Chatbot che sostituiscono i dipendenti di un call center e le assistenze chat
La rivoluzione dei chatbot
Oggi le piattaforme AI consentono ai chatbot di utilizzare un robusto database di lingue per navigare meglio nella conversazione umana.
Prima di arrivare al MIT, Jeff Orkin ha trascorso un decennio a costruire un’intelligenza artificiale (AI) avanzata e acclamata dalla critica per i videogiochi.
Mentre lavorava a F.E.A.R., uno sparatutto in prima persona survival-horror, sviluppò l’intelligenza artificiale che diede ai personaggi controllati dal computer una gamma di azioni senza precedenti. Oggi, più di 10 anni dopo, molti appassionati di videogiochi considerano l’AI del gioco ineguagliata, anche secondo gli standard moderni.
Ma per Orkin lo sviluppo del gioco ha ispirato un nuovo interesse:
“L’obiettivo principale di questo gioco era far sì che le squadre lavorassero insieme come una squadra e comunicassero costantemente”, dice Orkin. “Questo mi ha fatto davvero pensare: come fare a far funzionare le macchine come gli umani?”
Dopo la pubblicazione del gioco nel 2005, Orkin si è iscritto al MIT Media Lab, dove ha trascorso i successivi otto anni affrontando questa sfida. Ora, attraverso la sua startup Giant Otter Technologies, sta usando le sue ben affiatate capacità di intelligenza artificiale per aiutare i chatbrows a superare abilmente le conversazioni umane.
La piattaforma di Giant Otter utilizza algoritmi AI e annotatori crowdsourcing per creare un database in linguaggio naturale, compilato “dal basso verso l’alto”, dalle vendite archiviate e dalle trascrizioni del supporto clienti. I chatbots attingono a questo robusto database per comprendere e rispondere in tempo reale a un linguaggio indeciso, sfumato e talvolta vago.
“La piattaforma è stata ispirata dal modo in cui la memoria episodica funziona nella mente umana: ci capiamo in base alle esperienze passate”, afferma Orkin, ora CEO di Giant Otter. “La piattaforma sfrutta i dati archiviati per comprendere tutto ciò che viene detto in tempo reale e li utilizza per dare suggerimenti su cosa dovrebbe dire un bot in seguito.”
La startup sta attualmente pilotando la piattaforma con società di e-commerce e telecomunicazioni, aziende farmaceutiche e altre grandi imprese. I clienti possono utilizzare la piattaforma come “cervello” per alimentare il chatbot Giant Otter o utilizzare gli strumenti di creazione di conversazioni della piattaforma per potenziare i chatbot su piattaforme di terze parti, come la Lex di Amazon o IBM Watson. La piattaforma automatizza sia le conversazioni di testo che quelle vocali.
I vantaggi si presentano sotto forma di risparmio sui costi. Le grandi aziende possono spendere miliardi di dollari in vendite e servizi di assistenza clienti; automatizzare anche solo una frazione di quel lavoro può far risparmiare milioni di dollari, dice Orkin. I consumatori, ovviamente, beneficeranno di robot più intelligenti che possono risolvere più rapidamente e facilmente i loro problemi.
Collaborazione uomo-macchina per un aumento della produttività
Nella conversazione, le persone tendono ad esprimere lo stesso intento con parole diverse, potenzialmente su più frasi e in vari ordini di parole. A differenza di altre piattaforme di creazione di chatbot, Giant Otter usa “la collaborazione uomo-macchina”, dice Orkin, “per imparare il modo in cui le persone esprimono pensieri diversi, basandosi su esempi reali”.
Gli algoritmi di Giant Otter attraversano ovunque da 50 a 100 trascrizioni delle conversazioni di vendita e assistenza clienti, identificando variazioni linguistiche dello stesso intent, come “Come posso aiutarti?” E “Qual è la tua preoccupazione?” “Questi sono chiamati enunciati “. Tutte le espressioni sono mescolate in blocchi di script di testo che le persone giudicano per accuratezza online.
Considera uno script per una chiamata di vendita, in cui un venditore sta vendendo un prodotto mentre l’altra parte sta spingendo per uno sconto. Gli algoritmi di Giant Otter corrispondono e sostituiscono un’espressione in uno script con uno simile da un altro script, come ad esempio lo scambio di “Posso essere in grado di offrire uno sconto” con “Vedrò se riuscirò a raggiungere il tuo prezzo”.
In un altro compito umano, le persone dividono le conversazioni in “eventi“. Giant Otter presenterà le conversazioni orizzontalmente e le persone etichetteranno diverse sezioni della conversazione. Un venditore che dice “Salve, grazie per averci contattato”, ad esempio, potrebbe essere etichettato come “apertura di chiamata“. Altre etichette di sezione includono “ordine di chiarimento“, “verifica delle informazioni del cliente“, “risoluzione proposta” e “risoluzione del problema”. ”
“Tra questi due compiti, impariamo molto sulla struttura e su come si svolgono le conversazioni”, dice Orkin. “Le conversazioni si dividono in eventi, questi si dividono in enunciati e le espressioni si dividono in molti diversi esempi di dire la stessa cosa con parole diverse”.
Questo crea un robusto database di lingue per i chatbot in modo da riconoscere ovunque da pochi a più di 100 modi diversi di esprimere lo stesso sentiment. Questo è importante, dice Orkin, poiché i chatbot di oggi sono costruiti dall’alto verso il basso da un essere umano che inserisce manualmente varie espressioni. Ma qualcuno alla ricerca di un aggiornamento dello stato dell’ordine potrebbe dire, ad esempio: “Il mio ordine non è arrivato, ho controllato il mio account e ho deciso di contattare l’assistenza clienti”. Se ho creato dei contenuti per un bot a mano, non avrei mai pensato a questo” dice Orkin. La piattaforma continua ad apprendere e ad evolversi dopo l’implementazione dei chatbots.
Attualmente, Giant Otter sta lavorando per integrare meglio i suoi strumenti di creazione di conversazioni con piattaforme di chatbot di terze parti. Sta inoltre sviluppando il proprio chatbot di assistenza clienti automatizzato, alimentato dalle trascrizioni delle chiamate di qualsiasi azienda. “Ci sono voluti anni per capire dove si trova il maggior valore, ma siamo concentrati sull’avere la giusta linea di assemblaggio per avviare telefonate aziendali e dati di trascrizione live chat attraverso la nostra piattaforma e trasformarla in qualcosa in grado di automatizzare le conversazioni dei chatbot “, Dice Orkin.
Vediamo cosa succederà: l’era dei robot ormai è alle porte..
Nella maggior parte dei casi i chatbot sono però fatti per semplificare il lavoro del call center. dividono la clientela per aree di interesse automaticamente, offrono soluzioni base a risposte base. Non vanno visti come una minaccia all’operatore, ma come un supporto che semplificherà il suo lavoro.
Grazie mille per il tuo commento. Io la penso esattamente come te 😉