Crea tu propia asistencia de IA generativa

La función Build your own GenAI assist te permite crear un generador de texto y, luego, integrarlo en Agent Assist. El generador de texto usa modelos de lenguaje grandes (LLM) avanzados, como Text Bison y Gemini, para generar sugerencias. Puedes usar estas sugerencias para ayudar a los participantes en ambos extremos de una conversación de atención al cliente, como los agentes humanos y los usuarios humanos. El generador puede usar llamadas integradas al LLM desde Agent Assist que se pueden configurar para la mayoría de las tareas del LLM. Para obtener más información sobre los generadores en Agent Assist, consulta la documentación de Vertex AI.

Entradas del generador

El generador de texto requiere las siguientes entradas:

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

  • Opciones del modelo: La elección del modelo y la configuración necesarias para un rendimiento óptimo del modelo, como la temperatura, el límite de tokens de salida, TopK y TopP. Los resultados del generador están limitados por estos parámetros de configuración. Puedes elegir un modelo y establecer sus opciones cuando crees un generador haciendo clic en Opciones del modelo, o bien puedes usar la configuración predeterminada. En Vertex AI, las opciones del 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 que se ingresa cada expresión.
    • MANUAL_CALL: Activa el generador solo cuando realizas llamadas a la API de forma explícita para invocarlo.
    • CUSTOMER_MESSAGE: El generador se activa solo después de cada mensaje del cliente.
    • AGENT_MESSAGE: Activa el generador solo después de cada mensaje del agente.

Resultados del generador

Después de que proporciones las entradas al generador de texto, el generador de ayuda de IA generativa personalizada te brindará sugerencias, como vínculos a artículos, respuestas adecuadas o información de backend sobre ofertas promocionales. Estas sugerencias se proporcionan en formato de texto y son pertinentes en el contexto de la conversación de servicio al cliente en el momento en que se generan.

Casos de uso

En esta sección, se presentan tres casos de uso como ejemplos de cómo se pueden implementar los generadores de asistencia de GenAI personalizados. Es posible que tu modelo genere respuestas diferentes a las de los siguientes ejemplos.

Reescritura profesional

Puedes indicarle al generador que reformule las expresiones del agente humano de manera profesional, cortés y empática antes de responder a los clientes, como se muestra a continuación.

  • Nombre del generador: Reescritura profesional
  • Evento activador: 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 indicarle al generador que sugiera respuestas del agente para la retención de clientes, como ofrecer descuentos en productos, realizar ventas adicionales o cruzadas de productos, 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 de IngestContextReferences.

  • Nombre del generador: Rotación y retención de clientes
  • Evento activador: Mensaje del 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}

Crea un generador

En los siguientes ejemplos, se muestra cómo crear tu propio generador de texto de asistencia de IA generativa.

Console

Para crear un generador con la consola de Agent Assist, haz lo siguiente:

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

    Ir a Build-your-own-assist

  2. Haz clic en Crear.

  3. Ingresa el nombre del generador.

  4. Selecciona el evento de activación de la lista.

  5. Ingresa la instrucción para definir la tarea.

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

  7. Establece tus parámetros o usa la configuración predeterminada.

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

REST

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

  1. Llama al método CreateGenerator desde el recurso Generator.
  2. Ingresa el nombre del generador en el campo description.
  3. Ingresa el evento de activación.
  4. Ingresa la instrucción para definir la tarea en FreeFormContext.text.
  5. Ingresa 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 de 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 reemplazarán 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 del generador que no es necesario que se ingieran. Estos parámetros integrados son los siguientes:

  • ${parameter:transcript}: La conversación entre el agente y el usuario, incluido el último enunciado del usuario.
  • ${parameter:transcript_last_utterance}: Es la última expresión de la conversación.

Se debe usar al menos un parámetro integrado en cualquier instrucción.

Ya sean integrados o incorporados, los parámetros del generador son diferentes de las opciones del modelo que se establecen cuando se crea el generador. Los valores de estos parámetros del generador provienen de una transcripción de conversación o de datos ingeridos. Por otro lado, estableces los valores de las opciones del modelo para el generador en su conjunto.

Cómo probar un generador

En la consola Build your own GenAI assist, puedes probar el generador en la sección Test generator.

Para probar un generador en la consola Build your own GenAI assist, haz lo siguiente:

Console

  1. Agrega una transcripción de la conversación. Puedes ingresar expresiones de forma manual o subir una transcripción en formato JSON haciendo clic en Subir.
  2. Para agregar más datos que se deban transferir, haz clic en more_vert y note_add Agregar datos insertados.

La consola Build your own GenAI assist muestra las respuestas generadas anotadas con el nombre del generador.

REST

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

  1. Ingresa el nombre del generador en el campo generatorName.
  2. Proporciona conversaciones en el campo conversationContext.
  3. Proporciona valores de parámetros, si los hay, en el campo contextReferences.
  4. Ingresa el activador para generar sugerencias en el campotriggerEvents. 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 realizan durante una conversación. En los siguientes pasos, se crea un recurso conversationProfile con un objeto HumanAgentAssistantConfig.

