ایجاد ارتباط با مشتری با هوش مصنوعی مکالمه


ما همه آنجا بوده ایم. “لطفاً به منوی کامل ما گوش دهید زیرا گزینه های ما تغییر کرده است. برای اطلاعات محصول یکی را بگویید یا کلیک کنید … ”بعضی اوقات این خدمات خودکار خدمات مشتری کارآمد و م –ثر هستند – در مواقع دیگر ، نه چندان.

بسیاری از سازمان ها از چت بات ها و دستیارهای مجازی برای کمک به آنها در ارائه خدمات بهتر به مشتریان خود استفاده می کنند. این نمایندگان سلف سرویس خودکار و هوشمند می توانند س questionsالات متداول را برطرف کنند ، مقالات و منابع دانش مناسبی را برای رسیدگی به س customerالات مشتری ارائه دهند و به مشتریان در پر کردن فرم ها و انجام سایر مراحل معمول کمک کنند. در مورد س complexالات پیچیده تر ، این عوامل سلف سرویس خودکار می توانند این درخواست ها را به یک عامل انسانی زنده ارسال کنند.

در مواقع عدم اطمینان و شرایط اضطراری ، با کمک به مراکز خدمات مشتری یا منابع انسانی در کنار آمدن با تقاضا و کاهش زمان انتظار و ناامیدی برای مشتری ، عملیات سرویس دهی به مشتری با هوش مصنوعی می تواند برای تجارت بسیار ارزشمند باشد. طبق برآوردهای اخیر ، گارتنر تخمین می زند که تا سال 2022 ، 70 درصد از تعاملات مشتری شامل فن آوری های نوظهور مانند برنامه های یادگیری ماشین ، چت بات ها و پیام رسانی موبایل باشد. این افزایش 15 درصدی نسبت به سال 2018 است.

گرگ بنت ، مدیر طراحی تماس در Salesforce گفت: “با این نوع مکالمات ، ربات های گفتگوی AI می توانند خدمات مشتری سازمان را گسترش دهند و سطح متقابل با مشتریان خود را حفظ کنند.” “علاوه بر این ، مشاغل فرصت دارند مارك خود ، صدا و لحن خود را از طریق كلمات و زبانی كه برای ایجاد درجه بیشتری از صمیمیت استفاده می كنند بیان كنند.” بنت عمیقا در آموزش سیستم های هوش مصنوعی مشاركت دارد كه ربات های گفتگوی گفتگو را هدایت می كند و اطمینان حاصل می كند كه آنها شامل طیف گسترده ای از گویش ها ، لهجه ها و سایر عبارات زبانی هستند.

استفاده از اتوماسیون هوش مصنوعی نه تنها در حال گسترش است ، بلکه ثابت می شود که یک محرک مهم در تجارت است. گارتنر انتظار دارد که در سال 2021 ، افزایش هوش مصنوعی 2.6 تریلیون دلار ارزش تجاری ایجاد کند. همچنین می تواند تا 6.2 میلیارد ساعت کار صرفه جویی کند.

هوش مکالمه تعریف شده

طبق تحقیق انجام شده توسط شرکت مشاور مدیریت Korn Ferry ، هوش برای مکالمه یک تلاش مشترک است. و این تلاش مشترک تلاقی متقابل دو شرکت کننده برای برقراری ارتباط از طریق روشهایی است که منجر به مفهوم مشترک واقعیت می شود. این فاصله بین واقعیت فردی دو گوینده را کاهش می دهد و به تجارت کمک می کند تا به مشتریان کمک کند.

