Che cos'è un chatbot? Un chatbot è un software in grado di intraprendere una conversazione simile a quella umana con un utente. L'utente può parlargli o inviargli un messaggio attraverso un'applicazione di chat e lui risponderà a seconda dei casi parlando, digitando qualcosa o mostrando qualcosa di grafico. Attualmente il principale caso d'uso di chatbots è l'assistenza clienti, dove vengono utilizzati per rispondere a domande semplici e ripetitive e per inoltrare le domande più complesse agli agenti umani.
Sebbene vi siano alcuni problemi da risolvere prima di un loro utilizzo diffuso per l'abilitazione dei clienti (al di là di Amazon Alexa che ordina prodotti e di alcuni altri esempi), l'interfaccia conversazionale sta venendo rapidamente adottata per le funzioni di assistenza ai clienti.
Dal punto di vista aziendale, un progetto di chatbot, come qualsiasi altro progetto, deve essere valutato in termini di rischi e ritorni.
In questo articolo esamineremo le possibili sfide dell'implementazione dei chatbot e come evitarle.
Molti dei rischi evidenziati sono evitabili, in quanto molti dei problemi affrontati dagli early adopters sono ormai noti.
È inevitabile che chatbots e la voce diventino presto ampiamente adottati per l'assistenza ai clienti, perché il ROI dei chatbot in molti casi è superiore al 1.000%, non solo per il risparmio sui costi, ma anche per l'aumento del coinvolgimento e della soddisfazione dei clienti e per le opportunità di guadagno che ne derivano.
Le piattaforme bot sono maturate al punto che per le aziende si tratta ormai di un frutto poco diffuso. Non solo chatbots sarà ampiamente utilizzato per l'assistenza ai clienti, ma i casi d'uso si estenderanno rapidamente all'abilitazione dei clienti, che finirà per dominare l'assistenza ai clienti come caso d'uso principale.
Oltre il clamore
Spesso è difficile valutare una nuova tecnologia perché si sa che parte del clamore che circonda il prodotto è proprio questo, clamore. Le aziende tecnologiche fanno ogni sorta di promesse audaci su ciò che accadrà quando si implementa la loro tecnologia, ma ovviamente si sa che non è così facile, nulla è garantito e di certo non si sottolineano gli aspetti negativi. Lo stesso vale per chatbots.
Chatbots hanno attraversato molte fasi di hype. Gran parte di questo entusiasmo ha a che fare con la sopravvalutazione di ciò che chatbots può fare.
È vero che negli ultimi anni ci sono stati dei veri e propri passi avanti nell'IA legata ai chatbot, ma questi passi avanti devono essere compresi per avere un quadro reale di cosa aspettarsi da chatbots.
I principali progressi hanno riguardato tre tecnologie principali: l'elaborazione del linguaggio naturale (NLP), il riconoscimento vocale su scala (per gli assistenti vocali) e la generazione di linguaggio naturale.
L'NLP consente a un chatbot di identificare l'intento comune dietro a diverse frasi in linguaggio naturale che hanno lo stesso significato. Ad esempio, "prenota un volo" o "voglio volare a Parigi" hanno lo stesso intento di "prenota un volo". Una volta identificato l'intento, uno sviluppatore di software può codificare cosa fare.
Il riconoscimento vocale utilizza una tecnologia che traduce le parole pronunciate in testo. Sebbene il riconoscimento vocale esista da molto tempo, solo i progressi nelle prestazioni dei computer e la capacità di delegare il lavoro a cloud hanno reso possibile che questi sistemi siano in grado di identificare milioni di parole, poiché gli algoritmi sono molto intensivi dal punto di vista del calcolo.
La generazione del linguaggio naturale prende in considerazione una serie di parametri e genera una frase grammaticalmente corretta in linguaggio naturale.
Tutte queste tecnologie sono in qualche modo avanzate grazie ai recenti progressi della potenza di calcolo.
L'idea di fondo è che chatbots presto sostituirà completamente gli agenti umani. La realtà è che chatbots funziona molto bene in un ambito ristretto in cui il contesto è limitato e dà il meglio di sé quando risponde a domande singole prive di contesto.
Ciò non significa che la tecnologia sottostante non sia potente e utile. Lo è. Questo non significa che chatbots non possa generare un enorme ritorno sugli investimenti (ROI). È possibile.
Ciò significa, tuttavia, che l'esperienza del chatbot deve essere realizzata tenendo conto delle limitazioni.
