Gdziekolwiek spojrzysz, znajdziesz artykuł lub post w mediach społecznościowych na temat konwersacyjnej i generatywnej sztucznej inteligencji. I nic dziwnego. W końcu według firmy Gartner „do 2027 r. chatboty staną się głównym kanałem obsługi klienta dla mniej więcej jednej czwartej organizacji”. W rezultacie projektowanie i budowanie botów będzie odgrywać kluczową rolę w ułatwianiu komunikacji między klientem a marką. To sprawia, że umiejętność tworzenia chatbotów jest jedną z najbardziej pożądanych umiejętności w 2023 roku.

Dlatego dzisiaj chcemy wyjść poza szum informacyjny i przedstawić praktyczny przewodnik po tworzeniu botów AI, który możesz wykorzystać w codziennej pracy. Zaczynając już dziś. Tym artykułem rozpoczynamy naszą serię Poradnik Budowania Botów. Każdy artykuł omawiał będzie wszystkie ważne etapy tworzenia botów, od projektowania chatbota i scenariuszy konwersacji, przez uczenie algorytmów przetwarzania języka naturalnego (NLU), po integrację i wdrażanie botów w życie.

Ta seria jest dla Ciebie: stworzona przez twórców botów dla twórców botów.

Zacznijmy od podstaw. Z tego artykułu dowiesz się o:

•     Projektowaniu i budowaniu bota.
•     Rodzajach chatbotów i ich zastosowania.
•     Roli generatywnej AI w tworzeniu chatbotów.
•     Przyszłości chatbotów opartych na AI.

Czym jest chatbot?

Chatbot to program, który rozumie i reaguje na dane wejściowe użytkownika, oferując informacje i pomoc lub wykonując zadania przy użyciu z góry określonych reguł lub algorytmów sztucznej inteligencji. Są one używane do obsługi klienta oraz wysyłania wiadomości poprzez aplikacje.

Rozróżniamy dwa aspekty tworzenia chatbota.

Aspektem kreatywnym jest projektowanie bota, który obejmuje:

•     Określenie grupy docelowej i odpowiednie dopasowanie tonu bota.
•     Pisanie odpowiedzi, tworzenie scenariuszy konwersacji i zapewnienie komfortu użytkowania.
•     Projektowanie wyglądu i działania interfejsu.

Z drugiej strony technicznym aspektem tworzenia botów jest budowanie bota. Ta część obejmuje:

•     Programowanie scenariuszy konwersacji, dzięki czemu twój bot ożywa.
•     Zapewnienie, że boty prawidłowo rozumieją dane wprowadzane przez użytkowników, skutecznie przetwarzają informacje i zapewniają właściwe odpowiedzi.
•     Łączenie zewnętrznych źródeł danych, takich jak bazy danych i API, z chatbotem.

Mówiąc najprościej, bot designer zapewnia, że chatbot działa zgodnie z zamierzonym celem, wspierając przedstawicieli działu obsługi klienta i pomagając klientom osiągnąć ich cele.

Chatboty oparte na regułach vs konwersacyjne chatboty AI

Chatboty możemy podzielić na dwie kategorie: te oparte na regułach i konwersacyjne chatboty AI.

Chatboty oparte na regułach

Chatboty oparte na regułach nie mają sztucznych mózgów. Wchodząc w interakcję z takim chatbotem, będzie on podążał tylko określoną ścieżką. Będzie trzymał się zasad stworzonych przez człowieka lub drzewa decyzyjnego co do joty.

Chatboty oparte na regułach są skuteczne w przypadku pytań zamkniętych, takich jak ankiety, opinie o produktach lub ocena prezentacji na konferencji. Ponadto są tańsze i łatwiejsze do wdrożenia niż konwersacyjne chatboty AI.

