211service.com
Bygge kunderelasjoner med konversasjons-AI
I samarbeid med Salesforce
Vi har alle vært der. Vennligst lytt til hele menyen vår ettersom alternativene våre har endret seg. Si eller trykk en for produktinformasjon... Noen ganger er disse automatiserte kundeserviceopplevelsene effektive og effektive – andre ganger ikke så mye.
Mange organisasjoner bruker allerede chatbots og virtuelle assistenter for å hjelpe kundene sine bedre. Disse intelligente, automatiserte selvbetjeningsagentene kan håndtere vanlige spørsmål, gi relevante kunnskapsartikler og ressurser for å håndtere kundehenvendelser, og hjelpe kunder med å fylle ut skjemaer og utføre andre rutineprosedyrer. I tilfelle av mer komplekse forespørsler, kan disse automatiserte selvbetjeningsagentene triage disse forespørslene til en levende menneskelig agent.
I tider med usikkerhet og nødssituasjoner kan kundeserviceoperasjoner drevet av kunstig intelligens (AI) være uvurderlig for bedrifter, og hjelpe kundeservice eller kundesenter for menneskelige ressurser holde tritt med topper i etterspørselen og redusere kundenes ventetider og frustrasjon. I følge nyere estimater, Gartner spår det innen 2022 , vil 70 % av kundeinteraksjonene involvere nye teknologier som maskinlæringsapplikasjoner, chatbots og mobilmeldinger. Det er en økning på 15 prosent fra 2018.
I denne typen samtaleinteraksjoner kan AI-chatbots utvide rekkevidden til en organisasjons kundeservice og opprettholde et nivå av gjensidighet med kundene sine, sier Greg Bennett, rektor for samtaledesign i Salesforce. Det er også muligheten for virksomheten til å uttrykke sin merkevare, sin stemme og sin tone gjennom ord og språk den bruker for å skape en større grad av intimitet. Bennett er dypt involvert i å trene opp AI-systemer som driver samtalechatboter og sikrer at de er inkluderende og i stand til å forstå et bredt spekter av dialekter, aksenter og andre språklige uttrykk.
Ikke bare blir bruken av AI-automatisering stadig mer utbredt, det viser seg også å være en betydelig forretningsdriver. Gartner forventer at AI-forsterkning vil generere i 2021 2,6 billioner dollar i virksomhet verdi. Det kan også spare så mange som 6,2 milliarder timer med arbeidskraft.
Samtaleintelligens definert
I følge forskning utført av ledelseskonsulent Korn Ferry er samtaleintelligens et samarbeid. Og den samarbeidsinnsatsen er gjensidighet mellom to deltakere for å kommunisere på måter som fører til et felles virkelighetsbegrep. Det lukker gapet mellom den individuelle virkeligheten til de to høyttalerne – og hjelper bedrifter med å hjelpe kundene.
Med det i tankene har Salesforce og andre selskaper tatt konseptet ett skritt videre ved å se etter måter å kombinere samtaleintelligens med teknologi. Faktisk, gjennom denne innsatsen, har AI-drevet samtaleintelligens blitt betydelig forbedret over tid. Dette startet med enkel tekstgjenkjenning der det er ganske enkelt å oppnå en betydelig grad av nøyaktighet. Men tekstgjenkjenning kan være noe todimensjonal, og det er grunnen til at forskningen har utviklet seg til å inkludere automatisert talegjenkjenning. Automatiserte talegjenkjenningssystemer må ta hensyn til ulike språk, aksenter og akustiske bøyninger, noe som er mye vanskeligere og mer nyansert. Ettersom AI-algoritmer har blitt mer sofistikerte og har hatt tid og erfaring til å inkorporere flere språklige variasjoner, har AI-teknologi forbedret sin evne til nøyaktig å forstå de dypere subtilitetene i menneskelig samtaleinteraksjon.
Samtaleintelligens er konstellasjonen av funksjoner og teknologier som gjør det mulig for mennesker og maskiner å bytte på å utveksle språk og jobbe mot å oppnå et diskursivt mål, sier Bennett.
