Vivimos en un momento en el que los sistemas de diálogo se están convirtiendo en una herramienta muy popular. Se estima que en 2021 más del 80% de la comunicación con los clientes en la primera línea de servicio se basará en chatbots. Entran no solo en el mercado minorista, sino también en varias otras industrias, por ejemplo, se utilizan para entrevistas médicas, recopilación de información o evaluación preliminar y clasificación de problemas. Desafortunadamente, cuando estos funcionan incorrectamente, conlleva a la insatisfacción. Dichos sistemas tienen la posibilidad de contactar a un consultor humano con un comando especial, pero ese no es el punto. El sistema de diálogo debería proporcionar una experiencia buena, ininterrumpida y fluida y no mostrar que es una creación artificial. Analizar el sentimiento de todo el diálogo en tiempo real puede proporcionar una solución a este problema. En nuestro estudio, nos centramos en estudiar los métodos de análisis del sentimiento de diálogos basados en el aprendizaje automático para el idioma inglés y el idioma polaco, que también representa un idioma con una pequeña cantidad de recursos de entrenamiento. Analizamos los métodos directamente y utilizamos el traductor automático como intermediario, comprobando así los cambios de calidad entre los modelos basados en recursos limitados y aquellos basados en textos mucho más grandes en inglés pero traducidos por máquina. Logramos obtener más del 89% de precisión utilizando modelos basados en BERT. Hacemos recomendaciones al respecto, teniendo en cuenta también el aspecto del costo de implementar y mantener dicho sistema.