Όταν το «Chatbot» είναι ένα βρώμικο λόγο: 3 παρεξηγήσεις που έχουν οι επιχειρηματίες για την επικονωνσιακή AI

Η διάδοση των LLMs όπως το OpenAI’s ChatGPT, το Meta’s Llama και το Anthropic’s Claude έχει οδηγήσει σε ένα chatbot για κάθε περίσταση. Υπάρχουν chatbots για συμβουλές καριέρας, chatbots που σας επιτρέπουν να μιλήσετε με το μελλοντικό εαυτό σας και ακόμη και ένα chatbot κοτόπουλου που σας δίνει συμβουλές μαγειρικής. 

Αλλά αυτά δεν είναι τα chatbots των δέκα τελευταίων ετών – τότε, ήταν περιορισμένα σε στενά προκαθορισμένα, σκληρά «συζητήσεις», συχνά βασισμένα σε ένα μεγάλο διάγραμμα ροής με πολλαπλή επιλογή ή ισοδύναμες απαντήσεις. Ουσιαστικά, ήταν μόνο ελαφρώς πιο εξελιγμένα από τα προ-διαδικτυακά μενού τηλεφωνικών IVR.

Τα σημερινά «chatbots», από την άλλη πλευρά, αναφέρονται πιο συχνά στην επικονωνσιακή AI, einem εργαλείο με πολύ ευρύτερες δυνατότητες και περιπτώσεις χρήσης. Και επειδή τώρα βρισκόμαστε στη μέση του κύκλου υπερβολής της γεννητικής AI, όλα αυτά τα τρία όροι χρησιμοποιούνται ανταλλακτικά. Δυστυχώς, ως συνέπεια, υπάρχουν πολλές παρεξηγήσεις γύρω από τους κινδύνους, τις περιπτώσεις χρήσης και το ROI της επένδυσης στην επικονωνσιακή AI μεταξύ των επιχειρηματιών, ιδιαίτερα σε υψηλά ρυθμιζόμενες βιομηχανίες όπως η finance. 

Έτσι, θα ήθελα να διορθώσω κάποιες κοινές παρεξηγήσεις γύρω από τα «chatbots», όταν στην πραγματικότητα συζητάμε για την επικονωνσιακή AI. 

Μύθος 1: Οι πελάτες μισούν τα chatbots

Οι καταναλωτές έχουν ζητηθεί για το καλύτερο μέρος της τελευταίας δεκαετίας αν προτιμούν ανθρώπινους πράκτορες ή chatbots – που είναι σαν να ρωτάτε κάποιον αν θα προτιμούσε ένα επαγγελματικό μασάζ ή να καθίσει σε μια πολυθρόνα μασάζ σε ένα εμπορικό κέντρο. 

Αλλά η πρώτη εμφάνιση του ChatGPT το 2022 (μαζί με όλα τα εργαλεία που προέκυψαν από αυτό) γύρισε完全 την αντίληψη μας για τις δυνατότητες ενός chatbot. Όπως αναφέρθηκε παραπάνω, τα παλιά chatbots λειτουργούσαν με σεναριά, ώστε οποιαδήποτε απομάκρυνση από τους προκαθορισμένους δρόμους τους συχνά οδηγούσε σε σύγχυση και ανεπιτυχείς απαντήσεις. Αδύνατο να κατανοήσουν το контέκστ και την πρόθεση του χρήστη, οι απαντήσεις που δόθηκαν ήταν συχνά γενικές και ανεπαρκείς, και είχαν περιορισμένη ικανότητα να συλλέγουν, να αποθηκεύουν και να παρέχουν πληροφορίες.

Αντίθετα, η επικονωνσιακή AI εμπλέκει τους ανθρώπους σε φυσικές συζητήσεις που ανταποκρίνονται στο ανθρώπινο λόγο, επιτρέποντας μια πιο ρευστή,直觀 ανταλλαγή. Αποδεικνύει αξιοσημείωτη ευελιξία και προσαρμοστικότητα σε απροσδόκητα αποτελέσματα. Είναι σε θέση να κατανοήσει το контέκστ που περιβάλλει την πρόθεση του χρήστη, να ανιχνεύσει συναισθήματα και να απαντήσει συμπονικά.

Αυτή η βαθύτερη επίπεδο κατανόησης επιτρέπει στην σημερινή AI να οδηγήσει αποτελεσματικά τους χρήστες σε λογικούς δρόμους προς τους στόχους τους. Αυτό περιλαμβάνει τη γρήγορη μεταβίβαση των πελατών σε ανθρώπινους βοηθούς όταν είναι απαραίτητο. Επιπλέον, η επικονωνσιακή AI χρησιμοποιεί προηγμένα φίλτρα πληροφοριών, μηχανισμούς ανάκτησης και την ικανότητα να διατηρεί σχετικές δεδομένα, βελτιώνοντας σημαντικά τις ικανότητες επίλυσης προβλημάτων, που οδηγεί σε μια καλύτερη εμπειρία χρήστη.

