Як штучний інтелект може покращити взаємодію з клієнтами

Перегляньте сесії за запитом на саміті Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.

Ми любимо історії про драматичні прориви та чіткі кінцівки: самотній винахідник приймає технічний виклик, рятує день, рятує кінець. Це повторювані тропи навколо нових технологій.

На жаль, ці тропи можуть вводити в оману, коли ми насправді перебуваємо в розпалі технологічної революції. Саме прототипи привертають занадто багато уваги, а не складне, поступове вдосконалення, яке справді забезпечує проривне рішення. Прийміть пеніцилін. Виявлений у 1928 році препарат насправді не рятував життя, поки його не почали масово виробляти через 15 років.

Ця історія смішна. Ми любимо наші історії та міфи про переломні моменти, але часто реальність інша. Те, що насправді відбувається – ці тривалі періоди вдосконалення – роблять історії набагато менш захоплюючими.

Це ми зараз у сфері штучного інтелекту (AI) і машинного навчання (ML). Саме зараз ми бачимо захоплення від інновацій. Були чудові прототипи та демонстрації нових мовних моделей штучного інтелекту, таких як GPT-3 і DALL-E 2.

Подія

Smart Security Summit

Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.

Зареєструватися зараз

Незалежно від впливу, який вони створили, ці типи великих мовних моделей ще не зробили революції в галузях, включно з такими, як підтримка клієнтів, де вплив ШІ є особливо перспективним. Не кажучи вже про загальні бізнес-випадки.

Новини про нові прототипи та технічні демонстрації часто зосереджені на продуктивності моделі в «найкращому випадку»: як це виглядає на золотому шляху, коли все працює ідеально? Часто це перше свідчення появи революційної технології. Але, як не інтуїтивно, для багатьох проблем ми повинні бути набагато більше зацікавлені в продуктивності «найгіршого випадку». Часто нижчі очікування щодо того, що робитиме модель, набагато важливіші, ніж вищі.

Давайте подивимося на це в контексті ШІ. Бот служби підтримки клієнтів, який іноді не дає клієнтам відповіді, але ніколи не дає їм оманливих відповідей, мабуть, кращий, ніж бот, який завжди відповідає, але іноді помиляється. Це надзвичайно важливо в багатьох бізнес-контекстах.

Це не означає, що потенціал обмежений. Ідеальним станом для ботів служби підтримки клієнтів зі штучним інтелектом було б відповідати на багато запитань клієнтів – тих, які не потребують людського втручання чи тонкого розуміння – у «вільній формі» та правильно, 100% часу. Зараз це рідко, але є деякі проривні програми, методи та інтеграції, які підтримують це, навіть у поточному поколінні ботів підтримки.

Але щоб досягти цього, нам потрібні прості у використанні інструменти, щоб змусити бота працювати навіть для менш технічних розробників. На щастя, ринок дозрів за останні 3-5 років, щоб підвести нас до цього моменту. Ми більше не стикаємося з незрілим ландшафтом ботів, лише Google DialogFlow, IBM Watson і Amazon Lex – хороші NLP-боти, але дуже складні для використання нерозробниками. Саме легкість використання зробить штучний інтелект та машинне навчання ефективними продуктами, які можна адаптувати.

Майбутнє ботів — це не кричущий новий варіант використання ШІ

Одна з найбільших речей, яку я дізнався, спостерігаючи, як компанії розгортають ботів, це те, що більшість не розгортають належним чином. Більшість компаній створюють бота, намагаються відповісти на запитання клієнтів і спостерігають за невдачею. Це тому, що часто існує велика різниця між тим, як представник служби підтримки клієнтів виконує свою роботу, і чітко її формулює, щоб щось інше – автоматизована система – також могла це зробити...