با این حساب ، Salesforce و سایر شرکت ها این مفهوم را گام دیگری به جلو برداشته اند و به دنبال راه هایی برای تلفیق هوش مکالمه با فناوری هستند. در واقع ، با این تلاش ها ، سیستم مکالمه فکری مبتنی بر هوش مصنوعی با گذشت زمان به طور قابل توجهی بهبود یافته است. این کار با شناسایی متن ساده شروع شد ، که دستیابی به درجه قابل توجهی از دقت بسیار آسان است. اما تشخیص متن می تواند تا حدودی دو بعدی باشد ، به همین دلیل تحقیقات در حال توسعه است تا شامل گفتار خودکار باشد. سیستم های تشخیص گفتار خودکار باید زبان ها ، لهجه ها و بازتاب های صوتی مختلف را در نظر بگیرند ، که بسیار دشوارتر و ظریف تر است. از آنجایی که الگوریتم های هوش مصنوعی پیچیده تر شده اند و وقت و تجربه لازم را برای ترکیب تغییرات زبانی بیشتری داشته اند ، فناوری هوش مصنوعی توانایی درک دقیق ظرافت های عمیق تعاملات گفتگوی انسانی را بهبود بخشیده است.

بنت گفت: “هوش مکالمه مجموعه ای از عملکردها و فناوری ها است که به مردم و ماشین ها امکان می دهد به نوبت با یکدیگر تبادل زبان کرده و برای رسیدن به یک هدف گفتمانی تلاش کنند.”

این سیستم های هوش مصنوعی ، متمرکز بر زبانشناسی ، از تعدادی فناوری مختلف برای درک تعاملات کتبی و شفاهی با مردم استفاده می کنند. برخی از آنها شامل موارد زیر است:

  • تشخیص گفتار خودکار ، برای درک زبان گفتاری برای سیستم های صوتی استفاده می شود.
  • پردازش زبان طبیعی که به کامپیوتر در درک ، تفسیر و تجزیه و تحلیل زبان گفتاری و نوشتاری کمک می کند. و
  • درک زبان طبیعی ، که هوش مصنوعی را قادر به درک قصد می کند.

فراتر از شناخت متن ساده ، درک زبان طبیعی جایی است که هوش مصنوعی در واقع نقاط قوت خود را دارد. با تسهیل گفتگوی عمیق تر و دقیق تر ، کارایی فعل و انفعالات انسان و هوش مصنوعی را افزایش می دهد. هنگامی که یک سیستم خدمات مشتری با پشتیبانی هوش مصنوعی مجهزتر باشد تا زبان طبیعی را با خطاهای کمتری تشخیص دهد و تشخیص دهد ، می تواند مشتری را از طریق تعامل کلی بدون نیاز به استخدام نماینده خدمات انسانی هدایت کند. این عاملان را آزاد می گذارد تا روی موارد پیچیده تری تمرکز کنند.

و استفاده از این قابلیت ها در محیط های خدمات مشتری می تواند به شرکت ها کمک کند تا نه تنها تعامل با مشتریان خود را تسریع و بهبود بخشند بلکه روابط کلی مشتری را نیز بهبود بخشد. بنت گفت: “اگر ما بتوانیم دستگاهی داشته باشیم كه به تسهیل این نوع تعامل بین یك شركت و مشتری كمك كند ، این امر به ایجاد روابط بیشتر با آن مشتری كمك می كند به گونه ای كه مقاله راهنما نمی تواند انجام دهد.”

و هرچه سیستم هوش مصنوعی بیشتر با مردم درگیر شود ، الگوریتم های آن نیز کارآمدتر می شوند. با تعامل با انسان ها ، سیستم هوش مصنوعی می تواند داده های مورد نیاز برای بهبود درک زبان طبیعی را برای درک بهتر اهداف جمع آوری کند ، و به تسهیل مکالمات ظریف تر انسان و کامپیوتر کمک می کند. تعامل انسانی همچنین به این سیستم های هوش مصنوعی کمک می کند تا قابلیت های تشخیص و پیش بینی را برای ارائه محتوای شخصی تر بیشتر کنند. با مطالعه روشهای مختلف رفتار و تعامل افراد ، پاسخ سیستم دقیقتر می شود.

