Opbygning af kunderelationer med konversations-AI

I forbindelse med Salgsstyrke

Vi har alle været der. Lyt til hele vores menu, da vores muligheder har ændret sig. Sig eller tryk på en for at få produktinformation... Nogle gange er disse automatiserede kundeserviceoplevelser effektive og effektive – andre gange ikke så meget.

Mange organisationer bruger allerede chatbots og virtuelle assistenter til at hjælpe bedre med at betjene deres kunder. Disse intelligente, automatiserede selvbetjeningsagenter kan håndtere ofte stillede spørgsmål, levere relevante vidensartikler og ressourcer til at behandle kundeforespørgsler og hjælpe kunder med at udfylde formularer og udføre andre rutineprocedurer. I tilfælde af mere komplekse forespørgsler kan disse automatiske selvbetjeningsagenter triage disse anmodninger til en levende menneskelig agent.

I tider med usikkerhed og nødsituationer kan kundeservicedrift drevet af kunstig intelligens (AI) være uvurderlig for virksomheder, og hjælpe kundeservice eller personaleopkaldscentre med at holde trit med stigninger i efterspørgslen og reducere kundernes ventetider og frustration. Ifølge de seneste skøn, Gartner forudser det i 2022 , vil 70 % af kundeinteraktionerne involvere nye teknologier såsom maskinlæringsapplikationer, chatbots og mobilbeskeder. Det er en stigning på 15 % fra 2018.

I disse typer af samtaleinteraktioner kan AI-chatbots udvide rækkevidden af ​​en organisations kundeservice og opretholde et niveau af gensidighed med deres kunder, siger Greg Bennett, samtaledesignchef hos Salesforce. Der er også mulighed for, at virksomheden kan udtrykke sit brand, sin stemme og sin tone gennem ord og sprog, den bruger til at skabe en større grad af intimitet. Bennett er dybt involveret i træning af AI-systemer, der driver samtale-chatbots og sikrer, at de er inkluderende og i stand til at forstå en bred vifte af dialekter, accenter og andre sproglige udtryk.

Ikke alene er brugen af ​​AI-automatisering ved at blive mere udbredt, det viser sig også at være en væsentlig forretningsdrivende. Gartner forventer, at AI-forøgelse vil generere i 2021 2,6 billioner dollars i forretning værdi. Det kan også spare så mange som 6,2 milliarder timers arbejdskraft.

Samtaleintelligens defineret

Ifølge udført forskning af ledelseskonsulentfirmaet Korn Ferry er samtaleintelligens et samarbejde. Og den fælles indsats er gensidighed mellem to deltagere for at kommunikere på måder, der fører til et fælles virkelighedsbegreb. Det lukker kløften mellem de to højttaleres individuelle virkelighed – og hjælper virksomheder med at hjælpe kunderne.

Med det i tankerne har Salesforce og andre virksomheder taget dette koncept et skridt videre ved at lede efter måder at kombinere samtale-intelligens med teknologi. Faktisk er AI-drevet samtaleintelligens gennem disse bestræbelser blevet væsentligt forbedret over tid. Dette startede med simpel tekstgenkendelse, hvor det er ret nemt at opnå en betydelig grad af nøjagtighed. Men tekstgenkendelse kan være noget todimensionel, hvorfor forskningen har udviklet sig til at inkludere automatiseret talegenkendelse. Automatiserede talegenkendelsessystemer skal tage højde for forskellige sprog, accenter og akustiske bøjninger, hvilket er meget vanskeligere og mere nuanceret. Efterhånden som AI-algoritmer er blevet mere sofistikerede og har haft tid og erfaring til at inkorporere flere sproglige variationer, har AI-teknologi forbedret dens evne til præcist at forstå de dybere finesser af menneskelige samtaleinteraktioner.

Samtaleintelligens er konstellationen af ​​funktioner og teknologier, der gør det muligt for mennesker og maskiner at skiftes til at udveksle sprog og arbejde hen imod at opnå et diskursivt mål, siger Bennett.