Disse AI-systemene fokusert på lingvistikk bruker en rekke forskjellige teknologier for å forstå skriftlige og muntlige interaksjoner med mennesker. Noen av disse inkluderer følgende:
- Automatisert talegjenkjenning, som brukes til å forstå talespråk for talesystemer;
- Naturlig språkbehandling, som hjelper datamaskiner med å forstå, tolke og analysere muntlig og skriftlig språk; og
- Naturlig språkforståelse, som gjør det mulig for AI å forstå intensjoner.
Naturlig språkforståelse går langt utover enkel tekstgjenkjenning og er der AI virkelig tar i bruk sine styrker. Ved å legge til rette for dypere, mer nyanserte samtaler, øker det effektiviteten av interaksjoner mellom menneske og AI. Når et AI-drevet kundeservicesystem er bedre rustet til å gjenkjenne og skjelne naturlig språk med færre feil, kan det veilede en kunde gjennom en hel interaksjon uten å måtte engasjere en menneskelig serviceagent. Dette frigjør agentene til å fokusere på mer komplekse saker.
Og bruk av disse egenskapene i kundeservicemiljøer kan hjelpe bedrifter ikke bare å fremskynde og forbedre interaksjoner med kundene sine, men også forbedre det generelle kundeforholdet. Hvis vi kan ha en maskin som hjelper til med å lette den type interaksjon mellom et selskap og en kunde, så hjelper det å bygge et forhold til den kunden videre på en måte som en hjelpeartikkel ikke ville gjort, sier Bennett.
Og jo mer et AI-system engasjerer seg med mennesker, jo mer effektive blir algoritmene. Ved å samhandle med mennesker kan et AI-system samle inn dataene som kreves for å forbedre naturlig språkforståelse for bedre å forstå intensjoner, og bidra til å lette mer nyanserte samtaler mellom mennesker og datamaskiner. Menneskelig interaksjon hjelper også disse AI-systemene med å forbedre gjenkjenning og prediktive evner for å levere mer personlig innhold. Ved å lære de mange måtene folk oppfører seg og samhandler på, blir systemets respons mer nøyaktig.
AI-algoritmer absorberer, behandler og analyserer datasettene som mates inn i systemet ved å bruke deres egne spesifikke ligninger. Denne behandlingen gjøres i en av to grunnleggende modaliteter: overvåket eller uten tilsyn. Ved overvåket forbedring vil datasett ha en tilordnet målverdi eller kategori. Ved uovervåket forbedring analyserer algoritmen datasettet på egen hånd uten veiledning eller begrensninger.
Etter hvert som de mottar og behandler mer data, utvikler, tilpasser og forbedrer algoritmene sine analytiske modeller. Så algoritmene forbedrer og foredler seg basert på både kvaliteten og kvantiteten av data som behandles. Det er forestillinger om at AI kan fange opp distinkte hensikter, omfang og kontekst ved å samhandle med mennesker, sier Bennett. Disse inkrementelle forbedringene i prediksjonsevne og dybdeforståelse øker effektiviteten av kundeengasjement.
Setter pris på språklige utfordringer
Selv om naturlig språkbehandling har kommet langt, fortsetter automatisert talegjenkjenningsteknologi å møte utfordringer med å gjenkjenne hele spekteret av språklige variasjoner. Det er alle disse forskjellige engelske aksentene, alle er robuste og gyldige og bør feires, sier Bennett. Andre språklige variasjoner som utfordrer AI inkluderer forskjellige slang- eller dagligdagse uttrykk for å formidle lignende betydninger og andre paralingvistiske trekk som tone, intonasjon, pacing, pause og tonehøyde.
Det er avgjørende å hjelpe AI med å håndtere de iboende nivåene av skjevheter som er tilstede i systemet og utvide for å gjenkjenne hele spekteret av språklige variasjoner. Disse trinnvise forbedringene i prediksjonsevnen til AI-algoritmer bidrar til å forbedre kundeopplevelsen ved å redusere mengden frem og tilbake utvekslinger og øyeblikk av frustrasjon forårsaket av mangel på nøyaktig gjenkjennelse.
