Costruire relazioni con i clienti con l'IA conversazionale

In associazione con forza vendita

Ci siamo stati tutti. Si prega di ascoltare il nostro intero menu poiché le nostre opzioni sono cambiate. Dì o premi uno per informazioni sul prodotto... A volte, queste esperienze di assistenza clienti automatizzate sono efficaci ed efficienti, altre volte, non così tanto.

Molte organizzazioni stanno già utilizzando chatbot e assistenti virtuali per aiutare a servire meglio i propri clienti. Questi agenti self-service intelligenti e automatizzati sono in grado di gestire le domande frequenti, fornire articoli di conoscenza e risorse pertinenti per rispondere alle richieste dei clienti e aiutare i clienti a compilare moduli e svolgere altre procedure di routine. Nel caso di richieste più complesse, questi agenti self-service automatizzati possono classificare tali richieste a un agente umano in tempo reale.

Durante i periodi di incertezza ed emergenza, le operazioni del servizio clienti basate sull'intelligenza artificiale (AI) possono essere preziose per le aziende, aiutando il servizio clienti o i call center delle risorse umane a tenere il passo con i picchi di domanda e a ridurre i tempi di attesa e la frustrazione dei clienti. Secondo recenti stime, Gartner lo prevede entro il 2022 , il 70% delle interazioni con i clienti riguarderà tecnologie emergenti come applicazioni di machine learning, chatbot e messaggistica mobile. Si tratta di un aumento del 15% rispetto al 2018.

In questi tipi di interazioni conversazionali, i chatbot AI possono estendere la portata del servizio clienti di un'organizzazione e mantenere un livello di reciprocità con i propri clienti, afferma Greg Bennett, responsabile del design delle conversazioni di Salesforce. C'è anche l'opportunità per l'azienda di esprimere il suo marchio, la sua voce e il suo tono attraverso le parole e il linguaggio che utilizza per creare un maggiore grado di intimità. Bennett è profondamente coinvolto nella formazione di sistemi di intelligenza artificiale che alimentano i chatbot conversazionali e garantiscono che siano inclusivi e in grado di comprendere un'ampia gamma di dialetti, accenti e altre espressioni linguistiche.

Non solo l'uso dell'automazione dell'IA sta diventando sempre più diffuso, ma si sta anche rivelando un importante fattore trainante per il business. Gartner prevede che nel 2021 si genererà l'aumento dell'IA $ 2,6 trilioni di affari valore. Potrebbe anche risparmiare fino a 6,2 miliardi di ore di lavoro.

Definita l'intelligenza conversazionale

Secondo ricerca condotta dalla società di consulenza gestionale Korn Ferry, l'intelligenza conversazionale è uno sforzo collaborativo. E quello sforzo collaborativo è la reciprocità di due partecipanti per comunicare in modi che portano a un concetto condiviso di realtà. Ciò colma il divario tra la realtà individuale dei due relatori e aiuta le aziende ad aiutare i clienti.

Con questo in mente, Salesforce e altre aziende hanno fatto un ulteriore passo avanti in questo concetto, cercando modi per combinare l'intelligenza conversazionale con la tecnologia. In effetti, grazie a questi sforzi, l'intelligenza conversazionale basata sull'intelligenza artificiale è notevolmente migliorata nel tempo. Ciò è iniziato con un semplice riconoscimento del testo in cui è abbastanza facile ottenere un grado significativo di accuratezza. Ma il riconoscimento del testo può essere in qualche modo bidimensionale, motivo per cui la ricerca è progredita per includere il riconoscimento vocale automatizzato. I sistemi di riconoscimento vocale automatizzati devono tenere conto di diverse lingue, accenti e inflessioni acustiche, il che è molto più difficile e sfumato. Poiché gli algoritmi di intelligenza artificiale sono diventati più sofisticati e hanno avuto il tempo e l'esperienza per incorporare più variazioni linguistiche, la tecnologia di intelligenza artificiale ha migliorato la sua capacità di comprendere con precisione le sottigliezze più profonde delle interazioni conversazionali umane.

L'intelligenza conversazionale è la costellazione di funzionalità e tecnologie che consentono a esseri umani e macchine di scambiare a turno il linguaggio e lavorare per raggiungere un obiettivo discorsivo, afferma Bennett.