Έτσι, δεν είναι ότι οι πελάτες μισούν τα chatbots, τι μισούν είναι η κακή υπηρεσία, την οποία τα προηγούμενα chatbots ήταν οριστικά ένοχα. Τα σημερινά συστήματα συνομιλίας είναι τόσο πιο εξελιγμένα που περισσότεροι από έναν τέταρτο των καταναλωτών δεν αισθάνονται βέβαιοι στην ικανότητά τους να διακρίνουν μεταξύ ανθρώπινων και AI πράκτορες, και κάποιοι ακόμη περιλαμβάνουν τα AI chatbots ως καλύτερα σε επιλεγμένες εργασίες από τους ανθρώπινους ομολόγους τους. 

Σε πιλότους δοκιμών, η εταιρεία μου έχει δει τα AI συστήματα να τριπλασιάζουν τους ρυθμούς μετατροπής, που είναι ένα khá ισχυρό σημάδι ότι δεν είναι για το αν είναι ένα bot – είναι για την ποιότητα του έργου που γίνεται.

Μύθος 2: Τα chatbots είναι πολύ επικίνδυνα

Στις συζητήσεις με επιχειρηματίες για την AI, οι ανησυχίες συχνά ανακύπτουν γύρω από τις ψευδαισθήσεις, την προστασία δεδομένων και την προκατάληψη που μπορεί να οδηγήσει σε παραβιάσεις ρυθμίσεων. Αν και είναι νόμιμες ανησυχίες, μπορούν όλες να μετριαστούν μέσω διαφόρων προσεγγίσεων: fine-tuning, Retrieval-Augmented Generation (RAG) και μηχανική προώθησης. 

Αν και δεν είναι διαθέσιμο σε όλα τα LLMs, το fine-tuning μπορεί να εξειδικεύσει ένα προ-εκπαιδευμένο μοντέλο για một συγκεκριμένο έργο ή τομέα, με αποτέλεσμα μια AI που είναι καλύτερα προσαρμοσμένη σε συγκεκριμένες ανάγκες. Για παράδειγμα, μια εταιρεία υγείας θα μπορούσε να εξειδικεύσει ένα μοντέλο για να κατανοήσει και να απαντήσει καλύτερα σε ιατρικές ερωτήσεις. 

Το RAG βελτιώνει την ακρίβεια του chatbot με τη δυναμική ενσωμάτωση εξωτερικής γνώσης. Αυτό επιτρέπει στο chatbot να ανακτά ενημερωμένες πληροφορίες από εξωτερικές βάσεις δεδομένων. Για παράδειγμα, ένα chatbot χρηματοοικονομικών υπηρεσιών θα μπορούσε να χρησιμοποιήσει το RAG για να παρέχει πραγματικές απαντήσεις για τις τιμές μετοχών. 

Τέλος, η μηχανική προώθησης βελτιώνει τα LLMs με τη δημιουργία προωθήσεων που οδηγούν το chatbot να παράγει πιο ακριβείς ή контέκστ-εμπευσμένες απαντήσεις. Για παράδειγμα, μια πλατφόρμα ηλεκτρονικού εμπορίου θα μπορούσε να χρησιμοποιήσει προωθήσεις για να βοηθήσει το chatbot να παρέχει προσωποποιημένες προτάσεις προϊόντων με βάση τις προτιμήσεις και το ιστορικό αναζήτησης του πελάτη.

Επιπλέον, μπορείτε να ελέγξετε τη δημιουργικότητα της επικονωνσιακής AI «θερμοκρασία» για να βοηθήσετε στην πρόληψη ψευδαισθήσεων. Η ρύθμιση μιας χαμηλότερης θερμοκρασίας στις API κλήσεις περιορίζει την AI να παρέχει πιο детерμινιστικές και συνεπείς απαντήσεις, ιδιαίτερα όταν συνδυάζεται με μια βάση γνώσεων που διασφαλίζει ότι η AI αντλεί από καθορισμένα, αξιόπιστα δεδομένα. Για να μετριάσετε περαιτέρω τους κινδύνους, αποφύγετε την ανάπτυξη της AI σε ρόλους λήψης αποφάσεων όπου η προκατάληψη ή η λανθασμένη πληροφορία θα μπορούσε να οδηγήσει σε νομικά ζητήματα. 