Disse AI-systemer fokuseret på lingvistik bruger en række forskellige teknologier til at forstå skriftlige og talte interaktioner med mennesker. Nogle af disse omfatter følgende:

• Automatiseret talegenkendelse, som bruges til at forstå talesprog til stemmesystemer;
• Naturlig sprogbehandling, som hjælper computere med at forstå, fortolke og analysere talt og skrevet sprog; og
• Naturlig sprogforståelse, som gør det muligt for AI at forstå hensigten.

Naturlig sprogforståelse går langt ud over simpel tekstgenkendelse og er dér, hvor AI virkelig bringer sine styrker til udtryk. Ved at facilitere dybere, mere nuanceret samtale øger det effektiviteten af ​​menneske-AI-interaktioner. Når et AI-drevet kundeservicesystem er bedre rustet til at genkende og skelne naturligt sprog med færre fejl, kan det guide en kunde gennem en hel interaktion uden at skulle engagere en menneskelig servicemedarbejder. Dette frigør agenterne til at fokusere på mere komplekse sager.

Og brug af disse muligheder i kundeservicemiljøer kan hjælpe virksomheder med ikke blot at fremskynde og forbedre interaktioner med deres kunder, men også forbedre det overordnede kundeforhold. Hvis vi kan have en maskine, der er med til at facilitere den type interaktion mellem en virksomhed og en kunde, så er det med til at opbygge et forhold til den pågældende kunde yderligere på en måde, som en hjælpeartikel ikke ville, siger Bennett.

Og jo mere et AI-system engagerer sig med mennesker, jo mere effektive bliver dets algoritmer. Ved at interagere med mennesker kan et AI-system indsamle de data, der kræves for at forbedre naturlig sprogforståelse for bedre at forstå hensigten, hvilket hjælper med at lette mere nuancerede menneske-computer-samtaler. Menneskelig interaktion hjælper også disse AI-systemer med at forbedre genkendelse og forudsigelige muligheder for at levere mere personligt indhold. Ved at lære de mange måder, folk opfører sig og interagerer på, bliver systemets reaktion mere præcis.

AI-algoritmer absorberer, behandler og analyserer de datasæt, der føres ind i systemet ved hjælp af deres egne specifikke ligninger. Denne behandling udføres i en af ​​to grundlæggende modaliteter: overvåget eller uden opsyn. Ved overvåget forbedring vil datasæt have en tildelt målværdi eller kategori. Ved uovervåget forbedring analyserer algoritmen datasættet på egen hånd uden vejledning eller begrænsninger.

Efterhånden som de modtager og behandler flere data, udvikler, tilpasser og forbedrer algoritmerne deres analytiske modeller. Så algoritmerne forbedrer og forfiner sig selv baseret på både kvaliteten og kvantiteten af ​​behandlede data. Der er forestillinger om, at kunstig intelligens kan opsamle forskellige hensigter, omfang og kontekst ved at interagere med mennesker, siger Bennett. Disse trinvise forbedringer i forudsigelsesevne og dybde af forståelse øger effektiviteten af ​​kundeengagement.

At værdsætte sproglige udfordringer

Selvom naturlig sprogbehandling er nået langt, står automatiseret talegenkendelsesteknologi fortsat over for udfordringer med at genkende hele rækken af ​​sproglige variationer. Der er alle disse forskellige engelske accenter, alle er robuste og gyldige og bør fejres, siger Bennett. Andre sproglige variationer, der udfordrer AI, omfatter forskellige slang- eller dagligdags udtryk for at formidle lignende betydninger og andre paralingvistiske træk som tone, intonation, pacing, pause og tonehøjde.

Det er altafgørende at hjælpe AI med at styre de iboende niveauer af bias, der er til stede i systemet, og udvide til at genkende hele spektret af sproglige variationer. Disse trinvise forbedringer i AI-algoritmernes forudsigelsesevne hjælper med at forbedre kundeoplevelsen ved at reducere mængden af ​​frem- og tilbageudvekslinger og frustrationsmomenter forårsaget af mangel på nøjagtig genkendelse.

