Hoe werkt een chatbot?

Als je niet weet wat een chatbot is, moet je eerst lezen wat is een chatbot.

Het is geweldig om een goed ontworpen chatbot in actie te zien, maar het is nog krachtiger als je begrijpt hoe een chatbot eigenlijk werkt.

We gaan je het volledige plaatje geven van hoe een chatbot wordt gemaakt. Van de onderdelen die worden gebruikt bij het maken van een chatbot tot de feitelijke informatiestroom in de chatbot.

Uiteraard zijn de exacte componenten die nodig zijn voor een bepaalde chatbot afhankelijk van het type chatbot dat je bouwt, maar dit geeft je een idee van de componenten die beschikbaar zijn.

Je chatbot verbinden met een kanaal

Elke chatbot heeft een kanaal nodig zodat de gebruiker ermee kan communiceren. Het kanaal is in feite een berichtenplatform zoals Facebook Messenger, Slack, Telegram, Microsoft team of een ingebedde webchat.

Je hebt minstens één berichtenplatform nodig, maar je kunt ook meerdere berichtenplatforms met elkaar verbinden en gebruikers laten kiezen aan welk platform ze de voorkeur geven.

Het kanaal is de gebruikersinterface van de chatbot, net zoals een webpagina je in staat stelt om te communiceren met software door middel van klikken.

‍

De invoer ontsleutelen met Natuurlijke taalverwerking

Motoren voor natuurlijke taalverwerking (NLP) zijn in staat om de bedoelingen te identificeren die verborgen zitten in een zin in natuurlijke taal. Het is belangrijk om "natuurlijke taal" nauwkeurig te omschrijven, omdat chatbots , in tegenstelling tot minder intelligente bots die duidelijke instructies nodig hebben, mensachtige soorten conversaties kan begrijpen.

De volgende zinnen hebben bijvoorbeeld allemaal dezelfde bedoeling, namelijk een vlucht boeken:

1. Ik wil een vlucht boeken
2. Ik wil van Dubai naar Moskou
3. Ik heb een vlucht nodig

Om een chatbot tekst of spraak in natuurlijke taal te laten begrijpen, heeft hij toegang nodig tot NLP-engines.

De NLP-engine kan een zin nemen en de bedoeling erachter met een bepaalde mate van betrouwbaarheid extraheren. Natural Language Processing is een gebied van kunstmatige intelligentie en vereist een bepaalde training.

Daarom vragen we in Botpress naar wat we uitingen noemen. Ze vormen een belangrijk onderdeel van het begrip. Uitingen zijn variaties van een zin, verschillende manieren om dezelfde bedoeling te formuleren.

NLP-engines zullen dat gebruiken om te trainen.

Dialoogmanager / Visuele Gespreksopbouw

Dit is ook een belangrijk onderdeel van een chatbot, omdat je hier de ervaring ontwerpt. Zodra de chatbot de intentie heeft begrepen, moet hij een beslissing nemen.

Er zijn 3 veel voorkomende dingen die kunnen gebeuren: actie ondernemen, om informatie vragen of een niet-ondersteunde intentie afhandelen.

Met je visuele gespreksbouwer kun je ontwerpen wat er gaat gebeuren, hoe het gaat gebeuren en de taal die wordt gebruikt om het te laten gebeuren.

Als ik zeg "Boek morgen een vlucht naar Parijs". De NLP-engine zal mijn intentie om een vlucht te boeken detecteren. Het zal morgen eruit halen als de tijd van vertrek, Parijs als waar ik heen wil, maar mijn vertrekplaats ontbreekt. Met de visuele conversatiebouwer kun je afhandelen dat je om een vertrekplaats moet vragen en dan de actie uitvoeren om de vlucht te boeken.

Dit is een heel eenvoudig voorbeeld, maar je kunt begrijpen dat de complexiteit in sommige gevallen groter is en daarom kan het ontwerpen van een geweldige ervaring cruciaal zijn voor het succes van je chatbot.