Stosują przetwarzanie języka naturalnego (NLP), aby zrozumieć tekst wprowadzany przez użytkowników. Jednak ograniczone przez silnik reguł, chatboty oparte na regułach mogą zagubić się w wieloznaczności ludzkiego języka. Co więcej, wdrożenie ich jako wirtualnych asystentów może prowadzić do frustracji, gdy użytkownicy wielokrotnie trafią w ślepy zaułek rozmowy.

Konwersacyjne chatboty AI

Konwersacyjne chatboty AI wykorzystują sztuczną inteligencję, uczenie maszynowe (ML) i przetwarzanie języka naturalnego (NLP), co pozwala im naśladować ludzką mowę.

Chatboty AI stają się mądrzejsze z każdą rozmową, zapewniając dokładniejsze, spersonalizowane odpowiedzi. Ponadto są one znacznie bardziej wyrafinowane w pozyskiwaniu właściwych informacji z zewnętrznych źródeł danych dostarczanych przez bot

designerów.

Jak działają chatboty?

W kolejnym artykule przedstawimy szczegółowy proces budowania bota. Na razie jednak przyjrzyjmy się podstawowemu funkcjonowaniu botów.

Po pierwsze, powinieneś/powinnaś poznać różnicę między kluczowymi procesami języka naturalnego.

•     Przetwarzanie języka naturalnego (NLP) to ogólne określenie maszyn wchodzących w interakcję z ludzkim językiem.
•     Rozumienie języka naturalnego (NLU) to podzbiór NLP, który obejmuje zrozumienie języka na wyższym poziomie złożoności, wydobywanie kontekstu i intencji z danych wyjściowych.

Krótko mówiąc, interakcja z konwersacyjnym botem AI to czteroetapowa pętla, składająca się z:

1. Użytkownika wprowadzającego informacje lub zadającego pytanie.
2. NLU, które analizuje dane wejściowe, rozpoznaje intencje i dodatkowe informacje, takie jak dane, lokalizację lub produkty.
3. Dialog Management, który łączy intencję z właściwą częścią scenariusza konwersacji i przeszukuje zewnętrzne systemy lub bazy wiedzy w celu znalezienia odpowiednich danych.
4. Generowanie języka naturalnego, które tworzy odpowiedzi na podstawie informacji uzyskanych w Dialog Management i przekazuje je użytkownikowi.

Komponenty konwersacyjnych chatbotów AI

Dlaczego firmy potrzebują chatbotów?

Chatboty istnieją od lat 60. XX wieku. Technologia ta była stale ulepszana przez dziesięciolecia, docierając do nowych rynków i znajdując nowych odbiorców. Według badania Uberall 80% osób, które miały kontakt z chatbotem, twierdzi, że ich wrażenia były ogólnie pozytywne.

Większość biznesowych use case’ów botów to chatboty zorientowane na informacje i zorientowane na zadania.

Chatboty zorientowane na informacje

Jak sama nazwa wskazuje, zorientowane na informacje chatboty mają na celu dostarczanie użytkownikom odpowiedzi na ich pytania. Te chatboty są biegłe w pobieraniu odpowiednich odpowiedzi na często zadawane pytania z baz danych, stron internetowych lub API.

Na przykład możesz użyć ich jako:

•     Interaktywne interfejsy ułatwiające użytkownikom poruszanie się po kompleksowych bazach wiedzy.
•     Wirtualne przewodniki, które informują zwiedzających o eksponatach, przedstawiają fakty historyczne i odpowiadają na ich pytania.
•     Dostawcy informacji zdrowotnych, którzy odpowiadają na pytania związane ze zdrowiem, udzielają wskazówek dotyczących objawów, sugerują procedury pierwszej pomocy i zalecają domowe środki zaradcze.

Chatboty zorientowane na zadania

Boty zorientowane na zadania są bardziej proaktywne. Mogą wykonywać określone zadania lub czynności, co czyni je z natury transakcyjnymi. Ich szczególnym celem jest prowadzenie użytkowników przez określone scenariusze lub procesy. Są zaprojektowane tak, aby rozumieć i reagować na określone polecenia lub intencje związane z przydzielonym im zadaniem.

