Wenn “Chatbot” ein schmutziges Wort ist: 3 Missverständnisse, die Geschäftsführer über Conversational AI haben

Die Verbreitung von LLMs wie OpenAI’s ChatGPT, Meta’s Llama und Anthropic’s Claude hat zu einem Chatbot für jeden Anlass geführt. Es gibt Chatbots für Karriereberatung, Chatbots, die es ermöglichen, mit Ihrem zukünftigen Ich zu sprechen, und sogar einen Hühnchen-Chatbot, der Kochtipps gibt. 

Aber diese sind nicht die Chatbots von vor zehn Jahren – damals waren sie auf eng vorgegebene, starre “Gespräche” beschränkt, oft basierend auf einem großen Flussdiagramm mit Multiple-Choice- oder äquivalenten Antworten. Im Wesentlichen waren sie nur slightly mehr fortschrittlich als pre-Internet-IVR-Telefonmenüs.

Heutige “Chatbots” hingegen beziehen sich häufiger auf Conversational AI, ein Tool mit viel breiteren Fähigkeiten und Anwendungsfällen. Und weil wir uns jetzt in der Mitte des generativen AI-Hype-Zyklus befinden, werden alle drei Begriffe austauschbar verwendet. Leider gibt es als Folge viele Missverständnisse über die Risiken, Anwendungsfälle und ROI von Investitionen in Conversational AI unter Geschäftsführern, insbesondere in hoch regulierten Branchen wie Finanzen. 

Ich möchte also einige gängige Missverständnisse über “Chatbots” korrigieren, wenn wir tatsächlich über Conversational AI sprechen. 

Mythos 1: Kunden hassen Chatbots

Verbraucher wurden in den letzten zehn Jahren gefragt, ob sie lieber menschliche Agenten oder Chatbots bevorzugen – was ähnlich ist, wie zu fragen, ob man lieber eine professionelle Massage oder einen Massagestuhl in einem Einkaufszentrum haben möchte. 

Aber die Einführung von ChatGPT im Jahr 2022 (und all den Tools, die daraus entstanden) hat unsere Wahrnehmung von den Fähigkeiten eines Chatbots vollständig auf den Kopf gestellt. Wie bereits erwähnt, operierten ältere Chatbots auf Skripten, so dass jede Abweichung von ihren vorgegebenen Pfaden oft zu Verwirrung und ineffektiven Antworten führte. Unfähig, Kontext und Benutzerabsicht zu verstehen, waren die gegebenen Antworten oft generisch und unhelpful, und sie hatten eine begrenzte Fähigkeit, Informationen zu sammeln, zu speichern und zu liefern.

Im Gegensatz dazu führt Conversational AI Menschen in natürlichen Gesprächen, die dem menschlichen Sprechen ähneln, was zu einem flüssigeren, intuitiveren Austausch führt. Es zeigt eine bemerkenswerte Flexibilität und Anpassungsfähigkeit an unvorhergesehene Ergebnisse. Es kann den Kontext um die Benutzerabsicht herum verstehen, Emotionen erkennen und empathisch reagieren.

Dieses tiefergehende Verständnis ermöglicht es heutigen KI-Systemen, Benutzer effektiv auf logische Pfade zu ihren Zielen zu führen. Dazu gehört auch, Kunden schnell an menschliche Assistenten zu übergeben, wenn notwendig. Darüber hinaus verwendet Conversational AI fortschrittliche Informationsfilter, Abrufmechanismen und die Fähigkeit, relevante Daten zu speichern, was ihre Problemlösungsfähigkeiten erheblich verbessert, was zu einer besseren Benutzererfahrung führt.

Es ist also nicht so, dass Kunden blindlings Chatbots hassen, was sie hassen, ist schlechter Service, den frühere Versionen von Chatbots definitiv geliefert haben. Heutige Conversational-Agents sind so viel fortschrittlicher, dass über ein Viertel der Verbraucher nicht sicher sind, ob sie in der Lage sind, zwischen menschlichen und KI-Agentsen zu unterscheiden, und einige wahrnehmen KI-Chatbots als besser bei bestimmten Aufgaben als ihre menschlichen Pendants. 

In Testpiloten hat mein Unternehmen gesehen, wie KI-Agents die Lead-Konversionsraten verdreifachen, was ein ziemlich starker Hinweis darauf ist, dass es nicht darum geht, ob es ein Bot ist oder nicht – es geht um die Qualität der Arbeit.

Mythos 2: Chatbots sind zu riskant

In Diskussionen mit Geschäftsführern über KI entstehen oft Bedenken hinsichtlich Halluzinationen, Datenschutz und Bias, die möglicherweise zu regulatorischen Verstößen führen könnten. Obwohl diese Risiken legitim sind, können sie durch verschiedene Ansätze gemildert werden: Feinabstimmung, Retrieval-Augmented-Generation (RAG) und Prompt-Engineering. 

Obwohl Fine-Tuning nicht auf allen LLMs verfügbar ist, kann es ein vorgebildetes Modell für eine bestimmte Aufgabe oder ein bestimmtes Gebiet spezialisieren, was zu einer KI führt, die besser auf bestimmte Bedürfnisse abgestimmt ist. Zum Beispiel könnte ein Gesundheitsunternehmen ein Modell feinabstimmen, um besser auf medizinische Anfragen zu reagieren. 