‍

Analytics

Analytics is nodig om de prestaties van chatbotste controleren en te meten. Ze bieden statistieken over de chatbot, zoals het aantal gebruikers en het soort engagement. Het is uiteraard van cruciaal belang voor chatbotontwikkelaars om dit soort statistieken te verzamelen.

Het geeft je waardevolle inzichten in de betrokkenheid van je gebruikers om te begrijpen wat er misschien ontbreekt en wat de belangrijkste gebieden zijn om te verbeteren.

‍

Systeem voor inhoudsbeheer

De inhoud zoals tekst in de taal van de gebruiker en mediabestanden moeten onafhankelijk van de conversatiestroom worden beheerd. De taal, de mediabestanden en de implementatie kunnen veranderen afhankelijk van wie de gebruiker is, de context en het berichtenplatform.

Inhoud moet net als code professioneel worden onderhouden en de broncode moet worden gecontroleerd. Hiermee kun je de inhoud loskoppelen van de rest van de chatbot, waardoor deze herbruikbaar en vooral makkelijker te onderhouden is.

Het is heel eenvoudig, maar toch heel belangrijk om je inhoud onafhankelijk te beheren.

Mens in de lus

Human in the loop is de mogelijkheid van de mens om de controle over de chatbot over te nemen. Sommigen denken misschien dat dit geen must have is, maar dat is het wel.

Er zijn veel redenen waarom een mens de chatbotconversatie handmatig zou willen overnemen, de meest voorkomende is dat de chatbot niet begreep wat de eindgebruiker zei.

We zouden onszelf voorliegen als we zouden geloven dat een chatbot het 100% van de tijd bij het rechte eind heeft. Zelfs als we voortdurend vooruitgang boeken, kan hij niet alles perfect afhandelen. Als een gebruiker buiten het bereik van de chatbot valt, is het essentieel dat er een mens in de lus zit om een geweldige gebruikerservaring te behouden.

‍

Architectuur

Hoewel architectuur geen component is, heeft elke chatbot, net als elke software, een architectuur. Als de softwarearchitectuur niet van hoge kwaliteit is, zal de chatbot niet uitbreidbaar en gemakkelijk onderhoudbaar zijn.

De grootste voordelen van het gebruik van een conversational AI-platform om je chatbot te bouwen, is dat alles al zo is opgebouwd dat schaalbaarheid en onderhoudbaarheid mogelijk zijn.

Je hoeft alleen maar een server lokaal of op cloud te spawnen en je bent klaar om te bouwen en te automatiseren.

Botpress heeft een modulaire architectuur waardoor het eenvoudig is om bepaalde modules die geen kerncomponenten zijn te activeren of deactiveren.

Bovendien kun je je eigen module bouwen om de mogelijkheden van het platform en natuurlijk je chatbot uit te breiden.

‍

Hoe gegevens door de chatbot stromen

‍

Deze elementen zijn allemaal erg belangrijk om je chatbot zo soepel mogelijk te laten werken. Verwijder een van deze elementen en je krijgt niet dezelfde ervaring.

Vanuit macroperspectief is dit hoe de informatie stroomt.

Er is een gebruikersinvoer via het kanaal. Het eerste wat die informatie doet is de Dialog Manager binnenkomen om geëvalueerd te worden door de NLP-engine. De NLP-engine probeert de zinnen te ontcijferen om een bedoeling te vinden en stuurt die informatie terug naar de Dialog Manager.

Als er een intentie wordt gedetecteerd, is het aan de DM om te beslissen hoe verder te gaan volgens de beslisboom. Als een derde partij betrokken moet worden zal de dialoogmanager het verzoek doen.

Alles wordt dan teruggestuurd naar de gebruiker via hetzelfde kanaal dat hij gebruikte.

‍

Hoewel dit een vereenvoudigde versie is van hoe een chatbot werkt, kun je de complexiteit van het bouwen van een dergelijke ervaring vanuit UX- en technisch oogpunt zeker waarderen.

Het gebruik van een open source conversational AI-platform vermindert drastisch de tijd die nodig is om de infrastructuur te bouwen, zodat je snel waarde uit je chatbot kunt halen.