solo pueden medirse en el propio negocio.

Se puede medir en tres grupos. Primero, atención: ¿cuántas conversaciones terminaron sin traspaso, y cuántas de ellas quedaron sin mensaje de seguimiento por correo? Segundo, calidad: ¿cuántas respuestas de la muestra eran correctas en lo técnico, comprensibles en lo lingüístico y respaldadas con la fuente adecuada, por idioma? Tercero, descarga: ¿cuántos tickets por semana siguen llegando al buzón y cuánto tarda la primera respuesta de las personas?

Cuente con un período de arranque. En las primeras semanas se notan sobre todo lagunas en la base de conocimiento, que solo se revelan a través de conversaciones reales. Solo después puede juzgarse si el bot descarga de verdad. Si tras un período de observación de unas semanas resulta que la mayoría de las preguntas son de todos modos casos especiales, es un resultado legítimo: entonces compensa más un mejor centro de ayuda que un bot.

En un balance honesto cabe también lo que no mejora. El bot no sustituye ninguna negociación, ninguna decisión de cortesía comercial ni ningún asesoramiento especializado. No evita que las clientas queden insatisfechas cuando el producto o la entrega decepcionan. Solo puede conseguir que lleguen antes a una información correcta o a una persona.

La lección más importante es no gestionar la calidad como una impresión general. “El bot funciona bien” dice poco si nadie sabe en qué idioma. Por eso creamos por idioma un pequeño catálogo de pruebas fijo: unas veinte preguntas típicas, entre ellas preguntas trampa sobre plazos, países desconocidos y pedidos ajenos. Con cada cambio en la base de conocimiento, el glosario o el modelo, el catálogo se ejecuta de nuevo y se comparan las desviaciones.

El catálogo por sí solo no basta. Además, una persona con conocimientos del idioma lee con regularidad una muestra de conversaciones reales, idealmente la misma persona durante un período largo. Si en el entorno de la tienda no hay nadie, un servicio lingüístico externo puede asumir esta tarea por horas. Lo decisivo es que esté prevista de forma fija y no se haga solo cuando alguien se queja.

El mantenimiento también forma parte. Si cambian los socios de envío, los plazos o los precios, el cambio debe llegar a cada idioma; de lo contrario, el sitio web y el bot se contradicen. Resulta útil un procedimiento sencillo: una fuente en alemán, de ella las versiones por idioma, cada una con fecha y responsable. Y si un idioma no puede mantenerse, se desactiva en lugar de seguir funcionando con el estado de hace un año.

En cuanto a la protección de datos, solo se ofrece una orientación, sin asesoramiento jurídico: las clientas deberían reconocer que hablan con un bot, las conversaciones no deberían almacenarse más tiempo del necesario y debe fijarse de forma deliberada qué datos llegan al modelo de lenguaje. Los detalles los aclara la tienda con su asesoría de protección de datos.

Un chatbot multilingüe compensa en una tienda que envía con regularidad a varios países y recibe muchas preguntas parecidas. Funciona cuando solo responde lo que consta en fuentes revisadas, reproduce los textos legales sin modificarlos, obtiene los datos de los pedidos a través de una conexión segura y deriva pronto a personas. No funciona como máquina de traducción que tapa cada laguna con soltura lingüística.

El siguiente paso es pequeño. Revise su bandeja de entrada de los últimos meses y cuente en qué idiomas han llegado consultas y cuáles son las diez preguntas que más se repiten. Con esa lista se puede decir qué idiomas merecen la pena y qué contenidos deben entrar primero en la base de conocimiento. Con gusto la revisamos juntos y le diremos con franqueza si un buen centro de ayuda aportaría más al principio que un bot.

Tres conclusiones son las que más alcance tienen. Primera: el modelo de lenguaje redacta, la fuente decide. Segunda: menos idiomas, pero revisados, superan a muchos idiomas de calidad desconocida. Tercera: la derivación a personas forma parte del concepto y no es una admisión de fracaso. Una tienda que respeta estos tres puntos puede añadir idiomas más adelante sin poner en riesgo la confianza de su clientela.

Para situar el esfuerzo: la mayor parte no está en el bot, sino en los textos, en el glosario y en la revisión continua. Eso puede estimarse tras analizar las consultas, no antes.