RAG verbessert die Genauigkeit von Chatbots, indem es externe Kenntnisse dynamisch integriert. Dies ermöglicht es dem Chatbot, aktuelle Informationen aus externen Datenbanken abzurufen. Zum Beispiel könnte ein Finanzdienstleistungs-Chatbot RAG verwenden, um Echtzeit-Antworten auf Fragen zu Aktienkursen zu liefern. 

Schließlich optimiert Prompt-Engineering LLMs, indem es Prompts erstellt, die den Chatbot anleiten, genauer oder kontextbewusste Antworten zu liefern. Zum Beispiel könnte ein E-Commerce-Plattform Prompt-Engineering verwenden, um dem Chatbot zu helfen, personalisierte Produktvorschläge basierend auf Kundenpräferenzen und Suchverlauf zu liefern.

Darüber hinaus kann die Kreativität eines Conversational-AI-Systems durch die Einstellung der “Kreativitätstemperatur” kontrolliert werden, um Halluzinationen zu verhindern. Die Einstellung einer niedrigeren Temperatur innerhalb der API-Aufrufe beschränkt die KI auf deterministischere und konsistentere Antworten, insbesondere wenn sie mit einer Wissensbasis kombiniert wird, die sicherstellt, dass die KI aus spezifischen, verlässlichen Datenquellen schöpft. Um Risiken weiter zu mindern, sollten Sie KI nicht in Entscheidungsrollen einsetzen, in denen Bias oder Fehlinformationen zu rechtlichen Problemen führen könnten. 

Was den Datenschutz betrifft, sollten Sie sicherstellen, dass externe KI-Anbieter die Vorschriften einhalten oder Open-Source-Modelle auf Ihrer eigenen Infrastruktur bereitstellen, um die volle Kontrolle über Ihre Daten zu behalten, was für die Einhaltung der DSGVO unerlässlich ist. 

Schließlich ist es immer ratsam, in eine Berufshaftpflichtversicherung zu investieren, die weitere Schutz bietet und Unternehmen in unwahrscheinlichen Szenarien wie versuchter Rechtsverfolgung schützt. Durch diese Maßnahmen können Unternehmen KI mit Zuversicht einsetzen und gleichzeitig die Marke und die Kunden sicherstellen.

Mythos 3: Chatbots sind nicht bereit für komplexe Aufgaben 

Nachdem man gesehen hat, welche Probleme große Technologieunternehmen bei der Einsetzung von KI-Tools haben, mag es naiv erscheinen, zu denken, dass ein KMU es leichter haben würde. Aber KI ist derzeit an einem Punkt, an dem der Ausdruck “Jack-of-all-trades und Meister von nichts” nicht allzu ungenau ist. Dies liegt größtenteils daran, dass diese Tools aufgefordert werden, zu viele verschiedene Aufgaben in Umgebungen auszuführen, die nicht für eine effektive KI-Einsetzung konzipiert sind. Mit anderen Worten, es ist nicht so, dass sie nicht in der Lage sind, es ist so, dass sie aufgefordert werden, auf einem Teich mit dünnem, gebrochenem Eis zu figurenskaten. 

Zum Beispiel werden Organisationen, die von siloartigen und/oder unorganisierten Daten geprägt sind, eher dazu neigen, dass KI veraltete, ungenaue oder widersprüchliche Informationen aufdeckt. Ironischerweise ist dies eine Folge ihrer Komplexität! Während ältere Chatbots einfach grundlegende Informationen in linearer Form wiederholten, kann Conversational AI robuste Datensätze analysieren, mehrere Einflussfaktoren gleichzeitig berücksichtigen, um den geeignetsten Weg voranzukommen. 

Folglich hängt der Erfolg mit Conversational AI von strengen Parametern und extrem klaren Grenzen bezüglich Datenquellen und Aufgaben ab. Mit den richtigen Trainingsdaten und expertenmäßig gestalteten Prompts kann die Funktionalität von Conversational AI weit über den Umfang eines einfachen Chatbots hinausgehen. Zum Beispiel kann es Daten aus Kundenkonversationen sammeln und verwenden, um automatisch ein CRM zu aktualisieren. Dies nicht nur administrative Aufgaben zu rationalisieren, sondern auch sicherzustellen, dass Kundeninformationen konsistent genau und aktuell sind. Durch die Automatisierung solcher Aufgaben können Unternehmen sich auf strategische Aktivitäten konzentrieren, anstatt auf administrative Belastungen.

Wenn wir weiterhin den Begriff “Chatbot” verwenden, ist es wichtig, dass wir zwischen Plattformen unterscheiden, die Cutting-Edge-Conversational-AI einsetzen, und denen, die noch die begrenzten Tools von gestern anbieten. Genauso wie heute das Wort “Telefon” eher das Bild eines Touchscreen-Smartphones als eines spiralgekordeten Festnetztelefons hervorrufen lässt, glaube ich, dass wir nicht weit davon entfernt sind, dass “Chatbot” durch die Idee von fortschrittlichen KI-Agentsen ersetzt wird, anstatt durch die Idee von umständlichen Multiple-Choice-Avataren.