Apa itu chatbot? Chatbot adalah perisian yang boleh melakukan manusia seperti perbualan dengan pengguna. Pengguna boleh bercakap dengannya atau menghantar mesej melalui aplikasi sembang, dan ia akan bertindak balas mengikut kesesuaian dengan bercakap, menaip sesuatu atau menunjukkan sesuatu yang grafik. Kes penggunaan utama untuk chatbots pada masa ini adalah dalam sokongan pelanggan di mana mereka digunakan untuk menjawab soalan-soalan yang mudah dan berulang dan meningkatkan soalan yang lebih kompleks kepada agen manusia.
Walaupun terdapat beberapa isu yang perlu diselesaikan sebelum ia digunakan secara meluas untuk pembolehan pelanggan (di luar Amazon Alexa memesan produk dan beberapa contoh lain), antara muka perbualan sedang cepat diterima pakai untuk fungsi sokongan pelanggan .
Dari sudut pandangan perniagaan , projek chatbot, seperti mana-mana projek lain, perlu dinilai dari segi risiko dan pulangan.
Dalam kertas kerja ini, kami akan mengkaji kemungkinan cabaran pelaksanaan chatbot dan bagaimana untuk mengelakkannya.
Banyak risiko yang diketengahkan di sini boleh dielakkan kerana banyak masalah yang dihadapi oleh pengguna awal kini terkenal.
Tidak dapat dielakkan bahawa chatbots dan suara tidak lama lagi akan diterima pakai secara meluas untuk sokongan pelanggan kerana ROI untuk chatbot dalam banyak kes melebihi 1,000% yang bukan hanya disebabkan oleh penjimatan kos, tetapi sama disebabkan oleh peningkatan penglibatan dan kepuasan pelanggan dan peluang pendapatan yang membawa dari itu.
Platform bot di luar sana telah matang sehingga kini buah gantung rendah untuk perusahaan. Chatbots bukan sahaja akan digunakan secara meluas untuk sokongan pelanggan, tetapi kes penggunaan akan berkembang pesat ke pembolehan pelanggan yang akhirnya akan menguasai sokongan pelanggan sebagai kes penggunaan utama.
Di luar gembar-gembur
Selalunya sukar untuk menilai teknologi baru kerana anda tahu bahawa beberapa gembar-gembur di sekitar produk hanyalah itu, gembar-gembur. Syarikat teknologi membuat pelbagai janji berani tentang apa yang akan berlaku apabila anda melaksanakan teknologi mereka, tetapi tentu saja anda tahu bahawa ia tidak semudah itu, tiada apa yang dijamin dan mereka pastinya tidak menekankan kelemahan. Perkara yang sama berlaku untuk chatbots.
Chatbots telah melalui banyak peringkat gembar-gembur. Banyak gembar-gembur ini ada kaitan dengan overestimating apa yang chatbots boleh lakukan.
Memang benar bahawa terdapat beberapa kejayaan tulen dalam AI berkaitan chatbot dalam beberapa tahun kebelakangan ini, bahawa kejayaan ini perlu difahami untuk mempunyai gambaran sebenar tentang apa yang diharapkan dari chatbots.
Kejayaan utama adalah dalam tiga teknologi utama, pemprosesan bahasa semula jadi (NLP), pengecaman pertuturan pada skala (untuk pembantu suara) dan penjanaan bahasa semula jadi.
NLP membolehkan chatbot mengenal pasti niat umum di sebalik frasa bahasa semula jadi yang berbeza yang mempunyai makna yang sama. Sebagai contoh "menempah penerbangan" atau "Saya mahu terbang ke Paris" mempunyai niat yang sama untuk "menempah penerbangan". Pembangun perisian boleh mengekod apa yang perlu dilakukan sebaik sahaja niat itu dikenal pasti.
Pengecaman pertuturan menggunakan teknologi yang menterjemahkan perkataan yang dituturkan kepada teks. Walaupun pengecaman pertuturan telah lama wujud, ia hanya kemajuan dalam prestasi komputer dan keupayaan untuk mewakilkan kerja ke awan yang memungkinkan sistem ini dapat mengenal pasti berjuta-juta perkataan kerana algoritma sangat intensif.
