Kun “Chatbot” on likaista sanaa: 3 väärinkäsitystä, joita liikkeenjohdon on tietoisia keskusteluaiheesta

LLMien kuten OpenAI:n ChatGPT:n, Metan Llaman ja Anthropicsin Clauden leviäminen on johtanut siihen, että chatbotit ovat kaikkialla. On olemassa chatbotteja urheilu-uraohjeistukseen, chatbotteja, jotka mahdollistavat puhuminen tulevaan itseensä ja jopa kanachatbot, joka antaa ruoanlaitto-ohjeita.

Mutta nämä eivät ole samanlaisia chatbotteja kuin kymmenen vuoden takaiset – silloin ne olivat rajoittuneita, joustamattomia “keskusteluihin”, usein perustuen suurelle virtapiirroskaavioon, jossa oli useita valintoja tai vastaavia vastauksia. Olennaisesti ne olivat vain hieman kehittyneämpiä kuin ennen internetiä olevat IVR-puhelinvalikot.

Nykyiset “chatbotit” viittaavat useammin keskusteluaiheeseen, joka on työkalu, jolla on paljon laajemmat mahdollisuudet ja soveltamisalat. Ja koska olemme nyt keskellä generatiivisen AI-hypetyskiertoa, kaikki kolme näistä termeistä käytetään vaihtelevasti. Valitettavasti tämän seurauksena on monia väärinkäsityksiä riskien, soveltamisalojen ja ROI:n ympärillä keskusteluaiheen sijoittamisesta liikkeenjohdon keskuudessa, erityisesti säännellyissä aloissa kuten rahoituksessa.

Haluan selvittää jotkut yleiset väärinkäsitykset “chatbotien” ympärillä, kun puhumme itse asiassa keskusteluaiheesta.

Myytti 1: Asiakkaat vihaavat chatbotteja

Kuluttajat on pyydetty viime vuosikymmenen ajan sanomaan, pitävätkö he enemmän ihmisistä vai chatbotteja – mikä on kuin kysytään, haluaisiko joku ammattimaisen hieronnan vai istua ostoskeskuksen massage-tuolissa.

Mutta ChatGPT:n debyytti vuonna 2022 (ja kaikki siitä syntyneet työkalut) käänsi chatbotin kykyjen käsityksen täysin päälaelleen. Kuten mainittiin aiemmin, vanhemmat chatbotit toimivat skripteillä, joten mikä tahansa poikkeama niiden määrättyjen polkujen ulkopuolelle usein johti sekavuuteen ja tehottomiin vastauksiin. Kyvyttömät ymmärtämään asiayhteyttä ja käyttäjän aikomusta, annetut vastaukset olivat usein geneerisiä ja epäkäytännöllisiä, ja niillä oli rajoitettu kyky kerätä, tallentaa ja toimittaa tietoja.

Sen sijaan keskusteluaihe osallistuu ihmisiä luonnollisiin keskusteluihin, jotka heijastelevat ihmisen puhetta, mahdollistaen enemmän virtaavan ja intuitiivisen vaihdon. Se osoittaa merkittävää joustavuutta ja sopeutumiskykyä odottamattomiin tuloksiin. Se pystyy ymmärtämään asiayhteyden ympärillä olevan käyttäjän aikomuksen, tunnistamaan tunteita ja reagoimaan myötätuntoisesti.

Tämä syvempi ymmärrys mahdollistaa nykyisen AI:n tehokkaan navigoinnin käyttäjiä loogisilla poluilla kohti heidän tavoitteitaan. Se käsittää nopeasti asiakkaiden siirtämistä ihmisten avustajiin, kun tarve vaatii. Lisäksi keskusteluaihe käyttää edistyneitä tietosuodattimia, hakumekanismeja ja kykyä säilyttää merkityksellisiä tietoja, parantaen merkittävästi ongelmanratkaisukykyään, mikä tekee käyttökokemuksesta paremman.

Joten, se ei ole sitä, että asiakkaat sokeasti vihaavat chatbotteja, mitä he vihaavat on huono palvelu, jonka edelliset chatbotit olivat varmasti syyllisiä toimittamaan. Nykyiset keskusteluagentit ovat paljon kehittyneämpiä, ja yli neljännes kuluttajista ei ole varma siinä, pystyvätkö he erottamaan ihmisen ja AI-välimiehen, ja jotkut jopa kokevat AI-chatbotit paremmiksi tietyissä tehtävissä kuin heidän ihmiskollegansa.

Kokeillessamme yrityksissä olemme nähneet, kuinka AI-agentit kolminkertaistavat johtavan muunnoksen, mikä on voimakas osoitus siitä, ettei ole kyse siitä, onko se robotti vai ei – se on kyse siitä, miten hyvin työ tehdään.

Myytti 2: Chatbotit ovat liian riskialttiita

Keskustellessani liikkeenjohdon kanssa AI:sta, herää usein huolenaiheita hallusinaatioista, tietosuojasta ja mahdollisesta syrjinnästä, jotka voivat johtaa sääntelyrikkomuksiin. Vaikka nämä ovat legitiimejä riskejä, ne voidaan lieventää usealla eri lähestymistavalla: hienosäätö, Retrieval-Augmented Generation (RAG) ja ohjelmistosuunnittelu.

