Budowanie relacji z klientami za pomocą konwersacyjnej AI

W związku z Siły sprzedaży

Wszyscy tam byliśmy. Proszę posłuchaj całego naszego menu, ponieważ nasze opcje się zmieniły. Powiedz lub naciśnij jeden, aby uzyskać informacje o produkcie... Czasami te zautomatyzowane środowiska obsługi klienta są skuteczne i wydajne — innym razem nie tak bardzo.

Wiele organizacji korzysta już z chatbotów i wirtualnych asystentów, aby lepiej służyć swoim klientom. Ci inteligentni, zautomatyzowani agenci samoobsługi mogą odpowiadać na często zadawane pytania, dostarczać odpowiednie artykuły merytoryczne i zasoby, aby odpowiadać na zapytania klientów, a także pomagać klientom w wypełnianiu formularzy i innych rutynowych procedurach. W przypadku bardziej złożonych zapytań, ci zautomatyzowani agenci samoobsługi mogą kierować te żądania do żywego agenta.

W czasach niepewności i sytuacji awaryjnych operacje obsługi klienta obsługiwane przez sztuczną inteligencję (AI) mogą być nieocenione dla firm, pomagając obsłudze klienta lub centrom obsługi zasobów ludzkich nadążać za gwałtownymi wzrostami popytu i skracać czas oczekiwania klientów oraz frustrację. Według ostatnich szacunków Gartner przewiduje, że do 2022 r. , 70% interakcji z klientami będzie dotyczyć nowych technologii, takich jak aplikacje do uczenia maszynowego, chatboty i wiadomości mobilne. To wzrost o 15% od 2018 roku.

W tego typu interakcjach konwersacyjnych chatboty AI mogą rozszerzyć zasięg obsługi klienta organizacji i utrzymać poziom wzajemności z klientami, mówi Greg Bennett, dyrektor ds. projektowania konwersacji w Salesforce. Firma ma również możliwość wyrażenia swojej marki, głosu i tonu za pomocą słów i języka, którego używa, aby stworzyć większy stopień intymności. Bennett jest głęboko zaangażowany w szkolenie systemów sztucznej inteligencji, które zasilają chatboty konwersacyjne i zapewniają, że są inkluzywne i zdolne do rozumienia szerokiej gamy dialektów, akcentów i innych wyrażeń językowych.

Automatyzacja AI nie tylko staje się coraz bardziej rozpowszechniona, ale także okazuje się być istotnym czynnikiem napędzającym biznes. Gartner przewiduje, że w 2021 r. wygeneruje się augmentacja AI 2,6 biliona dolarów w biznesie wartość. Może też zaoszczędzić nawet 6,2 miliarda godzin pracy.

Zdefiniowano inteligencję konwersacyjną

Według przeprowadzone badania według firmy konsultingowej w zakresie zarządzania Korn Ferry, inteligencja konwersacyjna to wspólny wysiłek. A ten wspólny wysiłek jest wzajemnością dwóch uczestników, aby komunikować się w sposób, który prowadzi do wspólnej koncepcji rzeczywistości. To wypełnia lukę między indywidualną rzeczywistością dwóch mówców — i pomaga firmom pomagać klientom.

Mając to na uwadze, Salesforce i inne firmy poszły o krok dalej w tej koncepcji, szukając sposobów na połączenie inteligencji konwersacyjnej z technologią. W rzeczywistości dzięki tym wysiłkom inteligencja konwersacyjna oparta na sztucznej inteligencji znacznie się poprawiła z biegiem czasu. Zaczęło się od prostego rozpoznawania tekstu, w którym dość łatwo jest osiągnąć znaczny stopień dokładności. Ale rozpoznawanie tekstu może być nieco dwuwymiarowe, dlatego badania poczyniły postępy w zakresie automatycznego rozpoznawania mowy. Zautomatyzowane systemy rozpoznawania mowy muszą uwzględniać różne języki, akcenty i fleksję akustyczną, co jest znacznie trudniejsze i bardziej zniuansowane. Ponieważ algorytmy sztucznej inteligencji stały się bardziej wyrafinowane i miały czas i doświadczenie, aby uwzględnić więcej odmian językowych, technologia sztucznej inteligencji poprawiła swoją zdolność do dokładnego rozumienia głębszych subtelności interakcji międzyludzkich.

Inteligencja konwersacyjna to konstelacja funkcji i technologii, które umożliwiają ludziom i maszynom na zmianę wymianę języka i pracę nad osiągnięciem celu dyskursywnego, mówi Bennett.