Questi sistemi di intelligenza artificiale incentrati sulla linguistica utilizzano una serie di tecnologie diverse per comprendere le interazioni scritte e parlate con gli esseri umani. Alcuni di questi includono quanto segue:

• Riconoscimento vocale automatizzato, utilizzato per comprendere la lingua parlata per i sistemi vocali;
• Elaborazione del linguaggio naturale, che aiuta i computer a comprendere, interpretare e analizzare il linguaggio parlato e scritto; e
• Comprensione del linguaggio naturale, che consente all'IA di comprendere l'intento.

Andando ben oltre il semplice riconoscimento del testo, la comprensione del linguaggio naturale è il punto in cui l'IA sta davvero mettendo in campo i suoi punti di forza. Facilitando una conversazione più profonda e sfumata, aumenta l'efficacia delle interazioni uomo-IA. Quando un sistema di assistenza clienti basato sull'intelligenza artificiale è meglio attrezzato per riconoscere e discernere il linguaggio naturale con meno errori, può guidare un cliente attraverso un'intera interazione senza dover coinvolgere un agente di servizio umano. Ciò consente agli agenti di concentrarsi su casi più complessi.

E l'utilizzo di queste funzionalità negli ambienti del servizio clienti può aiutare le aziende non solo ad accelerare e migliorare le interazioni con i propri clienti, ma anche a migliorare la relazione generale con i clienti. Se possiamo avere una macchina che aiuta a facilitare quel tipo di interazione tra un'azienda e un cliente, allora aiuta a costruire ulteriormente una relazione con quel cliente in un modo che un articolo della guida non farebbe, afferma Bennett.

E più un sistema di intelligenza artificiale interagisce con gli esseri umani, più efficaci diventano i suoi algoritmi. Interagendo con gli esseri umani, un sistema di intelligenza artificiale può raccogliere i dati necessari per migliorare la comprensione del linguaggio naturale per comprendere meglio l'intento, contribuendo a facilitare conversazioni uomo-computer più sfumate. L'interazione umana aiuta anche questi sistemi di intelligenza artificiale a migliorare il riconoscimento e le capacità predittive per fornire contenuti più personalizzati. Imparando i molti modi in cui le persone si comportano e interagiscono, la risposta del sistema diventa più accurata.

Gli algoritmi di intelligenza artificiale assorbono, elaborano e analizzano i set di dati immessi nel sistema utilizzando le proprie equazioni specifiche. Questo trattamento viene effettuato in una delle due modalità di base: supervisionato o non supervisionato. Nel miglioramento supervisionato, ai set di dati verrà assegnato un valore o una categoria target. Con un miglioramento senza supervisione, l'algoritmo analizza il set di dati da solo senza guida o restrizioni.

Man mano che ricevono ed elaborano più dati, gli algoritmi evolvono, adattano e migliorano i loro modelli analitici. Quindi gli algoritmi si migliorano e si perfezionano in base sia alla qualità che alla quantità dei dati elaborati. Ci sono nozioni secondo cui l'IA può raccogliere intenti, ambito e contesto distinti interagendo con gli esseri umani, afferma Bennett. Questi miglioramenti incrementali della capacità predittiva e della profondità di comprensione aumentano l'efficienza del coinvolgimento dei clienti.

Apprezzare le sfide linguistiche

Sebbene l'elaborazione del linguaggio naturale abbia fatto molta strada, la tecnologia di riconoscimento vocale automatizzato continua ad affrontare sfide nel riconoscere l'intera gamma di variazioni linguistiche. Ci sono tutti questi diversi accenti inglesi, sono tutti robusti e validi e dovrebbero essere celebrati, dice Bennett. Altre variazioni linguistiche che sfidano l'IA includono diversi slang o espressioni colloquiali per trasmettere significati simili e altre caratteristiche paralinguistiche come tono, intonazione, ritmo, pausa e tono.

È fondamentale aiutare l'IA a gestire i livelli intrinseci di bias presenti nel sistema e ad espandersi per riconoscere l'intera gamma di variazioni linguistiche. Questi miglioramenti incrementali nella capacità predittiva degli algoritmi di intelligenza artificiale aiutano a migliorare l'esperienza del cliente riducendo la quantità di scambi avanti e indietro e momenti di frustrazione causati dalla mancanza di un riconoscimento accurato.

Ma questi sforzi e progressi presentano alcuni enigmi etici. Si consideri, ad esempio, come le minoranze vengono rappresentate nei set di dati di addestramento o, più precisamente, come non vengono rappresentate. I set di dati più utilizzati escludono espressioni più diverse di dialetto e identità sociale. Garantire una rappresentanza diversificata nei team che sviluppano tecnologie di intelligenza artificiale è un passaggio fondamentale verso lo sviluppo e l'evoluzione di algoritmi di intelligenza artificiale per riconoscere una gamma più ampia di espressioni linguistiche.