Aby to zrobić, prowadzą wieloetapową rozmowę z użytkownikami, korzystając z Dialog Management, o którym wspominaliśmy w poprzedniej sekcji. Ponadto boty te mogą połączyć się z powiązanym API w celu wykonania wymaganych działań, takich jak weryfikacja użytkowników przed ujawnieniem danych osobowych lub dodanie nowych danych do systemu.

Chatboty zorientowane na zadania są świetne w:

•     Planowaniu spotkań. Z ich pomocą użytkownicy mogą łatwo sprawdzać wolne terminy, planować spotkania, otrzymywać przypomnienia i zarządzać wszelkimi niezbędnymi zmianami lub odwołaniami.
•     Usługach finansowych. Chatbot konwersacyjny AI może dostarczać użytkownikom informacje o koncie, przeprowadzać transakcje i odpowiadać na pytania finansowe (co jest szczególnie przydatne w instytucjach bankowych i ubezpieczeniowych).
•     Śledzeniu zamówień. Kupujący mogą w czasie rzeczywistym sprawdzać status przesyłki i szacowany czas dostawy oraz pytać o szczegóły zamówienia.

Wyzwania związane z budowaniem chatbotów

Chatboty są tak dobre, jak zestaw danych, na którym są oparte. Jeśli dane są w jakikolwiek sposób stronnicze, uszkodzone lub fałszywe, twój chatbot będzie wprowadzał użytkowników w błąd lub ich dyskryminował, co może prowadzić tylko do frustracji i zwiększonego wskaźnika rezygnacji z kontynuowania rozmowy.

Aby poprawić zdolność rozumienia języka przez chatbota, upewnij się, że używasz zestawów danych zawierających szereg struktur zdań, synonimów i rzeczywistych przykładów, które oddają niuanse języka. Właśnie dlatego generatywna sztuczna inteligencja jest tak pomocna w przyspieszaniu procesu tworzenia botów (więcej na ten temat poniżej). Na szczęście SentiOne Automate (nasza platforma do tworzenia konwersacyjnych botów AI) ma wstępnie wytrenowane modele NLU i integrację z generatywną AI.

Oczywiście możesz napotkać błędy nawet w przypadku świetnych, czystych zestawów danych. Jako bot designer musisz stale sprawdzać i identyfikować obszary, w których chatboty popełniają błędy, oraz wykrywać typowe błędy, co zwiększy dokładność rozpoznawania przez nie intencji.

Z drugiej strony najtrudniejszym aspektem budowania bota jest zagubienie się w złożoności scenariuszy konwersacji. Dysponowanie low-code kreatorem botów może sprawić, że proces będzie bardziej intuicyjny.

Na koniec pozostaje jeszcze kwestia przekonania klientów do zaufania chatbotom i korzystania z nich. Trudno ich winić, biorąc pod uwagę, że jeszcze nie tak dawno jedynym typem chatbota, jaki był dostępny dla firm do wdrożenia, był bot mówiący jak robot o bardzo niskiej dokładności wykrywania intencji. Dzisiaj, gdy masz do dyspozycji najnowocześniejsze konwersacyjne chatboty AI, udostępnianie użytkownikom takich botów byłoby marnowaniem okazji (i biznesu). Tym bardziej, że „umiejętność prowadzenia bardziej <ludzko> brzmiącej, naturalnej rozmowy” była jednym z najczęściej wskazywanych obszarów poprawy we wspomnianym raporcie Uberall. Dlatego w SentiOne wierzymy w tworzenie chatbotów, z którymi ludzie chcą rozmawiać.

Jak chatboty ewoluują dzięki generatywnej sztucznej inteligencji

Kolejnym krokiem w ewolucji chatbotów jest generatywna sztuczna inteligencja oparta na dużych modelach językowych (LLM). Najlepszym przykładem jest tutaj ChatGPT. Popularne narzędzie ma dostęp do wszystkich informacji dostępnych w Internecie do września 2021 roku. Dzięki tym wszystkim danym może generować odpowiedzi na pytania użytkowników, podobnie jak boty.

