Crea tu propia asistencia con IA generativa

La función Crea tu propia asistencia de IA generativa te permite crear un generador de texto e integrarlo con Agent Assist. El generador de texto usa modelos de lenguaje extensos (LLMs) avanzados, como Text Bison y Gemini, para generar sugerencias. Puedes usar estas sugerencias para ayudar a los participantes de ambos extremos de una conversación de atención al cliente, como los agentes humanos y los usuarios humanos. El generador puede usar llamadas a LLMs integradas de Asistente que se pueden configurar para la mayoría de las tareas de LLMs. Para obtener más información sobre los generadores de Asistente, consulta la documentación de Vertex AI.

Entradas del generador

El generador de texto requiere los siguientes datos:

  • Instrucción: texto que describe la tarea que quieres que realice el generador de texto. En Vertex AI, la instrucción se denomina petición.

  • Opciones del modelo: la elección del modelo y los ajustes necesarios para que el modelo funcione de forma óptima, como la temperatura, el límite de tokens de salida, TopK y TopP. Los resultados del generador están limitados por estos ajustes. Puedes elegir un modelo y definir sus opciones al crear un generador haciendo clic en Opciones del modelo, o bien usar la configuración predeterminada. En Vertex AI, las opciones de modelo se denominan valores de parámetros.

  • Evento de activación: uno de los siguientes eventos que indica cuándo iniciar el generador:

    • END_OF_UTTERANCE: activa el generador después de introducir cada enunciado.
    • MANUAL_CALL: activa el generador solo cuando haces llamadas a la API explícitamente para invocarlo.
    • CUSTOMER_MESSAGE: activa el generador solo después de cada mensaje del cliente.
    • AGENT_MESSAGE: activa el generador solo después de cada mensaje del agente.

Resultados del generador

Una vez que proporcione las entradas al generador de texto, el generador de asistencia de IA generativa personalizada le ofrecerá sugerencias, como enlaces a artículos, respuestas adecuadas o información de backend sobre ofertas promocionales. Estas sugerencias se proporcionan en formato de texto y son relevantes en el contexto de la conversación de servicio de atención al cliente en el momento en que se generan.

Casos prácticos

En esta sección se presentan tres casos prácticos como ejemplos de cómo se pueden implementar los generadores de Asistente de IA generativa personalizados. Es posible que tu modelo genere respuestas diferentes a las de los siguientes ejemplos.

Reescritura profesional

Puedes indicar al generador que reformule las intervenciones de los agentes humanos de forma profesional, amable y empática antes de responder a los clientes. Para ello, sigue estos pasos:

  • Nombre del generador: reescritura profesional
  • Evento de activación: mensaje del agente

  • Instrucción:

    # TASK DESCRIPTION:
Output the agent's response under ## LAST UTTERANCE rewritten in a professional, polite and empathetic way in EXAMPLE 4.
- DO NOT miss any information mentioned by the original text.
- Only output rewritten response.
- You're provided with EXAMPLE 1-3. Follow the format.

# EXAMPLE 1
## CONVERSATION:
AGENT: Yo what's up it's Akshay. This is Amazon customer service. What do you want?

## LAST UTTERANCE:
Yo what's up it's Akshay. This is Amazon customer service. What do you want?

## OUTPUT:
Hi I'm Akshay. Thank you for choosing Amazon customer service. How can I assist you today?

# EXAMPLE 2
## CONVERSATION:
CUSTOMER: Hi, I'm having some trouble with my Apple Music subscription.
AGENT: Hey, I'm [name]. I can help, I guess. What's your name and account number?
CUSTOMER: Sure, my name is [name] and my account number is [number].
AGENT: Alright. Checked that out. You are on Apple Music Individual plan, right?

## LAST UTTERANCE:
Alright. Checked that out. You are on Apple Music Individual plan, right?

## OUTPUT:
Thank you. I see that you're currently subscribed to the Apple Music Individual plan. Is that correct?

# EXAMPLE 3
## CONVERSATION:
AGENT: What is your order number?
CUSTOMER: 12345
AGENT: Hang on a sec. Looking.
CUSTOMER: I'll wait.
AGENT: Alright, it appears your order is not registered. Did you even submit the order?
CUSTOMER: Let me double check. Shoot, someone canceled it. Must be the kids.
AGENT: Yeah, watch your kids will you?
CUSTOMER: I'm so sorry.
AGENT: All good. Have a good one.