Penjanaan bahasa semulajadi mengambil satu set parameter dan menghasilkan ayat yang betul dari segi tatabahasa dalam bahasa semula jadi.
Semua teknologi ini sedikit sebanyak telah maju kerana kemajuan yang agak baru dalam kuasa pengkomputeran.
Gembar-gembur yang melampau adalah bahawa chatbots tidak lama lagi akan menggantikan agen manusia sepenuhnya. Realitinya ialah chatbots berfungsi dengan sangat baik dalam domain sempit di mana konteksnya terhad dan melakukan yang terbaik ketika menjawab satu dari soalan yang tidak mempunyai konteks.
Itu tidak bermakna bahawa teknologi asas tidak berkuasa dan berguna. Ia adalah. Itu tidak bermakna chatbots tidak dapat menghasilkan pulangan pelaburan (ROI) yang besar. Mereka boleh.
Walau bagaimanapun, ini bermakna pengalaman chatbot perlu dibuat dengan mempertimbangkan batasan.
Kesilapan biasa projek chatbot
Objektif yang salah
Terdapat banyak cara objektif yang dipilih semasa melaksanakan chatbot boleh menjadi salah. Terdapat banyak masalah dalam menetapkan objektif, seperti menyelesaikan masalah yang tidak wujud, iaitu menggunakan chatbot untuk melakukan sesuatu yang lebih baik dilakukan oleh antara muka grafik.
Kesilapan terbesar yang boleh anda lakukan ialah membeli gembar-gembur dan cuba melaksanakan chatbot seperti manusia yang terlibat dalam perbualan dengan pelanggan hampir pada tahap manusia. Banyak syarikat telah mencuba ini dan gagal. Cuba membina chatbot di luar skop perkara yang ia lakukan dengan baik selalu menjadi masalah.
Pengalaman chatbot terbaik adalah pengalaman perbualan berpandu bukan pengalaman perbualan terbuka. The Botpress Perisian, sebagai contoh, mentakrifkan laluan gembira yang merupakan laluan berpandu yang diperlukan oleh perisian untuk memastikan pengguna terus hidup. Sekiranya pengguna menyimpang dari jalan ini, perisian akan cuba membawa mereka kembali ke jalan gembira atau menawarkan mereka peluang untuk memulakan jalan lain, tetapi tidak akan membenarkan mereka pergi ke tangen.
Isu reka bentuk dan pembangunan yang buruk
Chatbot yang direka dengan buruk menyebabkan pengguna menggunakannya dengan cara yang tidak dimaksudkan. Ini jelas menyebabkan kekecewaan dan mempunyai pelbagai kesan negatif.
Chatbots perlu direka bentuk secara konservatif, skop perlu dibuat sangat jelas dan perbualan perlu ditingkatkan kepada manusia terlalu kerap dan bukannya tidak cukup kerap (atau strategi yang setara perlu digunakan untuk kes penggunaan yang dipersoalkan).
Ia tidak mengatakan pemaju yang bekerja di bot perlu cekap dan akrab dengan amalan terbaik di kawasan ini.
Pendekatan teknologi yang salah
Chatbots hari ini adalah campuran NLP dan pokok keputusan. NLP membolehkan pengguna bertanya soalan terbuka dalam domain yang sangat sempit dan pokok keputusan membawa pengguna melalui pokok keputusan (laluan gembira) untuk menyelesaikan masalah atau menyelesaikan tugas. Seperti yang dinyatakan di atas mengenai lencongan, terdapat skop terhad bagi pengguna untuk menyimpang dari jalan gembira.
Adalah satu kesilapan untuk memilih pendekatan kotak hitam untuk perbualan. Penyelesaian kotak hitam adalah penyelesaian dipacu data di mana logik pada dasarnya dipegang dalam algoritma AI. Masalahnya ialah tiada siapa yang tahu pasti apa penyelesaian AI akan dilakukan, sangat sukar untuk debug, ia tidak boleh diuji secara komprehensif dan maklumat baru boleh mengubah tingkah lakunya.