Errori comuni di un progetto di chatbot
Obiettivo sbagliato
Ci sono molti modi in cui l'obiettivo scelto quando si implementa un chatbot può essere sbagliato. Ci possono essere molti problemi nel definire gli obiettivi, come ad esempio risolvere un problema che non esiste, cioè usare un chatbot per fare qualcosa che è meglio fare con un'interfaccia grafica.
L'errore più grande che si possa commettere è quello di credere a questa pubblicità e cercare di implementare un chatbot simile a un essere umano che dialoghi con i clienti quasi a livello umano. Molte aziende ci hanno provato e hanno fallito. Cercare di costruire un chatbot al di fuori dell'ambito delle cose che fa davvero bene è sempre un problema.
Le migliori esperienze con i chatbot sono esperienze di conversazione guidate e non aperte. Il software Botpress , ad esempio, definisce un percorso felice che è un percorso guidato su cui il software deve mantenere l'utente. Se l'utente si allontana da questo percorso, il software cercherà di riportarlo sul sentiero felice o gli offrirà la possibilità di iniziare un altro percorso, ma non gli permetterà di partire per la tangente.
Problemi di progettazione e sviluppo
Un chatbot mal progettato induce gli utenti a utilizzarlo in un modo non previsto. Questo ovviamente provoca frustrazione e ha ogni sorta di ripercussione negativa.
Chatbots devono essere progettati in modo conservativo, l'ambito di applicazione deve essere reso molto chiaro e la conversazione deve essere affidata a un umano troppo spesso piuttosto che non abbastanza spesso (o deve essere utilizzata una strategia equivalente per il caso d'uso in questione).
È ovvio che gli sviluppatori che lavorano al bot devono essere competenti e conoscere le migliori pratiche in questo settore.
Approccio tecnologico sbagliato
Chatbots oggi sono un mix di PNL e alberi decisionali. L'NLP consente all'utente di porre domande aperte in un ambito molto ristretto e gli alberi decisionali portano l'utente attraverso un albero decisionale (il percorso felice) per risolvere un problema o completare un compito. Come si è detto in precedenza a proposito delle deviazioni, la possibilità per l'utente di deviare dal percorso felice è limitata.
È un errore scegliere un approccio di tipo black box alle conversazioni. Le soluzioni a scatola nera sono soluzioni basate sui dati, in cui la logica è essenzialmente contenuta negli algoritmi dell'IA. Il problema è che nessuno sa con certezza cosa farà la soluzione AI, è estremamente difficile eseguire il debug, non può essere testata in modo esaustivo e nuove informazioni possono modificarne il comportamento.
Anche se Botpress utilizza alcune di queste tecnologie, limita il dominio in cui questa IA "scatola nera" può operare al ristretto ambito del percorso felice. Pertanto, l'obiettivo dell'intelligenza artificiale è quello di riportare sempre l'utente al percorso felice o di consentirgli di passare a un nuovo percorso. Questo è molto più facile da capire e da debuggare.
È bene ricordare che questa IA "a scatola nera" funziona molto bene in domini delimitati e in cui c'è un'enorme quantità di dati rilevanti che circondano il compito da svolgere. Questo è il motivo per cui l'IA può giocare così bene. Il problema del linguaggio è che ha dimensioni infinite, in quanto ogni affermazione ha un significato diverso a seconda del contesto, che comprende le affermazioni fatte in precedenza e altre informazioni rilevanti di cui l'agente di conversazione deve essere a conoscenza.
L'implementazione dell'IA a scatola nera per le conversazioni, allo stato attuale della tecnologia, è simile all'errore di cercare di implementare un chatbot aperto.
Inoltre, nonostante i difetti menzionati in precedenza, questo tipo di approccio a scatola nera è estremamente intensivo dal punto di vista dei dati e quindi costa una fortuna da implementare. Inoltre, il fatto che si tratti di una scatola nera significa che è molto difficile cambiare fornitore, il che comporta un costo di passaggio estremamente elevato e quindi un blocco.
È meglio utilizzare semplici tecnologie NLP e decision tree per costruire bot e poi usare l'IA con una portata limitata ai margini per riportare l'utente a completare l'attività in corso. Abbiamo riscontrato che le aziende si sorprendono di quanto la tecnologia sia accessibile e facile da usare. Uno sviluppatore competente può imparare a costruire un bot che utilizza NLP e alberi decisionali in poche ore.
È inoltre fondamentale capire che le conversazioni con chatbots non devono replicare le conversazioni con gli esseri umani. Le interfacce grafiche, ad esempio, sono molto più efficienti da usare in molti casi rispetto al testo o alla voce. I pulsanti di opzione sono più veloci da cliccare che da digitare o pronunciare una risposta. Questo sarebbe vero anche se fosse possibile creare un chatbot di livello umano. Questa realtà viene spesso trascurata quando si utilizza una scatola nera o un approccio all'intelligenza artificiale basato principalmente sulle parole.
Piattaforma sbagliata
I problemi legati alla scelta di un framework bot sbagliato possono non essere immediatamente evidenti, ma lo diventeranno col tempo.
Il modo più veloce per costruire un chatbot è utilizzare una piattaforma drag and drop. Il problema è che nella maggior parte dei casi gli sviluppatori si imbattono presto in limitazioni difficili da superare. Inoltre, l'approccio generico utilizzato fa sì che quelle che dovrebbero essere semplici funzioni vengano inserite nel sistema, rendendo il bot goffo e difficile da usare per gli amministratori.
Dall'altra parte dello spettro ci sono le piattaforme proprietarie basate sul codice che consentono agli sviluppatori di codificare il bot da zero. Il problema di questo approccio è che ci vuole molto tempo per costruire anche bot semplici.
L'approccio migliore è quello di un framework che fornisca tutti i componenti e le interfacce visive necessarie, comprese le interfacce di trascinamento, ma che allo stesso tempo permetta di personalizzare facilmente tutti i componenti e le interfacce per le attività da svolgere.
Questo è particolarmente importante perché gli sponsor dei bot di solito concentrano la maggior parte della loro attenzione su come il bot funzionerà per gli utenti finali. Il problema è che ci sono molti altri componenti e interfacce che sono importanti per gli altri utenti del bot, come gli amministratori (che vogliono monitorare l'analisi del chatbot e gestire l'accesso al backend), i creatori tecnici e non tecnici (che vogliono modificare il comportamento e il contenuto del bot) e gli agenti umani (che rispondono alle conversazioni che vengono avviate dal bot).
Costruire questi componenti da zero è un esercizio che richiede molto tempo. Naturalmente, i semplici framework drag and drop hanno versioni molto generiche e limitate di queste funzionalità e non possono essere facilmente personalizzate.
La possibilità di personalizzare è essenziale per il bot stesso dell'utente finale, anche se non è evidente a priori. Ad esempio, quando si costruiscono i flussi utilizzando il costruttore di flussi a trascinamento, è possibile che alcune attività debbano essere ripetute più volte in flussi diversi, come l'autenticazione di un utente con un sistema aziendale o l'elaborazione di un pagamento.
Il framework dovrebbe consentire di aggiungere questi componenti come componenti visivi al costruttore di flussi, in modo che i creatori di contenuti meno tecnici possano aggiungere facilmente queste funzioni ai processi.
Una piattaforma non facilmente personalizzabile renderà difficile offrire agli utenti non tecnici la possibilità di aggiornare i contenuti, perché i metodi per farlo devono essere "hackerati" nel framework. Un framework che consente la personalizzazione di tutto dovrebbe facilitare la creazione di schermate ad hoc per gli utenti non tecnici, facili e intuitive da usare.
Inoltre, è molto utile che gli sviluppatori abbiano accesso al codice sorgente del sistema. Ciò consentirà loro di capire più rapidamente come fare le cose e di identificare rapidamente i problemi che si presentano.
Un aspetto di vitale importanza per un framework è la capacità di controllare e migrare i dati. La piattaforma deve consentire alle aziende di distribuire il bot ovunque desiderino, sia su un sito privato cloud che on-prem (su server interni).
Anche il ROI è una considerazione importante in termini di piattaforma. La piattaforma dovrebbe consentire di riutilizzare il lavoro svolto da un bot per altri bot, cioè costruendo funzionalità per un bot rende più facile costruire il bot successivo. In questo modo la scalabilità da un bot a molti bot diventa sempre più economica, con un conseguente miglioramento del ROI complessivo.
Un esempio di ciò è che le piattaforme mal progettate vi faranno creare un nuovo bot per ogni nuova lingua aggiunta, invece di permettervi semplicemente di fornire lo stesso contenuto in una lingua diversa. Anche non separare la progettazione dei flussi dai contenuti rende la gestione dei contenuti più difficile e soggetta a errori, perché il personale non tecnico deve modificare i flussi veri e propri invece di aggiornare semplicemente i contenuti.