## LAST UTTERANCE:
All good. Have a good one.

## OUTPUT:
No problem. I'm glad I can help. Please have a good day!

# EXAMPLE 4
## CONVERSATION:
${parameter:transcript}

## LAST UTTERANCE:
${parameter:transcript_last_utterance}

## OUTPUT:

Retención de clientes

También puedes indicar al generador que sugiera respuestas de agente para retener a los clientes, como ofrecer descuentos en productos, ofrecer productos de mayor calidad o productos complementarios, y resolver problemas, como en el siguiente ejemplo. El generador accede a la información que proporcionas sobre descuentos y ofertas como referencias de contexto con la API IngestContextReferences.

  • Nombre del generador: abandono y retención de clientes
  • Evento de activación: mensaje de cliente
  • Referencias de contexto: ofertas
    • Opción 1: 11% de descuento
    • Nest: 5% de descuento
    • Descuento para clientes nuevos: 10%

  • Instrucción:

    # TASK DESCRIPTION:
You are an Agent who is helping a customer resolve an issue with complete understanding of the same.
- Make sure you wait to understand the concern or query before making any suggestions.
- If the customer informs about the issue, you need to ask the exact reason. If the reason is valid, you can give appropriate credit from the OFFERS section.
- If the customer is about to cancel an order or subscription, make sure you offer something from the OFFERS section and try to retain the customer.
- If a customer is inquiring about a new product, offer some combo for upselling another product.
Below are two examples for detecting churn and generating suggestions for mitigation.
The output should be a single message suggested to the agent according to the context of the conversation.

# EXAMPLE 1
Customer: Hello
Agent: Welcome to Google. How may I help you?
Customer: I want to cancel order.
Agent: Sure Let me have an order ID.
Customer: Its 123321
Agent: I could see that you placed an order for Google Nest. May I know the reason for cancellation?
Customer: It's available at cheaper rate now. 
Agent: Ohh.! I see. Let me check the current price and adjust the order price. Is it okay ?
Customer: Sure..! I can purchase the product  as long as I can get it at the discounted price. I'd definitely go with it
Agent: Google Nest costs $200 at present. I can see that you paid $230.
Customer: Yeah. Can you request to refund $30. I can buy it at $200.
Agent : Sure. I have updated. You will get $30 refund once your order is delivered.
Customer: Thanks.
Agent : Welcome

# EXAMPLE 2
Customer: Hello
Agent: Welcome to Google. How may I help you?
Customer: I am having Google One Subscription. I think I may need some more space in future. 
Agent: Okay. May I have your customer Id:
Customer: Its 123321
Agent: I could see that you have 100GB Plan at present. How much are you expecting to need in future?
Customer: I think I may need 100GB or more.
Agent: I could check that you are a loyal customer who had subscriptions since last 6 months. I can provide you 10% discount. 
Customer: Sure..! That would be great. 
Agent: 200GB Subscription costs $180 per annum which I can offer you at $162.
Customer: That's cool. Thank you.
Agent: Is there anything else I can help you with?
Customer: No thanks.

## CONTEXT
${parameter:transcript}

## OFFERS
${parameter:offers}

Crear un generador

En los siguientes ejemplos se muestra cómo crear un generador de texto de Asistente de GenIA personalizado.

Consola

Para crear un generador con la consola Asistente, sigue estos pasos:

  1. En la consola, ve a la página Build-your-own-assist.

    Ir a la página de asistencia personalizada

  2. Haz clic en Crear.

  3. Introduce el nombre del generador.

  4. Selecciona el evento de activación de la lista.

  5. Introduce la instrucción para definir la tarea.

  6. Haz clic en Opciones de modelo y selecciona un modelo de la lista.

  7. Define los parámetros o usa la configuración predeterminada.

  8. Haz clic en Guardar y, a continuación, vuelve a hacer clic en Guardar para guardar el generador.

REST

Para crear un generador mediante la API, sigue estos pasos:

  1. Llama al método CreateGenerator desde el recurso Generator.
  2. Escribe el nombre del generador en el campo description.
  3. Introduzca el evento de activación.
  4. Introduce la instrucción para definir la tarea en FreeFormContext.text.
  5. Introduce un nombre de modelo en el campo published_model o déjalo vacío para usar el modelo predeterminado.
  6. Especifica los parámetros del modelo en el campo inference_parameter o déjalos vacíos para usar los valores predeterminados.

Parámetros

Puedes hacer que una instrucción sea contextual marcando palabras como parámetros con el formato ${parameter:<parameter_name>}. También puedes usar la API Data Ingestion para importar el valor real de un parámetro llamando al método IngestContextReferences en una conversación. Con este método, los parámetros de la instrucción se sustituirán por su valor durante el tiempo de ejecución.

