Když je “Chatbot” špinavé slovo: 3 mýty, které mají obchodní lídři o konverzační AI

Šíření LLM, jako je OpenAI ChatGPT, Meta Llama a Anthropic Claude, vedlo k vytvoření chatbotů pro každou příležitost. Existují chatboti pro kariérní rady, chatboti, které umožňují mluvit se svou budoucí verzí a dokonce i kuřecí chatbot, který poskytuje rady pro vaření.

Ale tyto chatboti nejsou stejné jako ty z před deseti lety – tehdy byly omezeny na úzce nastavené, rigidní „konverzace“, často založené na velkém flow chartu s více výběrem nebo ekvivalentními odpověďmi. V podstatě byly pouze slightly více sofistikované než pre-internetové IVR telefonní menu.

Dnešní „chatboti“ jsou častěji označováni jako konverzační AI, nástroj s mnohem širšími možnostmi a použitími. A protože se nyní nacházíme uprostřed generativní AI hype cyklu, všechny tři tyto termíny jsou používány zaměnitelně. Bohužel, jako důsledek toho, existuje mnoho nedorozumění kolem rizik, použití a ROI investic do konverzační AI mezi obchodními lídry, zejména v vysoce regulovaných odvětvích jako je finance.

Takže bych rád vysvětlil některé běžné mýty o „chatbotích“, když ve skutečnosti mluvíme o konverzační AI.

Mýtus 1: Zákazníci nenávidí chatboty

Spotřebitelé byli požádáni o lepší část poslední dekády, zda preferují lidské agenty nebo chatboty – což je jako zeptat se někoho, zda by raději měl profesionální masáž nebo seděl v nákupním centru masážním křesle.

Ale debut ChatGPT v roce 2022 (společně s všemi nástroji, které z něj vyplynuly) zcela změnil naše vnímání schopností chatbotu. Jak je zmíněno výše, starší chatboti fungovali na scénářích, takže jakékoli odchylky od jejich předem stanovených cest často vedly k zmatku a neúčinným odpovědím. Neschopní porozumět kontextu a uživatelskému úmyslu, byly odpovědi často obecné a neužitečné, a měli omezenou kapacitu shromažďovat, ukládat a poskytovat informace.

Naopak konverzační AI zapojuje lidi do přirozených konverzací, které napodobují lidskou řeč, umožňující více fluidní a intuitivní výměnu. Prokazuje pozoruhodnou flexibilitu a adaptabilitu na neočekávané výsledky. Je schopná porozumět kontextu obklopujícímu uživatelský úmysl, detekovat emoce a reagovat empaticky.

Tato hlubší úroveň porozumění umožňuje dnešní AI účinně navigovat uživatele dolů logických cest směrem k jejich cílům. To zahrnuje rychlé předání zákazníků lidským asistentům, když je to nutné. Navíc konverzační AI používá pokročilé informační filtry, mechanismy načítání a schopnost uchovávat relevantní data, což významně zvyšuje jejich schopnost řešit problémy, což vede k lepšímu uživatelskému zážitku.

Takže to není tak, že zákazníci slepě nenávidí chatboty, co nenávidí, je špatná služba, kterou předchozí verze chatbotů určitě poskytly. Dnešní konverzační agenti jsou tak mnohem sofistikovanější, že více než čtvrtina spotřebitelů se necítí jistě ve své schopnosti rozlišovat mezi lidskými a AI agenty, a někteří dokonce považují AI chatboty za lepší pro vybrané úkoly než jejich lidské protějšky.

V testovacích pilotních projektech naše společnost viděla, jak AI agenti ztrojnásobili konverzní poměr, což je bastante silný indikátor toho, že nejde o to, zda je to bot nebo ne – jde o kvalitu práce.

Mýtus 2: Chatboti jsou příliš riskantní

Při diskusích s obchodními lídry o AI často vznikají obavy kolem halucinací, ochrany dat a předpojatosti, které mohou vést k porušování předpisů. Ačkoli jsou tyto rizika legitimní, lze je zmírnit pomocí několika různých přístupů: jemné ladění, Retrieval-Augmented Generation (RAG) a inženýrství promptů.

Ačkoli nejsou k dispozici na všech LLM, jemné ladění může specializovat předem vyškolený model pro konkrétní úkol nebo doménu, což vede k AI lépe přizpůsobené konkrétním potřebám. Například zdravotnická společnost by mohla jemně ladit model, aby lépe porozuměl a odpověděl na lékařské dotazy.