Men disse bestræbelser og fremskridt præsenterer visse etiske gåder. Overvej for eksempel, hvordan minoriteter er repræsenteret i træningsdatasæt - eller mere præcist, hvordan de ikke er repræsenteret. De mest udbredte datasæt udelukker mere forskelligartede udtryk for dialekt og social identitet. At sikre en mangfoldig repræsentation på de hold, der udvikler AI-teknologier, er et kritisk skridt i retning af at udvikle og udvikle AI-algoritmer til at genkende en bredere vifte af sproglige udtryk.

Nu hvor AI er i stand til at give mulighed for en større grad af variation, burde den kunne tage højde for bredere kontekstuel relevans og være mere inkluderende. Selvom samtale og sprog er kanalen, påhviler det mennesker, der arbejder med AI-systemer, fortsat at overveje tilgængelighed gennem dialekter, accenter og andre stilistiske variationer.

Underrepræsenterede minoriteter har meget lidt repræsentation af deres dialekt og udtryk for deres sociale identitet gennem sprog i disse systemer. Det er mest på grund af deres manglende repræsentation blandt de teams, der skaber teknologien, siger Bennett. At sikre, at virksomheder, der udvikler og implementerer AI-systemer, bringer flere forskellige teams ind i blandingen, kan hjælpe med at løse denne iboende skævhed.

AI-systemer har kapacitet til at tillade en større grad af variation. Når systemerne nøjagtigt kan fortolke disse variationer og generere et kontekstuelt relevant svar, vil AI have udviklet sig i højere grad end nogensinde før. Det er virkelig der, jeg tror, ​​udviklingen [af feltet] har ført os, siger Bennett.

Det betyder selvfølgelig ikke, at der ikke er andre etiske og praktiske bekymringer omkring den udvidede brug af kunstig intelligens. Bekymringer om beskyttelse af personlige oplysninger, ansvar, gennemsigtighed og nøjagtig og passende uddelegering af beslutningsprocesser er stadig relevante. Og så er der den etiske brug af stemmeoptagelser. Det er et voksende felt, hvor væsentlige parametre stadig mangler at blive defineret.

At skabe en dybere menneske-AI-forbindelse

At adressere hele spektret af sproglige variationer og inkludere mere forskelligartede grupper og historisk underrepræsenterede minoriteter i processen er i sandhed at bygge fremtiden for menneske-AI-forbindelsen. Dette vil også føre til mere udbredte use cases for erhvervslivet. Faktisk vil den største konkurrencemæssige differentiator i fremtiden for samtaleteknologi være evnen til at give robust samtaleforståelse uanset sprog, accent, slang, dialekt eller andre aspekter af social identitet.

Bennett husker en lektie fra en akademisk professor: Hun sagde: 'At føre en samtale er som at klatre i et træ, der klatrer tilbage.' Og det karakteriserer virkelig banen for, hvor samtale-AI-teknologier skal gå for at opfylde de menneskelige behov og standarder for samtale som adfærdspraksis. Samtale er ikke en solo-akt. Det er en tovejsvej. Ægte samtale er handlingen – nogle vil måske endda sige kunsten – at skiftes til at tale og lytte, udveksle ideer, udveksle følelser og udveksle information.

I lingvistik giver talens paralingvistiske træk som bøjning, intonation, pacing, pause og tonehøjde det pragmatiske meningslag til en samtale, siger Bennett. I stedet for at fokusere på, hvordan brugerne kan hjælpe AI-systemer, bør vi spørge, hvordan vi kan skalere systemet for at møde brugerne, hvor de er. I betragtning af det, vi ved om lingvistik, tror jeg ikke, man kan fremtvinge nogen form for sprogændring, siger han. Conversational AI-teknologi er sat op på en måde, der kunne lykkes, hvis vi tog den tilgang på det pragmatiske lag - den paralingvistiske side af tingene.

Evnen til at forstå, fuldt ud forstå og skalere til det niveau af sproglig mangfoldighed er, hvor AI er på vej hen, siger Bennett. Startups i det konverserende AI-rum indekserer det som en differentierende faktor. Og når du tænker over det, hvis du inkluderer flere forskellige grupper og historisk underrepræsenterede minoriteter i processen, udvider det faktisk dit samlede adresserbare marked.

Dette indhold blev produceret af Insights, den tilpassede indholdsarm af MIT Technology Review. Det er ikke skrevet af MIT Technology Reviews redaktion.

skjule