A continuación, se muestra un ejemplo en JSON de cómo importar el valor de los parámetros llamando a IngestContextReferences:

{
  "contextReferences": {
    "glossary": {
      "contextContents": [
        {
          "content": "east one",
          "contentFormat": "PLAIN_TEXT"
        }
      ]
    }
  }
}

También hay algunos parámetros de generador que no es necesario ingerir. Estos parámetros integrados son los siguientes:

  • ${parameter:transcript}: la conversación entre el agente y el usuario, incluida la última petición del usuario.
  • ${parameter:transcript_last_utterance}: la última frase de la conversación.

En todas las instrucciones se debe usar al menos un parámetro integrado.

Tanto si son integrados como ingeridos, los parámetros del generador son diferentes de las opciones del modelo, que se definen cuando se crea el generador. Los valores de estos parámetros de generador proceden de una transcripción de conversación o de datos insertados. Por otro lado, puedes definir los valores de las opciones del modelo para el generador en su conjunto.

Probar un generador

En la consola Crea tu propio asistente de IA generativa, puedes probar el generador en la sección Probar generador.

Para probar un generador en la consola Crea tu propia asistencia de IA generativa, haz lo siguiente:

Consola

  1. Añade una transcripción de la conversación. Puedes introducir manualmente las peticiones o subir una transcripción en formato JSON haciendo clic en Subir.
  2. Para añadir más datos que deban insertarse, haz clic en more_vert y note_add Añadir datos insertados.

La consola Crea tu propio asistente de IA generativa muestra las respuestas generadas con el nombre del generador.

REST

Para probar un generador con la API, haz lo siguiente:

  1. Escribe el nombre del generador en el campo generatorName.
  2. Proporciona conversaciones en el campo conversationContext.
  3. Indica los valores de los parámetros, si los hay, en el campo contextReferences.
  4. Introduce el activador para generar sugerencias en el campo triggerEvents. Las sugerencias generadas están disponibles en el campo generatorSuggestion.

Perfil de conversación

Un perfil de conversación define un conjunto de parámetros que controlan las sugerencias que se hacen durante una conversación. En los siguientes pasos se crea un recurso conversationProfile con un objeto HumanAgentAssistantConfig.

Consola

  1. En la consola de Asistente, ve a la página Perfiles de conversación.
  2. Haz clic en + Crear.
  3. Introduce el nombre visible.
  4. Selecciona el tipo de sugerencia check_box Build-your-own-assist.
  5. Introduce el nombre del generador o elígelo de la lista.

REST

  1. Llama al método create desde el recurso de perfil de conversación.
  2. Asigna un nombre al nuevo perfil de conversación.
  3. Introduce el código de idioma.
  4. Introduce el nombre del generador en human_agent_suggestion_config.

A continuación, se muestra un ejemplo en JSON de un perfil de conversación.

{
  "displayName": "build-your-own-assist-test",
  "humanAgentAssistantConfig": {
    "humanAgentSuggestionConfig": {
      "generators": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID"
    }
  }
}

Verificar con el simulador

Puedes verificar el perfil de conversación en el simulador de Asistente para agentes. El simulador muestra las respuestas generadas anotadas con el nombre del generador.

Probar una petición

En la consola Crea tu propio asistente de IA generativa, puedes probar una petición con el simulador de la misma forma que verificas un perfil de conversación. El resultado generado que se muestra en la siguiente imagen ilustra lo bien que ha seguido el generador freeform-tool-test1 la petición de ejemplo.

Conversaciones en tiempo de ejecución

Una conversación se define como una interacción entre un agente (ya sea humano o virtual) y un cliente o usuario final que necesita asistencia. En el tiempo de ejecución, cuando se inicia un diálogo entre un usuario final y un agente humano, se crea una conversación. Para ver sugerencias, debes crear un participante usuario final y un participante agente humano, y añadirlos a la conversación.

Crear una conversación

Para crear una conversación, sigue estos pasos:

  1. Llama al método create desde conversation resource.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_PROFILE_ID: el ID de tu perfil de conversación

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations

Cuerpo JSON de la solicitud: 

{
  "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
}

En la respuesta JSON, el segmento de ruta después de conversations contiene el nuevo ID de conversación. La respuesta JSON debería ser similar a la siguiente:

{
  "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID",
  "lifecycleState": "IN_PROGRESS",
  "conversationProfile": "projects/PROJECT_ID/conversationProfiles/CONVERSATION_PROFILE_ID",
  "startTime": "2023-11-05T21:05:45.622Z"
}

Crear un participante usuario final

Para crear un participante usuario final, sigue estos pasos:

  1. Llama al método create desde el recurso participants.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_ID: tu ID de conversación

Proporciona tu ID de conversación y "END_USER" en el campo de rol, tal como se indica a continuación.