Oto sedno sprawy: w SentiOne wierzymy, że chociaż narzędzia oparte na generatywnej technologii AI doskonale nadają się do automatyzacji procesów i przyspieszenia szkolenia modeli NLU, nie są idealne do zastosowań biznesowych.

Po pierwsze, choć może to być imponujące, używanie całego Internetu jako bazy wiedzy jest niekoniecznie pozytywne. Prawdopodobnie widziałeś/aś z pierwszej ręki, jak ChatGPT udziela odpowiedzi, która nie jest ani prawdziwa, ani odpowiednia kontekstowo. Jako firma, gdybyś zintegrował/a go ze swoim chatbotem, nie miałbyś/abyś kontroli nad odpowiedziami, przechowywaniem danych ani bezpieczeństwem.

Natomiast boty AI stworzone za pomocą Automate są szkolone na określonych i wyselekcjonowanych zestawach danych. Te zestawy danych mogą być niezależne, zapewniając bezpieczeństwo prywatnych informacji — co jest szczególnie ważne w branży medycznej i finansowej. Automate można również łatwo zintegrować z CRM, np. w procesach autoryzacji.

To powiedziawszy, jak wspominaliśmy wcześniej, ChatGPT jest doskonałym narzędziem do przyspieszenia procesu tworzenia bota.

Oto tylko kilka przykładów tego, co może stworzyć generatywna sztuczna inteligencja:

•     Podobne zwroty. ChatGPT może natychmiast dostarczyć dziesięć alternatywnych wersji zdania, takich jak: „Powiedz mi, jak uzyskać dostęp do mojego numeru konta bankowego”. Te przykłady są wykorzystywane do uczenia modelu NLU.
•     Synonimy, które zapewniają, że model rozumie różne sposoby, na które użytkownik może mówić dla przykładu o kartach kredytowych
•     Scenariusze konwersacji. Możesz poprosić ChatGPT o utworzenie scenariusza, który zaczyna się od pytania użytkownika „Gdzie jest najbliższy oddział?”.
•     Odpowiedzi botów. ChatGPT doskonale nadaje się do szybkiego wymyślania odpowiedzi, które nie dotyczą konkretnych informacji, na przykład różnych sposobów powiedzenia: „Oto informacje, których szukałeś”. Ponieważ ChatGPT może być do pewnego stopnia kreatywny, może pomóc Ci zdefiniować ton, który pasuje do twojej marki.

W naszych badaniach odkryliśmy, że wykorzystanie generatywnej sztucznej inteligencji do szkolenia modeli NLU może przyspieszyć proces tworzenia botów o 60%.

Przyszłość chatbotów AI

W 2021 roku Salesforce stwierdził, że adopcja chatbotów rośnie pomimo wyzwań. Adopcja ta najprawdopodobniej przyspieszy dzięki low-code lub no-code platformom w połączeniu z generatywnymi narzędziami sztucznej inteligencji, takimi jak ChatGPT. W przyszłym roku przewiduje się, że branża będzie warta 142 miliardy dolarów, według Juniper Research. Oczekuje się również, że rynek wzrośnie o 23% w ciągu najbliższych pięciu lat.

Rosnąca adopcja generatywnej sztucznej inteligencji i narzędzi wspomaganych przez AI to nie jedyny trend, jaki obserwujemy w przypadku chatbotów.

Według nas konwersacyjne boty AI zmierzają w kierunku stania się wspólnym rozwiązaniem dla wielu zespołów. W rezultacie firmy nie będą już tworzyć różnych botów do marketingu, sprzedaży i obsługi klienta. Zamiast tego będą dążyć do jednego wirtualnego asystenta, będącego przedłużeniem ich marki.