Te systemy sztucznej inteligencji skoncentrowane na lingwistyce wykorzystują szereg różnych technologii do zrozumienia pisemnych i mówionych interakcji z ludźmi. Niektóre z nich to:

• Automatyczne rozpoznawanie mowy, które służy do rozumienia języka mówionego w systemach głosowych;
• Przetwarzanie języka naturalnego, które pomaga komputerom rozumieć, interpretować i analizować język mówiony i pisany; oraz
• Rozumienie języka naturalnego, które umożliwia sztucznej inteligencji zrozumienie intencji.

Wykraczając daleko poza proste rozpoznawanie tekstu, rozumienie języka naturalnego to obszar, w którym sztuczna inteligencja naprawdę wykorzystuje swoje mocne strony. Ułatwiając głębszą, bardziej zniuansowaną rozmowę, zwiększa skuteczność interakcji człowiek-AI. Kiedy system obsługi klienta oparty na sztucznej inteligencji jest lepiej przystosowany do rozpoznawania i rozpoznawania języka naturalnego z mniejszą liczbą błędów, może przeprowadzić klienta przez całą interakcję bez konieczności angażowania pracownika obsługi klienta. To pozwala agentom skupić się na bardziej złożonych sprawach.

A wykorzystanie tych możliwości w środowiskach obsługi klienta może pomóc firmom nie tylko przyspieszyć i poprawić interakcje z klientami, ale także poprawić ogólne relacje z klientami. Jeśli możemy mieć maszynę, która pomaga ułatwić tego rodzaju interakcję między firmą a klientem, pomaga to w dalszym budowaniu relacji z tym klientem w sposób, w jaki nie byłby to artykuł pomocy, mówi Bennett.

A im bardziej system AI współpracuje z ludźmi, tym skuteczniejsze stają się jego algorytmy. Wchodząc w interakcję z ludźmi, system sztucznej inteligencji może gromadzić dane wymagane do poprawy rozumienia języka naturalnego w celu lepszego zrozumienia intencji, pomagając ułatwić bardziej zniuansowane rozmowy między człowiekiem a komputerem. Interakcja ludzka pomaga również tym systemom AI poprawić zdolności rozpoznawania i predykcji w celu dostarczania bardziej spersonalizowanych treści. Dzięki poznaniu wielu sposobów, w jakie ludzie zachowują się i wchodzą w interakcje, reakcja systemu staje się dokładniejsza.

Algorytmy sztucznej inteligencji absorbują, przetwarzają i analizują zbiory danych wprowadzane do systemu przy użyciu własnych, specyficznych równań. Przetwarzanie to odbywa się w jednej z dwóch podstawowych metod: nadzorowanej lub nienadzorowanej. W nadzorowanym doskonaleniu zbiory danych będą miały przypisaną wartość docelową lub kategorię. W nienadzorowanym doskonaleniu algorytm samodzielnie analizuje zbiór danych, bez wskazówek i ograniczeń.

Gdy otrzymują i przetwarzają więcej danych, algorytmy ewoluują, dostosowują i ulepszają swoje modele analityczne. Tak więc algorytmy poprawiają się i udoskonalają w oparciu zarówno o jakość, jak i ilość przetwarzanych danych. Istnieją poglądy, że sztuczna inteligencja może zebrać różne intencje, zakres i kontekst poprzez interakcję z ludźmi, mówi Bennett. Te stopniowe ulepszenia zdolności przewidywania i głębi zrozumienia zwiększają efektywność zaangażowania klientów.

Docenianie wyzwań językowych

Chociaż przetwarzanie języka naturalnego przeszło długą drogę, technologia automatycznego rozpoznawania mowy nadal boryka się z wyzwaniami związanymi z rozpoznawaniem pełnego zakresu odmian językowych. Są wszystkie te różne angielskie akcenty, wszystkie są mocne i ważne i powinny być celebrowane, mówi Bennett. Inne odmiany językowe, które rzucają wyzwanie sztucznej inteligencji, obejmują różne wyrażenia slangowe lub potoczne, aby przekazać podobne znaczenia i inne cechy paralingwistyczne, takie jak ton, intonacja, tempo, pauza i wysokość.

Niezwykle ważne jest, aby sztuczna inteligencja mogła zarządzać nieodłącznymi poziomami uprzedzeń obecnymi w systemie i rozszerzyć, aby rozpoznać pełny zakres odmian językowych. Te stopniowe ulepszenia zdolności predykcyjnych algorytmów sztucznej inteligencji pomagają poprawić wrażenia klientów, zmniejszając liczbę wymiany informacji w tę i z powrotem oraz momenty frustracji spowodowane brakiem dokładnego rozpoznania.

Ale te wysiłki i postępy stanowią pewne etyczne zagadki. Zastanów się na przykład, jak mniejszości są reprezentowane w szkoleniowych zestawach danych — lub dokładniej, jak nie są reprezentowane. Najczęściej używane zbiory danych wykluczają bardziej zróżnicowane przejawy dialektu i tożsamości społecznej. Zapewnienie zróżnicowanej reprezentacji w zespołach opracowujących technologie sztucznej inteligencji jest kluczowym krokiem w kierunku opracowania i ewolucji algorytmów sztucznej inteligencji, aby rozpoznawać szerszy wachlarz wyrażeń językowych.