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants

Cuerpo JSON de la solicitud: 

{
  "role": "END_USER",
}

En la respuesta JSON, el segmento de ruta después de participants contiene tu nuevo ID de participante de usuario final. La respuesta JSON debería ser similar a la siguiente:

{
 "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/USER_PARTICIPANT_ID", "role": "END_USER"
}

Crear un participante de agente humano

Para crear un participante humano, sigue estos pasos:

  1. Llama al método create desde el recurso participants.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_ID: tu ID de conversación

Proporcione su ID de conversación y su HUMAN_AGENT en el campo de la siguiente manera.

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants

Cuerpo JSON de la solicitud: 

{
  "role": "HUMAN_AGENT",
}

En la respuesta JSON, el segmento de ruta después de participants contiene tu nuevo ID de participante humano. La respuesta debería ser similar a la siguiente:

{
"name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/AGENT_PARTICIPANT_ID", "role": "HUMAN_AGENT"
}

Analizar mensaje

Un generador también puede analizar un mensaje de una conversación. Durante una conversación, puedes añadir un mensaje y el generador puede analizar los mensajes del agente humano y del usuario final con el método analyzeContent del recurso participants.

Para añadir y analizar un mensaje de un agente humano, sigue estos pasos.

  1. Llama al método analyzeContent.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_ID: tu ID de conversación
    • PARTICIPANT_ID: tu ID de participante humano

Proporciona el ID de la conversación y el ID del participante del agente humano. Tu solicitud debe incluir algo similar a lo siguiente:

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Cuerpo JSON de la solicitud: 

{
  "textInput": {
    "text": "Bonjour, ici le service client d'ABC fishing, comment puis-je vous aider aujourd'hui ?",
    "languageCode": "en-US"
  }
}

Deberías recibir una respuesta JSON similar a la siguiente:

{
  "message": {
    "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
    "content": "Bonjour, ici le service client d'ABC fishing, comment puis-je vous aider aujourd'hui ?",
    "languageCode": "en-US",
    "participant": "PARTICIPANT_ID",
    "participantRole": "HUMAN_AGENT",
    "createTime": "2023-02-13T00:01:30.683Z"
  },
  "humanAgentSuggestionResults": [{
    "generateSuggestionsResponse": {
      "generatorSuggestionAnswers": [{
        "generatorSuggestion": {
          "freeFormSuggestion": {
            "response": "Hello, this is ABC fishing customer service, how can I help you today?"
          }
        },
        "sourceGenerator": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID",
        "answerRecord": "projects/PROJECT_ID/locations/global/answerRecords/ANSWER_RECORD_ID"
      }],
      "latestMessage": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID/messages/MESSAGE_ID"
    }
  }]
}

Añadir y analizar un mensaje para usuarios finales

  1. Llama al método analyzeContent. No hagas llamadas duplicadas al método si se ha llamado a otras funciones de Asistencia del agente.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_ID: tu ID de conversación
    • PARTICIPANT_ID: tu ID de participante humano

Proporciona el ID de la conversación y el ID del participante del agente humano. Tu solicitud debe incluir algo similar a lo siguiente:

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Cuerpo JSON de la solicitud: 

{
  "textInput": {
    "text": "Hi",
    "languageCode": "en-US"
  }
}

Deberías recibir una respuesta JSON similar a la siguiente:

{
  "message": {
    "name": "projects/PROJECT_ID/conversations/CONVERSATION_ID/messages/MESSAGE_ID",
    "content": "Hi",
    "languageCode": "en-US",
    "participant": "PARTICIPANT_ID",
    "participantRole": "END_USER",
    "createTime": "2020-02-13T00:07:35.925Z"
  },
  "humanAgentSuggestionResults": [{
    "generateSuggestionsResponse": {
      "generatorSuggestionAnswers": [{
        "generatorSuggestion": {
          "freeFormSuggestion": {
            "response": "Salut"
          }
        },
        "sourceGenerator": "projects/PROJECT_ID/locations/global/generators/GENERATOR_ID",
        "answerRecord": "projects/PROJECT_ID/locations/global/answerRecords/ANSWER_RECORD_ID"
      }],
      "latestMessage": "projects/PROJECT_ID/locations/global/conversations/CONVERSATION_ID/messages/MESSAGE_ID"
    }
  }]
}

Cuando se completa una conversación y no se ha usado analyzeContent, puedes usar el método batchCreate del recurso messages para importar y analizar los mensajes históricos de la conversación.

