Tag: Natural language understanding

Chatbot hypen

Det er lite tvil om at chatbot har fått mye oppmerksomhet, men med tanke på at 80% av kundekommunikasjon fortsatt foregår enten på telefon eller epost, så er det kanskje litt for tidlig å begynne med automatisering på en mindre brukt kanal som chat reellt sett oftest er. Og det er derfor de fleste chatbot selges inn basert på hype mer enn på faktiske verdiskapningsmuligheter (Det er vesentlig vanskeligere å beregne hvor mye tid som kan spare på å svare på chat med chatbot når man ikke vet hvor stor pågang det er i chat til å begynne med).

Hvis vi snur litt på problemstillingen, ser man at det faktisk kan være et bedre business case å automatisere prosesseringen av e-poster fra innlesning til sortering, prosessering, og til slutt besvarelse. Dette kan man få til med akkurat den samme teknologien man bruker for å bygge chatboten.

Å lese inn e-post er en triviell programmeringsoppgave og de fleste utviklere kan dette. For å sortere e-poster, så bruker man det samme Natural Language Processing (NPL) motor som henter ut nøkkelord, entiteter, begreper osv, og basert på antall og hvilke nøkkelord, entitet og begrep som kommer opp, kan man sortere e-posten basert på tema og sende den videre i systemet for videre håndtering. Om man vil bruke API koblinger eller RPA prosesser så er det opp til teknisk infrastruktur (Er back office systemene allerede koblet sammen via et tjenestelag så er API et langt bedre alternativ enn RPA). Å svare opp e-posten etter at denne jobben er utført er like trivielt som å lese inn e-posten og kan gjøres med utgangspunkt i standard e-post maler.

Det er veldig viktig å tenke på hva som er viktig for kunden før man hoppe på hypen for å selge inn konsepter og løsninger som virker “kule” men som i praksis vil generere lite verdi for kunden. Digitalisering er en lang reise og vi må håndtere det et steg om gangen.

Advertisements

Chat kontekst handler ikke om språk, men om kunden

Mange har blogget eller snakket om hvordan chatbot vil endre kundekommunikasjon og samtidig påpekt at teknologien er umoden og det er mange aspekter hvor en chatbot ikke kan fungere som en menneskelige kundebehandler. Begge argumenter er riktig, men få har tatt for seg hvordan det skal forbedres.

En av de bedre artiklene svakheter ved chatbots, “Why chatbots fail”, har pekt ut at chatbots forstår ikke kontektsen i samtalen. Av alle svakheter er dette det vanskeligste (dog ikke umulig) å løse.

Dette var utgangspunktet for en diskusjon mellom meg og en kollega om hvor problemet ligger. Min kollega synes dette skyldes en mangel på språksforståelse, mens jeg mener at dette er en mangel på forståelse av personen den chatter med. Jeg har nå undersøkt en del og konklusjonen er at vi har rett begge to. For å få en chatbot til å forstå kontekst må den klare å utvide konteksten til å inkludere den underforståtte betydningen av det som er blitt sagt, og hvem chatbot chatter med.

Ironisk nok fant diskusjonen sted på telefon rundt kl. 2 på ettermiddagen, jeg tok i mot telefonen og sa “god morgen”. Min kollega ble forvirret og jeg måtte forklare at det er min standard hilsen og at det egentlig betyr “hallo”. Selv om han forstår hva god morgen betyr, så må han kjenne meg for å forstå hva god morgen egentlig betyr i denne sammenhengen. Det er forskjellen på språksforståelse og kundeforståelse, på samme måte som at man ikke kan tolke sarkasme på samme måte for alle.

På den andre siden, så har artikkelen helt rett i at en chatbot må klare å forstå at når man snakker om middag, så er det sannsynligvis ettermiddag eller kveld og når man snakker om paraply, så betyr det regn. Dette vil gjøre chat flyten smidigere og øke kundetilfredshet.

Så hvordan kan man få det til? Svaret er todelt og vi behøver en eller flere kunnskapsbaser som støttespiller til en chatbot motor som kun forstår intensjoner. For å forstå kontekst, man må ihvertfall koble chatbot til en kundebase og en språksbase, eller en ordbok.

Alle bedrift har en kundebase, men de er mest brukt for å lagre kundedata, dette krever en utvidelse for å håndtere spesiell uttrykk, sarkasme, eller noe spesiell måte å si ting på, som kun gjelder denne kunden. Når bedriften har dette på plass, så kan disse spesiell uttrykk eller sarkasme være et utgangspunkt når chatbot møter en ukjent person i framtiden (Når 50 kunder mener essen betyr å spise så kan det faktisk være det).

Når det gjelder en generell språksbase, så er det enklere å få til, den eneste ulempen er kostnaden. Hvis ikke det finnes en god språksbase som er organisert i en form av knowledge graph hvor man kan søke på forskjellige underforståtte betydninger, så må mange bygge og hoste det selv, noe som vil øke kostnaden til en slik bot.

For å oppsummere, kontekstforståelse er et viktig element for en god chatbot opplevelse, og det kan løses via en kombinasjon av en kundebase og språkbase. Simplifai jobber hardt for å bygge en slik plattform for å skape gode chatbot opplevelser for våre kunder.

 

Vi du vite mer? Ta kontakt med oss sales@simplifai.ai

Bruk gjerne kommentarfeltet for spørsmål eller kommentar

Simplifai – Simplifai life through artificial intelligence