Men disse anstrengelsene og fremskrittene presenterer visse etiske gåter. Tenk for eksempel på hvordan minoriteter er representert i opplæringsdatasett – eller mer nøyaktig hvordan de ikke er representert. Mest brukte datasett ekskluderer mer mangfoldige uttrykk for dialekt og sosial identitet. Å sikre en mangfoldig representasjon i teamene som utvikler AI-teknologier er et kritisk skritt mot å utvikle og utvikle AI-algoritmer for å gjenkjenne et bredere spekter av språklige uttrykk.
Nå som AI er i stand til å tillate en større grad av variasjon, bør den kunne ta hensyn til bredere kontekstuell relevans og være mer inkluderende. Selv om samtale og språk er kanalen, er det pålagt mennesker som arbeider med AI-systemer å fortsette å vurdere tilgjengelighet gjennom dialekter, aksenter og andre stilistiske variasjoner.
Underrepresenterte minoriteter har svært lite representasjon av dialekten sin og uttrykket for deres sosiale identitet gjennom språk i disse systemene. Det er mest på grunn av deres manglende representasjon blant teamene som lager teknologien, sier Bennett. Å sikre at selskaper som utvikler og distribuerer AI-systemer bringer flere forskjellige team inn i blandingen, kan bidra til å løse den iboende skjevheten.
AI-systemer har kapasitet til å tillate en større grad av variasjon. Når systemene kan tolke disse variasjonene nøyaktig og generere en kontekstuelt relevant respons, vil AI ha utviklet seg i større grad enn noen gang før. Det er egentlig der jeg tror utviklingen [av feltet] har tatt oss, sier Bennett.
Det betyr selvfølgelig ikke at det ikke er andre etiske og praktiske bekymringer rundt den utvidede bruken av AI. Personvernhensyn, ansvar, åpenhet og nøyaktig og hensiktsmessig delegering av beslutningsprosesser er fortsatt relevante. Og så er det den etiske bruken av stemmeopptak. Det er et voksende felt der betydelige parametere fortsatt må defineres.
Smi en dypere menneske-AI-forbindelse
Å adressere hele spekteret av språklige variasjoner og inkludere flere forskjellige grupper og historisk underrepresenterte minoriteter i prosessen bygger virkelig fremtiden for menneske-AI-forbindelsen. Dette vil også føre til mer utbredte brukssaker for næringslivet. Faktisk vil den største konkurransedifferensiatoren i fremtiden for samtaleteknologi være evnen til å gi robust samtaleforståelse uavhengig av språk, aksent, slang, dialekt eller andre aspekter ved sosial identitet.
Bennett husker en leksjon fra en professor ved universitetet: Hun sa: «Å ha en samtale er som å klatre i et tre som klatrer tilbake.» Og det kjennetegner virkelig banen for hvor samtale-AI-teknologier må gå for å møte de menneskelige behovene og standardene til samtale som en atferdspraksis. Samtale er ikke en solohandling. Det er en toveis gate. Ekte samtale er handlingen – noen vil kanskje til og med si kunsten – å bytte på å snakke og lytte, utveksle ideer, utveksle følelser og utveksle informasjon.
I lingvistikk gir de paralingvistiske trekk ved tale som bøyning, intonasjon, pacing, pause og tonehøyde det pragmatiske meningslaget til en samtale, sier Bennett. I stedet for å fokusere på hvordan brukerne kan hjelpe AI-systemer, bør vi spørre hvordan vi kan skalere systemet for å møte brukerne der de er. Gitt det vi vet om lingvistikk, tror jeg ikke du kan tvinge frem noen form for språkendring, sier han. Konversasjons-AI-teknologi er satt opp på en måte som kunne lykkes hvis vi tok den tilnærmingen på det pragmatiske laget – den paralingvistiske siden av ting.
Evnen til å forstå, fullt ut forstå og skalere til det nivået av språklig mangfold er dit AI er på vei, sier Bennett. Startups i samtale-AI-området indekserer det som en differensierende faktor. Og når du tenker på det, hvis du inkluderer flere forskjellige grupper og historisk underrepresenterte minoriteter i prosessen, utvider det faktisk ditt totale adresserbare marked.
Dette innholdet ble produsert av Insights, den tilpassede innholdsarmen til MIT Technology Review. Den ble ikke skrevet av MIT Technology Reviews redaksjon.