الگوریتم های AI مجموعه داده های ارسالی به سیستم را با استفاده از معادلات خاص خود جذب ، پردازش و تحلیل می کنند. این پردازش در یکی از دو روش اصلی انجام می شود: کنترل شده یا بدون نظارت. با بهبود کنترل شده ، مجموعه داده ها دارای یک مقدار یا دسته هدف مشخص می شوند. در صورت بهبود کنترل نشده ، الگوریتم مجموعه داده ها را به طور مستقل ، بدون راهنما و محدودیت ، تجزیه و تحلیل می کند.

با دریافت و پردازش داده های بیشتر ، الگوریتم ها مدل های تحلیلی خود را توسعه ، سازگار و بهبود می بخشند. بنابراین الگوریتم ها بر اساس کیفیت و کمیت داده های پردازش شده ، تصفیه و اصلاح می شوند. بنت می گوید: “ایده هایی وجود دارد که هوش مصنوعی می تواند با تعامل با مردم ، اهداف ، دامنه و زمینه های مختلف را گرد هم آورد.” “این پیشرفتهای اضافی در قابلیتهای قابل پیش بینی و عمق درک ، تأثیر تعامل مشتری را افزایش می دهد.”

ارزیابی چالش های زبان

اگرچه پردازش زبان طبیعی راهی طولانی را طی کرده است ، فناوری تشخیص گفتار خودکار همچنان در شناخت طیف گسترده ای از تغییرات زبان با چالش هایی روبرو است. بنت گفت: “همه این لهجه های مختلف انگلیسی وجود دارد ، همه آنها سالم و معتبر هستند و باید از آنها تجلیل کرد.” سایر تغییرات زبانی که هوش مصنوعی را تداعی می کنند عبارتهای مختلف عامیانه یا محاوره ای را برای انتقال معانی مشابه و سایر ویژگیهای پاراگانیستیکی از جمله لحن ، لحن ، سرعت ، مکث و صدا در بر می گیرند.

کمک به هوش مصنوعی برای مدیریت سطوح ذاتی تعصب در سیستم و گسترش آن برای شناخت طیف گسترده ای از تغییرات زبان ضروری است. این پیشرفت های اضافی در قابلیت های قابل پیش بینی الگوریتم های هوش مصنوعی با کاهش میزان مبادله های رفت و برگشت و لحظه های ناامیدی ناشی از عدم شناخت دقیق ، به بهبود تجربه مشتری کمک می کند.

اما این تلاش ها و پیشرفت ها برخی از اسرار اخلاقی است. برای مثال ، در نظر بگیرید که چگونه اقلیت ها در مجموعه داده های آموزش نشان داده می شوند – یا دقیق تر ، نحوه نمایندگی آنها. مجموعه های داده ای که به طور گسترده مورد استفاده قرار می گیرند ، عبارات متنوع تری از گویش و هویت اجتماعی را از مطالعه حذف می کنند. ارائه نمایندگی متنوع در تیم های در حال توسعه فناوری های هوش مصنوعی گامی اساسی در جهت توسعه و توسعه الگوریتم های هوش مصنوعی برای شناخت طیف وسیع تری از عبارات زبان است.

اکنون که هوش مصنوعی قادر به ایجاد درجه تنوع بیشتری است ، باید بتواند ارتباط متنی گسترده تری را نیز در نظر بگیرد و دارای فراگیری بیشتری باشد. اگرچه مکالمه و زبان مجرا هستند ، افرادی که با سیستم های هوش مصنوعی کار می کنند باید همچنان دسترسی به گویش ها ، لهجه ها و سایر تغییرات سبک را بررسی کنند.

“اقلیت های کم نمایندگی نمایندگی بسیار کمی از گویش و بیان هویت اجتماعی خود از طریق زبان در این سیستم ها دارند. این عمدتا به دلیل عدم نمایندگی آنها در بین تیم های سازنده این فناوری است. ” اطمینان از اینکه شرکت هایی که سیستم های هوش مصنوعی را توسعه و استقرار می دهند تیم های متنوع تری را در این ترکیب شرکت می دهند ، می تواند تعصب ذاتی را حل کند.