Console

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

REST

  1. Llama al método create desde el recurso del perfil de conversación.
  2. Proporciona un nombre para el nuevo perfil de conversación.
  3. Ingresa el código de idioma.
  4. Ingresa 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"
    }
  }
}

Verifica con el simulador

Puedes verificar el perfil de conversación en el simulador de Agent Assist. El simulador muestra las respuestas generadas anotadas con el nombre del generador.

Cómo probar una instrucción

En la consola Build your own GenAI assist, puedes probar una instrucción con el simulador de la misma manera en que verificas un perfil de conversación. El resultado generado que se muestra en la siguiente imagen ilustra qué tan bien siguió el generador de freeform-tool-test1 la instrucción de ejemplo.

Conversaciones en el tiempo de ejecución

Una conversación se define como una interacción entre un agente, incluidos los agentes humanos y los agentes virtuales, y un cliente de asistencia o usuario final. En el tiempo de ejecución, cuando comienza un diálogo entre un usuario final y un agente humano, creas una conversación. Para ver sugerencias, debes crear un participante usuario final y un participante agente humano, y agregarlos a la conversación.

Cómo crear una conversación

Para crear una conversación, haz lo siguiente:

  1. Llama al método create desde conversation resource.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_PROFILE_ID: Es 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"
}

Crea un participante usuario final

Para crear un participante usuario final, haz lo siguiente:

  1. Llama al método create desde el recurso participants.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_ID: Tu ID de conversación

Proporciona tu ID de conversación y "END_USER" para el campo de rol 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": "END_USER",
}

En la respuesta JSON, el segmento de ruta después de participants contiene el nuevo ID del participante del 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"
}

Crea un participante humano-agente

Para crear un participante humano-agente, haz lo siguiente:

  1. Llama al método create desde el recurso participants.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_ID: Tu ID de conversación

Proporciona tu ID de conversación y el rol de HUMAN_AGENT para 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 el nuevo ID del participante humano-agente. 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 dentro de una conversación. Durante una conversación, puedes agregar un mensaje, y el generador puede analizar los mensajes del agente humano y del usuario final con el método analyzeContent del recurso participants.

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

  1. Llama al método analyzeContent.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_ID: Tu ID de conversación
    • PARTICIPANT_ID: Es el ID del participante humano-agente.

Proporciona el ID de la conversación y el ID del participante del agente humano. Tu solicitud debería 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"
    }
  }]
}

Cómo agregar y analizar un mensaje del usuario final

  1. Llama al método analyzeContent. No realices llamadas duplicadas al método si se llamó para otras funciones de Agent Assist.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_ID: Tu ID de conversación
    • PARTICIPANT_ID: Es el ID del participante humano-agente.

Proporciona el ID de la conversación y el ID del participante del agente humano. Tu solicitud debería 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 usó analyzeContent, puedes usar el método batchCreate del recurso messages para importar y analizar los mensajes históricos de la conversación.

Obtener sugerencias

El generador también proporciona sugerencias en respuesta a un mensaje en cualquier punto de una conversación. De forma predeterminada, las sugerencias se basan en el mensaje más reciente de cualquiera de los participantes. También puedes especificar el mensaje para el que deseas obtener sugerencias. Obtén sugerencias de forma predeterminada o con uno de los siguientes recursos.

Cómo usar las sugerencias incluidas

La respuesta de analyzeContent incluye sugerencias. El generador activado produce estas sugerencias. Tu solicitud JSON debería 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"
  }
}

Usa 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 cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • CONVERSATION_ID: Tu ID de conversación
    • PARTICIPANT_ID: Es el ID del participante humano-agente.

Proporciona el ID de la conversación, el ID del mensaje más reciente de cualquiera de los participantes y los eventos de activación. Si no se configura el campo de ID del mensaje, las sugerencias se basan de forma predeterminada en el mensaje más reciente de cualquiera de los participantes. Luego, se iniciará el generador asociado con el evento de activación. Tu solicitud JSON debería 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" ]
}

Usa el recurso statelessSuggestion

Otro enfoque para obtener sugerencias es seguir estos pasos.

  1. Llama al método generate desde el recurso statelessSuggestion.
  2. Antes de usar cualquiera de los datos de solicitud, realiza los siguientes reemplazos:
    • PROJECT_ID: El ID de tu proyecto
    • LOCATION_ID: Tu ID de ubicación

Proporciona el generador, los mensajes de la conversación y las referencias de contexto que contienen datos incorporados. Los datos transferidos reemplazan los parámetros en la instrucción del generador. Tu solicitud JSON debería ser similar a la 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 ver las cuotas y los límites de Agent Assist en la página de cuotas de Dialogflow. La función Build your own GenAI assist incluye los siguientes límites de cuota:

Nombre Descripción Límite
Operaciones del administrador de generadores por minuto (por región) Límite de la cantidad de operaciones del administrador de generadores que se pueden realizar por minuto, como crear, enumerar o borrar generadores. 300
Generadores (por región) Límite de la cantidad máxima de generadores que puedes crear en un solo proyecto. 200
Operaciones de sugerencias del generador por minuto y por tipo de modelo (por región) Límite de la cantidad de solicitudes de operación de sugerencias del generador que puedes recibir por minuto para cada tipo de modelo. 10