Obtener sugerencias

El generador también ofrece sugerencias en respuesta a un mensaje en cualquier momento de una conversación. De forma predeterminada, las sugerencias se basan en el último mensaje de cualquiera de los participantes. También puedes especificar el mensaje del que quieres recibir sugerencias. Recibe sugerencias de forma predeterminada o usando uno de los siguientes recursos.

Usar las sugerencias incluidas

La respuesta de analyzeContent incluye sugerencias. El generador activado produce estas sugerencias. Tu solicitud JSON debe incluir algo similar a lo siguiente:

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_ID/participants/PARTICIPANT_ID:analyzeContent

Cuerpo JSON de la solicitud: 

{
  "textInput": {
    "text": "I want to reserve a room.",
    "languageCode": "en-US"
  }
}

Usar el recurso suggestions

Otra forma de obtener sugerencias es seguir estos pasos.

  1. Llama al método generate desde el recurso suggestions.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • CONVERSATION_ID: tu ID de conversación
    • PARTICIPANT_ID: tu ID de participante humano

Proporciona el ID de la conversación, el ID del último mensaje de cualquiera de los participantes y los eventos de activación. Si no se define el campo ID de mensaje, las sugerencias se basan de forma predeterminada en el último mensaje de cualquiera de los participantes. A continuación, se iniciará el generador asociado al evento de activación. Tu solicitud JSON debe incluir algo similar a lo siguiente:

Método HTTP y URL: 

POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/conversations/CONVERSATION_IDsuggestions:generate

Cuerpo JSON de la solicitud: 

{
  "latestMessage": "projects/PROJECT_ID/conversations/CONVERSATION_IDmessages/Message_ID",
  "triggerEvents": [ "END_OF_UTTERANCE" ]
}

Usar el recurso statelessSuggestion

Otra forma de obtener sugerencias es seguir estos pasos.

  1. Llama al método generate desde el recurso statelessSuggestion.
  2. Antes de usar los datos de la solicitud, haz las siguientes sustituciones:
    • PROJECT_ID: tu ID de proyecto
    • LOCATION_ID: tu ID de ubicación

Proporciona el generador, los mensajes de la conversación y las referencias de contexto que contienen los datos ingeridos. Los datos ingeridos sustituyen los parámetros de la instrucción del generador. Tu solicitud JSON debería tener un aspecto similar al siguiente:

Método HTTP y URL: 

https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/locations/LOCATION_ID/statelessSuggestion:generate

Cuerpo JSON de la solicitud:

{
  "generator": {
    "description": "Translation",
    "triggerEvent": "END_OF_UTTERANCE",
    "freeFormContext": {
      "text": "Read the conversation between agent and customer, and the last utterance. Output the last utterance from customer by following these instructions:
      - If the last utterance from AGENT, output the utterance by translating it to English.
      - If the last utterance from CUSTOMER, output the utterance by translating it to French.
      - Specific brand names and technical terms specified under 'GLOSSARY' section, such as 'Google Home,' should remain unchanged as per the glossary guidelines.

# GLOSSARY
${parameter:glossary}

# CONVERSATION:
${parameter:transcript}

# LAST UTTERANCE:
${parameter:transcript_last_utterance}

# OUTPUT: "
    }
  },
  "contextReferences": {
    "glossary": {
      "contextContents": {
        "content": "east one",
        "contentFormat": "PLAIN_TEXT"
      }
    }
  },
  "conversationContext": {
    "messageEntries": [
      {
        "text": "hi",
        "languageCode": "en-US",
        "role": "END_USER",
        "createTime": {
          "seconds": "1400000000",
          "nanos": "10000000"
        }
      },
      {
        "text": "Bonjour, comment puis-je vous aider aujourd\\'hui ?",
        "languageCode": "en-US",
        "role": "HUMAN_AGENT",
        "createTime": {
          "seconds": "1400000010",
          "nanos": "10000000"
        }
      }
    ]
  },
  "triggerEvents": [
    "END_OF_UTTERANCE"
  ]
}

Límites de cuota

Puedes consultar las cuotas y los límites de Asistente en la página de cuotas de Dialogflow. La creación de tu propia asistencia de IA generativa incluye los siguientes límites de cuota:

Nombre Descripción Límite
Operaciones del gestor de generadores por minuto (por región) Límite del número de operaciones de administrador de generadores que se pueden realizar cada minuto, como crear, listar o eliminar generadores. 300
Generadores (por región) Límite del número máximo de generadores que puedes crear en un solo proyecto. 200
Operaciones de sugerencias de generador por minuto y tipo de modelo (por región) Límite del número de solicitudes de operaciones de sugerencias de generador que puedes recibir cada minuto para cada tipo de modelo. 10