Wybierz odpowiednią dla siebie platformę do tworzenia konwersacyjnych chatbotów AI

Dzisiaj dowiedziałeś/aś się czym jest chatbot, jakie są jego rodzaje, jak działa i dlaczego zaprojektowanie go nie jest bułką z masłem. Ale nie martw się. Z SentiOne Automate pewnie stawisz swoje pierwsze kroki.

Nie musisz być wykwalifikowanym programistą. Nasz intuicyjny kreator botów ma interfejs no-code/low-code, funkcje przeciągania i upuszczania oraz komponenty wielokrotnego użytku. Ponadto SentiOne Automate umożliwia testowanie rozmów z botami przed ich uruchomieniem i analizowanie chatbotów w czasie rzeczywistym.

Czekając na kolejną część tej serii, pobierz nasz obszerny przewodnik po chatbotach, aby uzyskać więcej informacji.

Przydatne definicje

Oto kilka przydatnych definicji pojęć omawianych w tym artykule:

•   Projektowanie bota (bot design) — kreatywna część tworzenia chatbota, która obejmuje komponowanie scenariuszy konwersacji i pisanie odpowiedzi bota.
• Budowanie bota (Bot building) — techniczna część tworzenia chatbota, która obejmuje programowanie scenariuszy i łączenie botów z API i bazami danych.
•     Przetwarzanie języka naturalnego (NLP) — podzbiór sztucznej inteligencji, który łączy językoznawstwo, informatykę i analizę, umożliwiając maszynom interpretowanie mowy i tekstu oraz udzielanie odpowiedzi odpowiednich do kontekstu.
•     Rozumienie języka naturalnego (NLU ) — podzbiór NLP, który koncentruje się na wydobywaniu kontekstu i znaczenia z danych wprowadzanych w języku naturalnym. Zasadniczo odnosi się do procesu, w którym komputer rozumie dane wejściowe dostarczone przez użytkownika.
•     Konwersacyjna sztuczna inteligencja — technologia, która umożliwia maszynom rozumienie, interpretowanie i reagowanie na dane wejściowe użytkowników w sposób konwersacyjny dzięki zastosowaniu algorytmów uczenia maszynowego i NLP.
•     Generatywna sztuczna inteligencja — podzbiór sztucznej inteligencji, który koncentruje się na tworzeniu nowych treści.
•     Chatbot — rozwiązanie programowe, które pozwala ludziom otrzymywać odpowiedzi na swoje pytania za pośrednictwem interfejsu przypominającego konwersację.
•     Voice bot — rozwiązanie programowe, które pozwala ludziom otrzymywać odpowiedzi na pytania za pomocą poleceń głosowych.
•     Duży model językowy — zaawansowana technologia sztucznej inteligencji zaprojektowana dla skutecznego rozumienia i analizowania ludzkiego języka , wytrenowana na dużych ilościach nieoznakowanego tekstu.

Pamiętaj, że mówiąc o chatbotach, mamy na myśli również voice boty. Podstawową różnicą między nimi jest sposób komunikacji, ale mają one tę samą podstawową technologię, z dodatkiem technologii przeznaczonej do rozpoznawania i generowania głosu. W związku z tym oba rozwiązania mają podobne use case’y. Dlatego zasady omówione w serii Poradnik Budowania Botów można zastosować zarówno do chatbotów, jak i voice botów, bez znaczących różnic.

Podsumowanie artykułu

Artykuł rozpoczyna serię Poradnik Budowania Botów, która dostarcza praktycznych porad dotyczących projektowania i budowania chatbotów. Wyjaśnia podstawy projektowania i budowy chatbotów, różnicuje między chatbotami opartymi na regułach a chatbotami opartymi na konwersacyjnej sztucznej inteligencji oraz omawia znaczenie sztucznej inteligencji generatywnej w rozwoju chatbotów. Artykuł podkreśla również przypadki użycia chatbotów skoncentrowanych na dostarczaniu informacji i wykonywaniu zadań oraz przedstawia wyzwania związane z budową chatbotów, takie jak jakość zbiorów danych i złożoność przepływu rozmowy.