Walaupun walaupun Botpress adakah menggunakan beberapa teknologi ini, ia mengehadkan domain di mana AI "kotak hitam" ini boleh beroperasi ke skop sempit di sekitar laluan gembira. Oleh itu, matlamat AI adalah untuk sentiasa membawa pengguna kembali ke jalan gembira atau membolehkan mereka beralih ke jalan baru. Ini lebih mudah difahami dan dinyahpepijat.
Saya harus menyebut bahawa AI "Kotak hitam" ini berfungsi dengan sangat baik dalam domain yang terikat dan di mana terdapat sejumlah besar data yang relevan di sekitar tugas yang ada. Inilah sebabnya mengapa AI boleh bermain permainan dengan baik. Masalah dengan bahasa adalah bahawa ia mempunyai dimensi tak terhingga kerana mana-mana pernyataan bermaksud perkara yang berbeza bergantung pada konteks yang merangkumi pernyataan yang dibuat sebelum ini dan maklumat lain yang berkaitan yang harus diketahui oleh ejen perbualan.
Melaksanakan AI kotak hitam untuk perbualan menggunakan keadaan teknologi semasa adalah serupa dengan kesilapan cuba melaksanakan chatbot terbuka.
Di samping itu, walaupun kelemahan yang disebutkan di atas pendekatan kotak hitam seperti ini sangat intensif data dan oleh itu memerlukan banyak wang untuk dilaksanakan. Dan hakikat bahawa ia adalah kotak hitam bermakna bahawa sangat sukar untuk menukar vendor yang bermaksud kos pensuisan yang sangat tinggi dan oleh itu terkunci.
Adalah lebih baik untuk menggunakan NLP mudah dan teknologi pokok keputusan untuk membina bot dan kemudian menggunakan AI dengan skop terhad mengelilingi tepi untuk mendapatkan pengguna kembali untuk menyelesaikan tugas yang ada. Kami mendapati bahawa syarikat sebenarnya terkejut dengan betapa mudah dan mudah teknologi ini digunakan. Pemaju yang kompeten boleh belajar cara membina bot yang menggunakan NLP dan pokok keputusan hanya dalam beberapa jam.
Ia juga penting untuk memahami bahawa perbualan dengan chatbots tidak boleh meniru perbualan dengan manusia. Antara muka grafik, sebagai contoh, jauh lebih cekap untuk digunakan dalam banyak kes daripada teks atau suara. Butang opsyen lebih cepat diklik daripada menaip atau menyebut respons. Ini akan menjadi benar walaupun mungkin untuk membuat chatbot tahap manusia. Realiti ini sering diabaikan dalam menggunakan kotak hitam atau terutamanya pendekatan AI berasaskan perkataan.
Platform yang salah
Masalah dengan memilih rangka kerja bot yang salah mungkin tidak jelas dengan serta-merta tetapi akan menjadi jelas dari masa ke masa.
Cara terpantas untuk membina chatbot adalah dengan menggunakan platform seret dan lepas. Masalahnya ialah dalam kebanyakan kes pemaju tidak lama lagi menghadapi batasan keras. Di samping itu, pendekatan generik yang digunakan bermaksud bahawa ciri-ciri mudah yang harus digodam ke dalam sistem menjadikannya kikuk dan sukar bagi pentadbir untuk menggunakan bot.
Bahagian lain spektrum adalah platform proprietari berasaskan kod yang membolehkan pemaju membuat kod bot dari awal. Masalah dengan pendekatan ini ialah ia mengambil masa yang sangat lama untuk membina bot yang mudah.
Pendekatan terbaik adalah rangka kerja yang menyediakan semua komponen dan antara muka visual yang diperlukan, termasuk antara muka seret dan lepas, di luar kotak, tetapi pada masa yang sama membolehkan semua komponen dan antara muka ini mudah disesuaikan untuk tugas yang ada.
Ini amat penting kerana penaja bot biasanya menumpukan sebahagian besar perhatian mereka tentang bagaimana bot akan berfungsi untuk pengguna akhir. Masalahnya ialah terdapat banyak komponen dan antara muka lain yang penting bagi pengguna bot lain seperti pentadbir (yang ingin memantau analisis chatbot dan menguruskan akses backend), pencipta teknikal dan bukan teknikal (yang ingin mengubah suai tingkah laku dan kandungan bot) dan agen manusia (yang bertindak balas terhadap perbualan yang dinaikkan oleh bot).