Ora che l'IA è in grado di consentire un maggiore grado di variazione, dovrebbe essere in grado di tenere conto di una rilevanza contestuale più ampia ed essere più inclusiva. Sebbene la conversazione e il linguaggio siano il canale, spetta agli esseri umani che lavorano con i sistemi di intelligenza artificiale continuare a considerare l'accessibilità attraverso dialetti, accenti e altre variazioni stilistiche.

Le minoranze sottorappresentate hanno pochissima rappresentazione del loro dialetto e l'espressione della loro identità sociale attraverso il linguaggio in questi sistemi. È principalmente a causa della loro mancanza di rappresentanza tra i team che creano la tecnologia, afferma Bennett. Garantire che le aziende che sviluppano e implementano sistemi di intelligenza artificiale inseriscano team più diversificati nel mix può aiutare a risolvere questo pregiudizio intrinseco.

I sistemi di intelligenza artificiale hanno la capacità di consentire un maggiore grado di variazione. Quando i sistemi saranno in grado di interpretare accuratamente tali variazioni e generare una risposta contestualmente rilevante, l'IA si sarà evoluta in misura maggiore che mai. È proprio lì che penso che l'evoluzione [del campo] ci abbia portato, dice Bennett.

Naturalmente, questo non vuol dire che non ci siano altre preoccupazioni etiche e pratiche relative all'uso esteso dell'IA. Le preoccupazioni sulla privacy, la responsabilità, la trasparenza e la delega accurata e appropriata dei processi decisionali sono ancora rilevanti. E poi c'è l'uso etico delle registrazioni vocali. È un settore in crescita in cui devono ancora essere definiti parametri significativi.

Forgiando una connessione più profonda tra uomo e intelligenza artificiale

Affrontare l'intera gamma di variazioni linguistiche e includere nel processo gruppi più diversi e minoranze storicamente sottorappresentate sta davvero costruendo il futuro della connessione uomo-IA. Ciò porterà anche a casi d'uso più diffusi per le aziende. In effetti, il più grande fattore di differenziazione competitivo nel futuro della tecnologia conversazionale sarà la capacità di fornire una solida comprensione della conversazione indipendentemente dalla lingua, dall'accento, dal gergo, dal dialetto o da altri aspetti dell'identità sociale.

Bennett ricorda una lezione di un professore di una scuola di specializzazione: Ha detto: 'Conversare è come arrampicarsi su un albero che si arrampica indietro'. E questo caratterizza davvero la traiettoria di dove devono andare le tecnologie di IA conversazionale per soddisfare i bisogni umani e gli standard di conversazione come pratica comportamentale. La conversazione non è un atto da solista. È una strada a doppio senso. La vera conversazione è l'atto - qualcuno potrebbe anche dire l'arte - di alternarsi nel parlare e ascoltare, scambiare idee, scambiare sentimenti e scambiare informazioni.

In linguistica, le caratteristiche paralinguistiche del discorso come l'inflessione, l'intonazione, il ritmo, le pause e il tono forniscono lo strato pragmatico di significato a una conversazione, afferma Bennett. Invece di concentrarci su come gli utenti possono aiutare i sistemi di intelligenza artificiale, dovremmo chiederci come possiamo ridimensionare il sistema per soddisfare gli utenti dove si trovano. Dato quello che sappiamo sulla linguistica, non credo che tu possa forzare alcun tipo di cambiamento linguistico, dice. La tecnologia di intelligenza artificiale conversazionale è configurata in un modo che potrebbe avere successo se adottassimo quell'approccio al livello pragmatico, il lato paralinguistico delle cose.

La capacità di comprendere, comprendere appieno e scalare a quel livello di diversità linguistica è dove si sta dirigendo l'IA, afferma Bennett. Le startup nello spazio dell'IA conversazionale lo stanno indicizzando come fattore di differenziazione. E se ci pensi, se includi gruppi più diversificati e minoranze storicamente sottorappresentate nel processo, ciò espande effettivamente il tuo mercato totale indirizzabile.

Questo contenuto è stato prodotto da Insights, il ramo dei contenuti personalizzati di MIT Technology Review. Non è stato scritto dalla redazione del MIT Technology Review.

nascondere