RAG zvyšuje přesnost chatbotu dynamickým integrováním externích znalostí. To umožňuje chatbotu načítat aktuální informace z externích databází. Například finanční služby chatbot by mohl použít RAG, aby poskytl aktuální odpovědi na otázky o akciových cenách.

Nakonec inženýrství promptů optimalizuje LLM tím, že vytváří prompty, které vedou chatbot k poskytování více přesných nebo kontextově vědomých odpovědí. Například e-commerce platforma by mohla použít přizpůsobené prompty, aby pomohla chatbotu poskytnout personalizované produktové doporučení založené na preferencích zákazníků a historii vyhledávání.

Kromě použití jednoho nebo více z těchto přístupů můžete také ovládat „teplotu“ konverzační AI, aby se zabránilo halucinacím. Nastavení nižší teploty v API voláních omezuje AI na poskytování více deterministických a konzistentních odpovědí, zejména když je kombinováno s znalostní bází, která zajišťuje, že AI čerpá z určených, spolehlivých dat. Aby se dále zmírnily rizika, je třeba se vyvarovat nasazení AI v rozhodovacích rolích, kde by předpojatost nebo nesprávné informace mohly vést k právním problémům.

Pokud jde o ochranu dat, je třeba zajistit, aby externí AI poskytovatelé dodržovali předpisy, nebo nasadit open-source modely na vlastním infrastrukturním vybavení, aby se uchovalo plnou kontrolu nad daty, což je nezbytné pro soulad s GDPR.

Nakonec je vždy moudré investovat do profesního pojištění, které může nabídnout další ochranu, pokrývající podniky v nepravděpodobných scénářích, jako je pokus o soudní řízení. Díky těmto opatřením mohou podniky sebevědomě využívat AI, zatímco zachovávají bezpečnost značek a zákazníků.

Mýtus 3: Chatboti nejsou připraveni na komplexní úkoly

Po shlédnutí problémů, se kterými se velké technologické společnosti potýkají při nasazení AI nástrojů, může se zdát naivní si myslet, že malé a střední podniky by měly snazší čas. Ale AI je目前 na úrovni, kdy je fráze „jack of all trades and master of none“ není příliš nepřesná. To je částečně proto, že tyto nástroje jsou požádány, aby provedly příliš mnoho různých úkolů v prostředích, která nejsou dosud navržena pro efektivní nasazení AI. Jinými slovy, nejde o to, zda jsou schopni, ale o to, zda jsou požádáni, aby čerpali na tenkém, rozbitém ledu.

Například organizace s rozdělenými a/nebo neuspořádanými daty budou více náchylné k tomu, že AI bude zobrazovat zastaralé, nesprávné nebo rozporuplné informace. Ironicky, toto je důsledkem jejich komplexity! Zatímco starší chatboti prostě regurgitovali základní informace lineárním způsobem, konverzační AI může analyzovat robustní datové sady, zvažovat několik vlivných faktorů najednou, aby určila nejvhodnější cestu vpřed.

V důsledku toho je úspěch s konverzační AI podmíněn přísnými parametry a extrémně jasnými hranicemi týkajícími se zdrojů dat a úkolů. S pravými trénovacími daty a odborně navrženémi prompty může funkčnost konverzační AI rozšířit daleko za rámec jednoduchého chatbotu. Například může shromažďovat a filtrovat data z konverzací se zákazníky a použít je k automatickému aktualizování CRM. To nejenom streamlinuje administrativní úkoly, ale také zajišťuje, že informace o zákaznících jsou vždy přesné a aktuální. Automatizací těchto úkolů mohou podniky soustředit více na strategické aktivity než na administrativní zátěž.

Pokud budeme pokračovat v používání termínu „chatbot“, je nezbytné, abychom rozlišovali mezi platformami, které začleňují špičkovou konverzační AI, a těmi, které stále nabízejí omezené nástroje z minulosti. Stejně jako dnes slovo „telefon“ častěji vyvolává obraz dotykového smartphonu než spirálového telefonního vedení, věřím, že jsme blízko k tomu, aby „chatbot“ byl nahrazen myšlenkou pokročilých AI agentů spíše než neohrabanými avatary s více výběrem.