Όσον αφορά την προστασία δεδομένων, διασφαλίστε ότι οι εξωτερικοί πάροχοι AI συμμορφώνονται με τις ρυθμίσεις, ή αναπτύξτε ανοιχτά μοντέλα σε δική σας υποδομή για να διατηρήσετε τον πλήρη έλεγχο των δεδομένων σας, που είναι απαραίτητο για τη συμμόρφωση με το GDPR. 

Τέλος, είναι πάντα σοφό να επενδύσετε σε επαγγελματική ασφάλιση που μπορεί να προσφέρει περαιτέρω προστασία, καλύπτοντας τις επιχειρήσεις σε απίθανες περιπτώσεις όπως η απόπειρα δικαστικών διαδικασιών. Μέσω αυτών των μέτρων, οι επιχειρήσεις μπορούν να αξιοποιήσουν μεüven την AI ενώ διατηρούν την ασφάλεια του brand και των πελατών.

Μύθος 3: Τα chatbots δεν είναι έτοιμα για σύνθετα έργα

Μετά από το να δείτε τα προβλήματα που αντιμετωπίζουν οι μεγάλες εταιρείες τεχνολογίας αναπτύσσοντας εργαλεία AI, μπορεί να φαίνεται αφελές να σκεφτείτε ότι μια ΜΜΕ θα είχε πιο εύκολη στιγμή. Αλλά η AI είναι τώρα σε ένα στάδιο όπου η φράση «jack of all trades and master of none» δεν είναι πολύ ακατάλληλη. Αυτό οφείλεται κυρίως στο ότι αυτά τα εργαλεία ζητούν να εκτελέσουν πολλά διαφορετικά έργα σε περιβάλλοντα που δεν είναι ακόμη σχεδιασμένα για αποτελεσματική ανάπτυξη AI. Με άλλα λόγια, δεν είναι ότι δεν είναι ικανά, είναι ότι ζητούν να βρουν τον δρόμο τους σε ένα παγοδρόμιο γεμάτο με λεπτά, θρυμματισμένα παγάκια. 

Για παράδειγμα, οι οργανισμοί που είναι γεμάτοι με απομονωμένα και/ή ακατάτακτα δεδομένα θα είναι πιο ευάλωτοι στο να εμφανίσει η AI παλιά, ανακριβή ή αντικρουόμενα δεδομένα. Ιронικά, αυτό είναι μια συνέπεια της πολυπλοκότητάς τους! Ενώ τα παλιά chatbots απλώς επαναλάμβαναν βασικές πληροφορίες σε γραμμική μορφή, η επικονωνσιακή AI μπορεί να αναλύσει ρομποτικά δεδομένα, λαμβάνοντας υπόψη πολλαπλούς επηρεαζόμενους παράγοντες σε μια φορά για να χαρτογραφήσει τον πιο κατάλληλο δρόμο προς τα εμπρός. 

Συνεπώς, η επιτυχία με την επικονωνσιακή AI είναι εξαρτημένη από αυστηρά παραμέτρους και εξαιρετικά καθαρές συνόρους σχετικά με τις πηγές δεδομένων και τις εργασίες. Με τα σωστά δεδομένα εκπαίδευσης και εξειδικευμένα προωθήσεις, η λειτουργικότητα της επικονωνσιακής AI μπορεί να επεκταθεί πολύ πέρα από το πεδίο ενός απλού chatbot. Για παράδειγμα, μπορεί να συλλέξει και να φιλτράρει δεδομένα από συζητήσεις πελατών και να τα χρησιμοποιήσει για να ενημερώσει αυτόματα ένα CRM. Αυτό δεν μόνο απλοποιεί τις διοικητικές εργασίες, αλλά επίσης διασφαλίζει ότι οι πληροφορίες πελατών είναι συνεχώς ακριβείς και ενημερωμένες. Αναπτύσσοντας τέτοιες εργασίες, οι επιχειρήσεις μπορούν να εστιάσουν περισσότερο σε στρατηγικές δραστηριότητες παρά σε διοικητικές βαρύτητες.

Εάν θα συνεχίσουμε να χρησιμοποιούμε τον όρο «chatbot», είναι απαραίτητο να διακρίνουμε μεταξύ πλατφορμών που ενσωματώνουν την επικονωνσιακή AI και εκείνων που προσφέρουν ακόμη τα περιορισμένα εργαλεία του χθες. Με τον ίδιο τρόπο που σήμερα η λέξη «τηλέφωνο» συχνότερα προκαλεί την εικόνα ενός smartphone με οθόνη αφής παρά ενός τηλεφώνου με σπείρωμα, πιστεύω ότι δεν είμαστε μακριά από το «chatbot» να αντικατασταθεί από την ιδέα των προηγμένων AI πράκτορων παρά από τα ακατάλληλα अवатар με πολλαπλή επιλογή.