سیستم های هوش مصنوعی توانایی این را دارند که درجه تنوع بیشتری را ایجاد کنند. وقتی سیستم ها بتوانند با دقت این تغییرات را تفسیر کرده و پاسخی متناسب با زمینه ایجاد کنند ، هوش مصنوعی بیش از هر زمان دیگری تکامل یافته است. “آن موقع مورد توجه من قرار گرفت [of the field] ما را برد ، “بنت می گوید.

البته این بدان معنا نیست که هیچ نگرانی اخلاقی و عملی دیگری در مورد استفاده گسترده از AI وجود ندارد. نگرانی در مورد محرمانه بودن ، پاسخگویی ، شفافیت و تفویض دقیق و مناسب فرایندهای تصمیم گیری همچنان مهم است. و سپس استفاده اخلاقی از ضبط صدا وجود دارد. این یک زمینه رو به رشد است که هنوز پارامترهای قابل توجهی در آن تعریف نشده است.

ایجاد یک ارتباط عمیق تر از انسان و AI

در نظر گرفتن طیف کاملی از تغییرات زبانی و درگیر کردن گروه های متنوع تر و اقلیت های کم سابقه تاریخی در این روند واقعاً آینده رابطه انسان و هوش مصنوعی را می سازد. این امر همچنین به موارد تجاری گسترده تری منجر خواهد شد. در واقع ، بزرگترین رقیب در آینده فن آوری مکالمه توانایی ارائه درک پایدار مکالمه ، صرف نظر از زبان ، لهجه ، اصطلاحات مختلف ، گویش یا سایر جنبه های هویت اجتماعی خواهد بود.

بنت درسی را از یک استاد در یک مدرسه شهری به یاد می آورد: “او گفت:” گفتگو داشتن مثل بالا رفتن از درختی است که به عقب برگردد. ” و این واقعاً خط سیری را نشان می دهد که فناوری های هوش مصنوعی مکالمه برای تأمین نیازهای انسان و استانداردهای مکالمه به عنوان یک عمل رفتاری ، باید به کجا بروند. “مکالمه یک عمل جداگانه نیست. این یک خیابان دو طرفه است. گفتگوی واقعی عملی است – برخی حتی ممکن است بگویند هنر – یعنی متناوب کردن صحبت کردن و گوش دادن ، مبادله ایده ها ، تبادل احساسات و تبادل اطلاعات.

بنت می گوید: “در زبانشناسی ، خصوصیات پارالنژیکی گفتار مانند خم شدن ، لحن ، سرعت ، مکث و ارتفاع ، لایه معنایی عملی را در مکالمه فراهم می کند.” “به جای تمرکز بر این که مصرف کنندگان چگونه می توانند به سیستم های هوش مصنوعی کمک کنند ، باید بپرسیم که چگونه می توانیم سیستم را مقیاس بندی کنیم تا به مصرف کنندگان در جایی که هستند پاسخ دهد. وی گفت: “با توجه به آنچه در مورد زبانشناسی می دانیم ، من معتقدم شما نمی توانید زبانی را تغییر دهید.” “فناوری هوش مصنوعی مکالمه به شکلی طراحی شده است که اگر این رویکرد لایه عملی – جنبه پارالنژیک امور را در پیش بگیریم ، می تواند به موفقیت برسد.”

بنت گفت: “ظرفیت درک ، درک کامل و مقیاس گذاری در این سطح از تنوع زبانی جایی است که هوش مصنوعی در آن هدایت می شود.” “استارت آپ ها در فضای مکالمه هوش مصنوعی به عنوان یک عامل تمایز نمایه می شوند. و به آن فکر کنید ، اگر گروه های متنوع تری را شامل شوید و از نظر تاریخی اقلیت های کم سابقه ای در این روند داشته باشید ، در واقع بازار آدرس کلی شما را گسترش می دهد. “

این محتوا توسط Insights ، محتوای شخصی شده مرور MIT Technology ، تولید شده است. توسط MIT Technology Review نوشته نشده است.


منبع: unbox-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>