Czyżby zbliżał się koniec klasycznych call-centers? To wydaje się nieuniknione. Nowe algorytmy AI w InteliWISE będą skuteczniej uczyć Chatboty.

Dostawcy usług opartych o algorytmy sztucznej inteligencji (AI) stoją przed kolejnymi wyzwaniami – wraz z rosnącą popularnością Chatbotów, Voicebotów i innych rozwiązań inteligentnej automatyzacji, muszą ciągle doskonalić ich umiejętności uczenia się i dokładnego rozpoznawania pytań. W InteliWISE pomogą w tym nowe algorytmy oparte o najnowsze zdobycze Machine Learning (ML).

Chatboty, systemy rozpoznawania mowy i obrazu oraz Voiceboty zmieniły krajobraz komunikacji z klientami. Nie są przy tym jedynie kolejnym nośnym hasłem, a funkcjonalnym narzędziem, które wielu marketerów bądź szefów biur obsługi klienta planuje wdrożyć w swoich działaniach. Po co? Oczywiście by „odciążyć” pracowników. Docelowo systemy te mają za zadanie ich właśnie zastąpić.

Szybkość reakcji i rosnącą skuteczność doceniają także klienci – jak wynika z badań przeprowadzonych przez firmę Uberall na początku 2019 r. 80% ankietowanych ma pozytywne doświadczenia związane z Chatbotami, a 40% jest zainteresowana interakcjami z Wirtualnymi Asystentami. Jednocześnie 43% wskazało na potrzebę lepszego rozumienia zapytań użytkownika, a 19% – na potrzebę rozmawiania z Chatbotami w bardziej naturalny sposób. Niezbędne są więc wszelkie działania dążące do zwiększenia komfortu użytkowania Wirtualnych Asystentów.

InteliWISE korzysta z własnych, opatentowanych w Stanach Zjednoczonych, algorytmów NLP (Natural Language Processing), w tym z wszechstronnego silnika AI Conversational do napędzania w 100% zautomatyzowanych dialogów z użytkownikami. Silnik ten obsłużył już miliony zapytań dla klientów na całym świecie – głównie powtarzające się kwestie związane z obsługą klienta. Przykładami mogą być częste zapytania dotyczące produktów (ich cech lub dostępności), kosztów dostawy, reklamacji, informacji o wymaganych dokumentach czy formularzach. Rozwiązanie posiada przetestowany, programowalny moduł, który może przekierować rozmowę do konsultanta na infolinii w sytuacji, w której zapytanie jest skomplikowane i AI nie jest w stanie obsłużyć właściwych odpowiedzi.

Rozumienie pytań zadanych językiem naturalnym (np. mowa potoczna, żargon) jest możliwe dzięki klasyfikacji statystycznej z korektą tekstu i celowym dopasowaniem. Silnik wykorzystuje również redukcję reguł syntaktycznych, co oznacza, że jest to hybrydowe (statystyczne i oparte na regułach) podejście do przetwarzania języka m.in. poprzez:

• uproszczenia prefiksów dla różnych konstrukcji językowych o tym samym znaczeniu, np. chcę dokonać kupna/ chcę dokonać zakupu/ chcę dokonać

zamówienia; chcę nabyć/ chcę kupić/ chcę zakupić/ chcę zamówić/ chcę złożyć zamówienie

• uproszczenia słów do form podstawowych, tak aby lepiej dopasować je do siebie, np. proszę, poproszę, prosi = prosić; zacznij, zacznę, zaczniesz = zacząć

• wykorzystanie synonimów słów, które pozwalają na porównania i wykorzystanie różnych kombinacji, np. dialog, dyskusja, gadka, konwersacja, pogawędka, rozmowa

• dopuszczenie słów kluczowych z punktu widzenia firmy, tak by zwiększyć ich wagę w algorytmie, np. związanych bezpośrednio z nazwami produktów lub usług firmy.

Rozpoznawanie języka polskiego jest możliwe m.in. dzięki wykorzystaniu korekty tekstu w oparciu o własne słowniki językowe. Istnieje też możliwość połączenia z zewnętrzną wyszukiwarką, na przykład Google Search – dla sugestii dotyczących korekty tekstu. Jeśli system zrozumie pytanie, szuka odpowiedzi w różnych źródłach i natychmiast jest w stanie przekazać odpowiedź klientowi. Jeśli problem wymaga dopytania, system poprowadzi wirtualny dialog, próbując doprowadzić rozmowę do szczęśliwego zakończenia. Ta cecha to właśnie konwersacyjność (Conversational AI), która jest jednym z głównych elementów patentu w USA. Odpowiedzi mogą być generowane z systemów IT firmy (daty, statusy, wartości) oraz z baz wiedzy dwóch rodzajów. Pierwsza baza wiedzy to specyficzna dla danej branży (finanse, ubezpieczenia, ecommerce, usługi) i dopasowanej do każdej firmy indywidualnie. Druga – niezwiązana z bazą klienta – zawiera wiedzę z zakresu osobowości Chatbota oraz interaktywny moduł do komunikacji użytkownika z systemem NLP. Silnik NLP działa na podstawie informacji zawartych w tych bazach wiedzy.

InteliWISE wzmacnia teraz swoje NLP o najnowsze, wykorzystywane globalnie narzędzie, które automatycznie klasyfikuje intencje oraz tzw. entities w oparciu o technologię Machine Learning. Rozwiązanie ma wiele zalet – może być w pełni dostosowane do potrzeb danej firmy, algorytm działa na dowolnym serwerze, nawet na infrastrukturze własnej firmy (wdrożenie on-premise), a dane nie są przekazywane na zewnątrz (jak w przypadku Google, Microsoftu czy Amazonu).

W sytuacji nierozpoznania zapytania użytkowników są one poddane obróbce maszynowej, która rekomenduje przypisanie do właściwych odpowiedzi. W skrócie działa to w następujący sposób:

1. Eksperci przygotowują model testowy, w tym bazę wcześniej zadanych pytań i odpowiedzi udzielonych w przeszłości przez Chatbota wyposażonego w NLP od InteliWISE.

2. Baza zostaje odpowiednio obrobiona (przez procesy lematyzacji, czyszczenia itp.).

3. Model zostaje wyszkolony.

4. Do modelu zostają przekazane nierozpoznane pytania (lista tzw. don’t know’ów), algorytm jest uruchamiany i każde wcześniej nieodpowiedziane zapytanie otrzymuje do trzech najbardziej prawdopodobnych, precyzyjnych odpowiedzi.

5. Ekspert wiedzy akceptuje właściwą odpowiedź.

6. Przy następnym podobnym pytaniu Chatbot wykorzystuje wytrenowaną odpowiedź.

Algorytmy InteliWISE wykorzystują zaawansowane modele uczenia się maszyn, które pozwalają lepiej przewidywać przyszłe zamiary i zapewniają lepsze wyniki. W trakcie testów przy 3 000 nierozpoznanych uprzednio pytań – w przypadku ponad 60% z nich, jedna z trzech proponowanych odpowiedzi miała ponad 90% adekwatności do zapytania. Pokazuje to ogromny potencjał rozwiązania i przewiduje się rezultaty w postaci szybszych i dokładniejszych odpowiedzi przy masowym ruchu klientów.