Membina komponen ini dari awal adalah senaman yang sangat memakan masa. Sudah tentu, rangka kerja seret dan lepas yang mudah mempunyai versi fungsi ini yang sangat generik dan terhad dan tidak boleh disesuaikan dengan mudah.
Keupayaan untuk menyesuaikan adalah penting untuk bot pengguna akhir itu sendiri, walaupun ia tidak jelas di muka. Sebagai contoh, apabila membina aliran menggunakan pembangun aliran seret dan lepas mungkin terdapat beberapa tugas yang perlu diulang berulang kali dalam aliran yang berbeza, seperti mengesahkan pengguna dengan sistem syarikat atau memproses pembayaran.
Rangka kerja ini harus membolehkan anda menambah komponen ini sebagai komponen visual kepada pembina aliran supaya pencipta kandungan teknikal yang kurang dapat menambahkan fungsi ini dengan mudah ke proses.
Platform yang tidak mudah disesuaikan akan menjadikannya sukar untuk menawarkan pengguna bukan teknikal cara untuk mengemas kini kandungan kerana kaedah untuk melakukan ini perlu "digodam" ke dalam rangka kerja. Rangka kerja yang membolehkan penyesuaian segala-galanya harus memudahkan untuk membuat skrin yang dibina untuk tujuan untuk pengguna bukan teknikal yang mudah dan intuitif untuk digunakan.
Di samping itu, ia juga sangat bermanfaat bagi pembangun anda untuk mempunyai akses kepada kod sumber asas untuk sistem. Ini akan membolehkan mereka lebih cepat memahami cara melakukan sesuatu dan akan membolehkan mereka mengenal pasti isu-isu dengan cepat jika ia timbul.
Sesuatu yang sangat penting untuk rangka kerja adalah keupayaan untuk mengawal dan memindahkan data anda. Platform ini harus membenarkan perusahaan menggunakan bot di mana sahaja yang mereka pilih, sama ada di awan peribadi atau on-prem (pada pelayan dalaman).
ROI juga merupakan pertimbangan penting dari segi platform. Platform ini sepatutnya memungkinkan untuk menggunakan semula kerja dari satu bot untuk bot lain iaitu dengan membina fungsi untuk satu bot menjadikannya lebih mudah untuk membina bot seterusnya. Ini menjadikan penskalaan dari satu bot ke banyak bot secara berperingkat lebih murah yang mempunyai kesan meningkatkan ROI keseluruhan.
Salah satu contoh ini ialah platform yang direka dengan buruk akan membuat anda membuat bot baru untuk setiap bahasa baru yang anda tambahkan dan bukannya hanya membolehkan anda menyediakan kandungan yang sama dalam bahasa yang berbeza. Malah tidak memisahkan reka bentuk aliran dari kandungan menjadikan pengurusan kandungan lebih sukar dan terdedah kepada kesilapan kerana kakitangan bukan teknikal perlu mengedit aliran sebenar dan bukannya hanya mengemas kini kandungan.
Membenarkan pentadbir dan pengguna backend lain melakukan kerja mereka dengan cara yang cekap dan mudah juga menjimatkan masa dan membawa kepada kurang kesilapan yang meningkatkan ROI.
Kunci Masuk Vendor
Kunci masuk vendor adalah masalah dalam beberapa cara.
Sekiranya anda terpaksa menggunakan teknologi mereka, iaitu platform tidak membenarkan anda menggunakan komponen pihak ketiga, anda bertaruh bahawa semua komponen mereka akan menjadi yang terbaik di kelas selama-lamanya. Jika tidak, anda akan dipaksa untuk menggunakan teknologi ketinggalan zaman manakala pasaran lain bergerak atau menjalani latihan penukaran yang sangat mahal.