Vaikka hienosäätöä ei ole saatavilla kaikilla LLM:illä, se voi erikoistaa esikoulutetun mallin tiettyyn tehtävään tai alaan, jolloin AI on paremmin sovellettavissa tiettyihin tarpeisiin. Esimerkiksi terveydenhuollon yritys voi hienosäätää mallia, jotta se ymmärtää ja reagoi paremmin lääketieteellisiin kysymyksiin.

RAG parantaa chatbotin tarkkuutta dynaamisesti integroimalla ulkoista tietoa. Tämä mahdollistaa chatbotin hakemisen ajan tasalla olevia tietoja ulkoisista tietokannoista. Esimerkiksi rahoituspalvelujen chatbot voi käyttää RAG:ia antaakseen reaaliaikaisia vastauksia osakkeiden hinnoista.

Lopuksi ohjelmistosuunnittelu optimoi LLM:it luomalla ohjelmia, jotka ohjaavat chatbotia tuottamaan tarkemmin tai asiayhteyden mukaisia vastauksia. Esimerkiksi e-commerce-alusta voi käyttää räätälöityjä ohjelmia auttamaan chatbotia antamaan henkilökohtaisia tuotesuosituksia perustuen asiakkaan mieltymyksiin ja hakuhistoriaan.

Lisäksi voidaan hallita keskusteluaiheen luovuuden “lämpötilaa” estämään hallusinaatiot. Asettamalla alempi lämpötila API-kutsuissa rajoittaa AI:ta antamaan enemmän deterministisiä ja johdonmukaisia vastauksia, erityisesti yhdistettynä tietopohjaan, joka varmistaa, että AI piirtää määrättyjen, luotettavien tietokantojen tietoja. Risken lieventämiseksi on syytä välttää AI:n käyttämistä päätöksentekijän rooleissa, joissa syrjintä tai virheellinen tieto voisi johtaa oikeudellisiin ongelmiin.

Tietosuojan osalta on varmistettava, että ulkoiset AI-palveluntarjoajat noudattavat sääntöjä, tai käytetään avoimia malleja omalla infrastruktuurilla säilyttääkseen täydellisen hallinnan tietojen yli, mikä on välttämätöntä GDPR-yhdenmukaisuuden kannalta.

Lopuksi on aina viisasta investoida ammattimaiseen vakuutukseen, joka voi tarjota lisäsuojaa, suojellen yrityksiä epätodennäköisissä skenaarioissa, kuten yritetyssä oikeudenkäynnissä. Näiden toimenpiteiden kautta yritykset voivat hyödyntää AI:ta itsevarmasti säilyttäen samalla brändin ja asiakasturvan.

Myytti 3: Chatbotit eivät ole valmiit monimutkaisiin tehtäviin

Nähdessään suurten teknologiayritysten ongelmia AI-työkalujen käyttöönotossa, saattaa tuntua utopistiselta ajatella, että PK-yritys voisi selviytyä helpommin. Mutta AI on tällä hetkellä vaiheessa, jossa lause “jack of all trades and master of none” ei ole kovin epätarkka. Tämä johtuu siitä, että nämä työkalut pyydetään suorittamaan liian monia eri tehtäviä ympäristöissä, jotka eivät ole vielä suunniteltu tehokkaan AI-käytön kannalta. Toisin sanoen, se ei ole sitä, etteivät ne ole kykeneviä, vaan sitä, että niitä pyydetään ratkaisemaan liian monia ongelmia.

Esimerkiksi organisaatiot, joissa on eristyneitä ja/tai järjestämättömiä tietoja, ovat alttiimpia sille, että AI paljastaa vanhentuneita, epätarkkoja tai ristiriitaisia tietoja. Ironisesti tämä on seuraus heidän monimutkaisuudestaan! Vanhemmat chatbotit toimittivat vain perustietoja lineaarisesti, kun taas keskusteluaihe voi analyysin robusteja tietoja, ottaen huomioon useita vaikuttavia tekijöitä yhtä aikaa määrittääkseen sopivimman etenemisen.

Seurauksena on, että keskusteluaiheen onnistuminen riippuu tiukasta parametreista ja erittäin selkeistä rajoituksista tietolähteiden ja tehtävien osalta. Oikean koulutusaineiston ja asiantuntijoiden suunnitteleman ohjelmoinnin avulla keskusteluaiheen toiminnallisuus voi laajentua paljon yksinkertaisen chatbotin ulkopuolelle. Esimerkiksi se voi kerätä ja suodattaa tietoja asiakaskeskusteluista ja käyttää niitä automaattisesti päivittääkseen CRM:ää. Tämä ei ainoastaan suorita hallinnollisia tehtäviä, vaan myös varmistaa, että asiakastiedot ovat aina oikein ja ajantasaisia. Automaatisoimalla nämä tehtävät yritykset voivat keskittyä enemmän strategisiin toimiin kuin hallinnollisiin taakkaan.

Jos haluamme jatkaa “chatbotin” käyttämistä, on tärkeää erottaa alustat, jotka ottavat käyttöön viimeisimmän keskusteluaiheen, ja ne, jotka tarjoavat edelleen eilisen rajoitetut työkalut. Samalla tavalla kuin nykyään sana “puhelin” herättää useammin kuvan kosketusnäytöllisestä älypuhelimesta kuin kiertelettävän lankapuhelimesta, uskon, että emme ole kaukana siitä, että “chatbot” korvataan edistyneillä AI-välimiehillä, eikä kömpelöillä monivalintavatareilla.