Teraz, gdy sztuczna inteligencja jest w stanie pozwolić na większy stopień zmienności, powinna być w stanie uwzględnić szersze znaczenie kontekstowe i być bardziej inkluzywna. Chociaż konwersacja i język są kanałem, na ludziach pracujących z systemami AI spoczywa obowiązek dalszego uwzględniania dostępności w dialektach, akcentach i innych odmianach stylistycznych.

Niedostatecznie reprezentowane mniejszości mają bardzo mało reprezentacji swojego dialektu i wyrażania swojej tożsamości społecznej poprzez język w tych systemach. Wynika to głównie z braku reprezentacji wśród zespołów tworzących technologię, mówi Bennett. Zapewnienie, że firmy opracowujące i wdrażające systemy sztucznej inteligencji wprowadzają do mieszanki bardziej zróżnicowane zespoły, może pomóc w rozwiązaniu tego nieodłącznego uprzedzenia.

Systemy sztucznej inteligencji mogą pozwolić na większy stopień zmienności. Gdy systemy będą w stanie dokładnie zinterpretować te zmiany i wygenerować odpowiednią kontekstowo odpowiedź, sztuczna inteligencja rozwinie się w większym stopniu niż kiedykolwiek wcześniej. Myślę, że właśnie tam zaprowadziła nas ewolucja pola, mówi Bennett.

Oczywiście nie oznacza to, że nie ma innych etycznych i praktycznych problemów związanych z rozszerzonym wykorzystaniem sztucznej inteligencji. Obawy dotyczące prywatności, odpowiedzialność, przejrzystość oraz dokładne i odpowiednie delegowanie procesów decyzyjnych są nadal aktualne. Do tego dochodzi etyczne wykorzystanie nagrań głosowych. To rozwijająca się dziedzina, w której wciąż trzeba określić istotne parametry.

Tworzenie głębszego połączenia człowieka z AI

Zajęcie się pełnym zakresem odmian językowych i włączenie w ten proces bardziej zróżnicowanych grup i historycznie niedostatecznie reprezentowanych mniejszości naprawdę buduje przyszłość połączenia człowiek-SI. Doprowadzi to również do bardziej rozpowszechnionych przypadków użycia w biznesie. W rzeczywistości największym wyróżnikiem konkurencyjnym w przyszłości technologii konwersacyjnej będzie zdolność do zapewnienia solidnego rozumienia konwersacji niezależnie od języka, akcentu, slangu, dialektu lub innych aspektów tożsamości społecznej.

Bennett wspomina lekcję wygłoszoną przez profesora na studiach: Powiedziała: „Rozmowa jest jak wspinanie się na drzewo, które wspina się z powrotem”. rozmowa jako praktyka behawioralna. Rozmowa nie jest solowym aktem. To ulica dwukierunkowa. Prawdziwa rozmowa to akt – niektórzy mogą nawet powiedzieć, że sztuka – na zmianę angażowania się w mówienie i słuchanie, wymianę pomysłów, wymianę uczuć i wymianę informacji.

W lingwistyce paralingwistyczne cechy mowy, takie jak fleksję, intonację, tempo, pauzy i wysokość tonu, zapewniają pragmatyczną warstwę znaczenia rozmowy, mówi Bennett. Zamiast skupiać się na tym, jak użytkownicy mogą pomóc systemom AI, powinniśmy zapytać, jak możemy skalować system, aby odpowiadał użytkownikom tam, gdzie się znajdują. Biorąc pod uwagę to, co wiemy o językoznawstwie, nie wierzę, że można wymusić jakąkolwiek zmianę języka – mówi. Konwersacyjna sztuczna inteligencja jest skonfigurowana w sposób, który może odnieść sukces, jeśli przyjmiemy takie podejście w warstwie pragmatycznej — paralingwistycznej stronie rzeczy.

Zdolność do zrozumienia, pełnego zrozumienia i skalowania do tego poziomu różnorodności językowej to kierunek, w którym zmierza sztuczna inteligencja, mówi Bennett. Startupy w konwersacyjnej przestrzeni AI indeksują to jako czynnik różnicujący. A kiedy się nad tym zastanowić, jeśli uwzględnisz w tym procesie bardziej zróżnicowane grupy i historycznie niedostatecznie reprezentowane mniejszości, to faktycznie rozszerzy to twój całkowity rynek, na który można adresować.

Ta treść została stworzona przez Insights, dział zajmujący się treściami niestandardowymi MIT Technology Review. Nie została napisana przez redakcję MIT Technology Review.

ukryć