Sekiranya terdapat komponen yang hilang, atau jika anda perlu mengubah cara sesuatu berfungsi, anda perlu bergantung kepada mereka untuk melakukan pembangunan tersuai yang bukan sahaja menyebabkan kelewatan tetapi boleh menjadi latihan yang mahal.
Akhirnya, jika anda seorang pelanggan tawanan, mereka boleh menetapkan harga yang boleh menjadi sangat mahal. Mereka tahu bahawa kos penukaran yang dimuatkan sepenuhnya boleh menjadi sangat tinggi, terutamanya jika mereka menyukarkan untuk memindahkan data dan kod ke platform lain.
Menggunakan sistem proprietari berbanding dengan sistem terbuka menjadikan kunci lebih berkemungkinan dan kos penukaran lebih tinggi. Di samping itu, memilih pendekatan yang kompleks untuk chatbots yang hanya boleh dilaksanakan oleh pakar data bermakna lock-in akan menjadi lebih sukar untuk melarikan diri dan kos kunci masuk lebih tinggi.
Tidak mendapat pihak berkepentingan di atas kapal
Ini adalah kesilapan biasa dan jelas untuk mana-mana projek perisian yang melibatkan perubahan tingkah laku sedia ada dan penyelesaiannya terkenal. Sudah tentu, ejen perkhidmatan pelanggan sangat penting dalam dunia bot kerana mereka dapat merasa terancam oleh teknologi ini. Mereka perlu dilatih semula untuk menawarkan satu set perkhidmatan yang melengkapkan perkhidmatan yang ditawarkan oleh bot, terutamanya untuk menawarkan perkhidmatan yang lebih mendalam kepada pelanggan yang mempunyai keperluan yang lebih kompleks yang tidak dapat diselesaikan oleh bot.
Mengabaikan ROI
Terdapat dua cara yang mengabaikan ROI boleh menyebabkan kegagalan. Yang pertama ialah tanpa nombor ROI yang menarik projek itu tidak akan ditaja, walaupun terdapat penajaan untuk POC untuk membuktikan teknologi. Yang kedua ialah pihak berkepentingan dalam projek itu menyedari bahawa tidak ada ROI sebaik sahaja projek itu berjalan dan berjalan.
Tidak ada sebab untuk tidak mengira ROI yang dijangkakan [mengira ROI] di muka dan kemudian mengemas kini nombor ini semasa anda mendapat lebih banyak maklumat mengenai kes penggunaan dan konteks. Terdapat banyak kes penggunaan yang mempunyai ROI yang sangat tinggi jadi mencari kes penggunaan tidak sepatutnya sukar.
Tidak membina bot secara berperingkat
Sudah tentu, banyak risiko di atas boleh dielakkan dengan mengikuti pendekatan melaksanakan bot secara berperingkat.
Sangat mudah untuk membina penyelesaian yang boleh diuji secara berperingkat. Mulakan dengan POC kes penggunaan tunggal dan halakan beberapa pengguna akhir ke bot untuk menilai prestasi. Dengan cara ini keberkesanan penyelesaian, termasuk tindak balas pengguna, boleh diuji dan ditapis dengan murah pada setiap langkah.
Sudah tentu penting untuk memilih kes penggunaan yang mencabar andaian yang paling "berisiko" apabila memilih kes penggunaan untuk latihan ini supaya andaian yang paling tidak pasti dan kritikal diuji di muka.
Banyak vendor ingin membuat anda terlibat dalam pendekatan bang besar di mana banyak kerja dan usaha masuk ke muka sebelum bot kerja, bahkan POC, dipersembahkan kepada pengguna. Bukan itu sahaja, tetapi vendor menegaskan bahawa hanya perunding harga tinggi yang dapat mengurus dan memantau bot untuk anda. Ini sepatutnya menjadi bendera merah yang besar.
Kesimpulan
Terdapat banyak pertimbangan yang perlu diingat semasa membina chatbot. Selagi anda menyedari risiko utama dan mengambil pendekatan tambahan untuk pelaksanaan, anda mempunyai peluang besar untuk membina chatbot yang berjaya dan mencapai ROI fenomenal yang datang dengan melakukannya.
Senarai Kandungan
Kekal terkini dengan chatbots AI terkini
Kongsi ini pada: