Lara AI tiene dos versiones del módulo Helpdesk: la Conversacional (v2) y el Árbol de decisión (v1). Este artículo las compara punto por punto para que elijas la que corresponde a tu organización y sepas qué cambia si migrás. La diferencia de fondo es una sola: el árbol de decisión es determinístico y la conversacional es generativa.
Determinístico vs. generativo
- Árbol de decisión (v1): es determinístico. Da las respuestas exactamente como fueron escritas y no varían ni una palabra. El colaborador navega un menú de opciones hasta llegar a una respuesta final.
- Conversacional (v2): es generativo. El colaborador escribe con sus propias palabras y Lara AI genera la respuesta a partir de la base de conocimientos. La redacción puede variar entre una consulta y otra, aunque el contenido siempre sale de lo cargado.
Ambas versiones usan inteligencia artificial para entender la intención de la pregunta. La diferencia es que la versión conversacional además usa IA para generar la respuesta; el árbol de decisión no: entrega la respuesta fija de cada rama.
Comparación punto por punto
- Cómo pregunta el colaborador. Conversacional: escribe con sus propias palabras. Árbol: elige opciones de un menú.
- De dónde sale la respuesta. Conversacional: de los artículos de la base de conocimientos, interpretados por IA. Árbol: de la respuesta fija asociada a cada rama.
- Qué hay que mantener. Conversacional: los artículos de la base. Árbol: la estructura del menú y sus textos.
- Cobertura. Conversacional: cubre variantes de una misma pregunta sin configurarlas una por una. Árbol: cubre exactamente lo que está en el menú.
- Previsibilidad. Árbol: la respuesta es siempre idéntica. Conversacional: la redacción puede variar, aunque el contenido sale siempre de la base cargada.
- Combinación de temas. Conversacional: puede combinar varias bases de conocimiento en una sola respuesta (por ejemplo “política de vacaciones y cómo solicitarlas” en una pregunta). Árbol: requiere una consulta por tema.
- Detección de faltantes. Conversacional: Consultas sin respuesta muestra automáticamente los huecos. Árbol: hay que deducirlos del abandono en cada rama.
- Esfuerzo inicial. Conversacional: redactar artículos. Árbol: diseñar y cargar el menú completo.
Cómo elegir
Elegí la versión conversacional si el volumen de consultas es alto y variado, si tenés políticas escritas que se puedan cargar como artículos y si querés reducir la carga de HR.
Elegí el árbol de decisión si necesitás respuestas literalmente idénticas por requisito normativo, si el universo de consultas es corto y estable, o si no tenés contenido escrito para cargar.
Qué cambia al migrar de v1 a v2
Ganás cobertura de variantes, detección automática de faltantes y menos mantenimiento estructural. Perdés el control literal de la redacción de cada respuesta y el recorrido guiado por menú. El trabajo de migración consiste en convertir cada hoja del árbol en un artículo de la base de conocimientos.
✅ Buenas prácticas
- Si migrás, hacelo por dominio temático y no de golpe: primero vacaciones y licencias, después nómina, y así.
- Antes de apagar el árbol, corré Probar Helpdesk con las cincuenta consultas más frecuentes.
- Comunicá el cambio a los colaboradores: pasan de elegir opciones a escribir libremente.
⚠️ Errores frecuentes
- Migrar sin convertir todas las hojas del árbol en artículos, con lo que quedan huecos de contenido.
- Mantener las dos versiones en paralelo sin que el colaborador sepa cuál está usando.
- Evaluar la versión conversacional esperando respuestas literales.
❓ Preguntas frecuentes
¿Cuál es la versión vigente? La conversacional (v2).
¿El árbol de decisión sigue soportado? Sí, para las organizaciones que lo usan.
¿Se puede volver atrás después de migrar? Consultalo con el equipo de Lara AI antes de migrar.
¿La migración tiene costo de implementación? Depende de tu contrato.
Ante cualquier duda o inconveniente, por favor contactate con soporte@meetlara.ai.
¿Le fue útil este artículo?
¡Qué bueno!
Gracias por sus comentarios
¡Sentimos mucho no haber sido de ayuda!
Gracias por sus comentarios
Comentarios enviados
Agradecemos su iniciativa, e intentaremos corregir el artículo