Consentire agli amministratori e agli altri utenti del backend di svolgere il proprio lavoro in modo semplice ed efficiente consente di risparmiare tempo e di ridurre gli errori, migliorando il ROI.
Blocco dei fornitori
Il vendor lock-in è un problema sotto diversi aspetti.
Se siete costretti a usare la loro tecnologia, cioè la piattaforma non vi permette di usare componenti di terze parti, state scommettendo che tutti i loro componenti saranno per sempre i migliori della categoria. In caso contrario, sarete costretti a utilizzare una tecnologia obsoleta mentre il resto del mercato va avanti o si sottopone a un costoso processo di conversione.
Se manca qualche componente o se si deve modificare il funzionamento di qualcosa, è necessario affidarsi a loro per lo sviluppo personalizzato, il che non solo causa ritardi, ma potrebbe essere un esercizio costoso.
Infine, se siete un cliente vincolato, possono stabilire i prezzi, che possono essere molto costosi. Sanno che i costi di passaggio a pieno carico possono essere molto elevati, soprattutto se rendono difficile la migrazione di dati e codice verso altre piattaforme.
L'utilizzo di un sistema proprietario invece di un sistema aperto rende più probabile il lock-in e più alti i costi di cambiamento. Inoltre, la scelta di un approccio complesso a chatbots , che può essere implementato solo da specialisti dei dati, significa che il lock-in sarà ancora più difficile da evitare e i costi di lock-in più elevati.
Non coinvolgere le parti interessate
Si tratta di un errore comune e ovvio per qualsiasi progetto software che comporti la modifica di comportamenti esistenti e le soluzioni sono ben note. Naturalmente, gli agenti del servizio clienti sono particolarmente importanti nel mondo dei bot, perché possono sentirsi minacciati da questa tecnologia. È necessario riqualificarli per offrire una serie di servizi complementari a quelli offerti dal bot, soprattutto per offrire servizi più approfonditi ai clienti che hanno esigenze più complesse che non possono essere risolte dai bot.
Ignorare il ROI
Ignorare il ROI può portare al fallimento in due modi. Il primo è che senza un numero di ROI convincente il progetto non verrà sponsorizzato, anche se è stato sponsorizzato un POC per provare la tecnologia. Il secondo è che gli stakeholder del progetto si rendono conto che non c'è ROI una volta che il progetto è stato avviato.
Non c'è motivo di non calcolare il ROI previsto [calcolo del ROI] in anticipo e poi aggiornare questo numero man mano che si ottengono maggiori informazioni sul caso d'uso e sul contesto. Ci sono molti casi d'uso che hanno un ROI estremamente elevato, quindi trovare casi d'uso non dovrebbe essere difficile.
Non costruire il bot in modo incrementale
Naturalmente, molti dei rischi sopra descritti possono essere evitati seguendo un approccio di implementazione incrementale del bot.
È estremamente facile costruire soluzioni che possono essere testate in modo incrementale. Iniziate con un singolo caso d'uso POC e inviate alcuni utenti finali al bot per valutarne le prestazioni. In questo modo l'efficacia della soluzione, compresa la risposta degli utenti, può essere testata e perfezionata in modo economico a ogni passo.
Naturalmente è importante selezionare i casi d'uso che mettono in discussione le ipotesi più "a rischio" quando si seleziona un caso d'uso per questo esercizio, in modo da testare in anticipo le ipotesi più incerte e critiche.
Molti fornitori vorrebbero convincervi ad adottare un approccio "big bang", in cui una grande quantità di lavoro e di sforzi viene anticipata prima che un bot funzionante, anche solo una POC, venga presentato agli utenti. Non solo, ma i fornitori insistono sul fatto che solo i consulenti più costosi sono in grado di gestire e monitorare il bot per voi. Questo dovrebbe essere un grande campanello d'allarme.
Conclusione
Ci sono molte considerazioni da tenere a mente quando si costruisce un chatbot. Se si è consapevoli dei principali rischi e si adotta un approccio incrementale all'implementazione, si hanno ottime possibilità di costruire un chatbot di successo e di ottenere i fenomenali ROI che ne derivano.
Condividi questo articolo su:
Costruite gratuitamente il vostro chatbot AI personalizzato
Iniziate a costruire un bot GPT personalizzato con la nostra intuitiva interfaccia drag & drop.
Iniziare è gratis! 🤖Non è richiesta la carta di credito
Rimanete aggiornati sulle ultime novità in materia di IA chatbots