כאשר ‘בוט צ’אט’ הוא מילה גסה: 3 מיתוסים שמנהיגים עסקיים מחזיקים בנוגע ל- AI שיחתי

התפשטות של LLMs כמו OpenAI’s ChatGPT, Meta’s Llama, ו-Anthropic’s Claude הובילו לבוט צ’אט לכל אירוע. יש בוטים צ’אט לייעוץ קריירה, בוטים צ’אט שמאפשרים לך ללדבר עם עצמך העתידי, ואפילו בוט צ’אט עופות שנותן עצות בישול. 

אבל אלו לא הבוטים צ’אט של לפני עשר שנים – אז, הם היו מוגבלים ל”שיחות” צרות וקשיחות, לעיתים קרובות על בסיס תרשים זרימה גדול עם מספר בחירות או תגובות שקולות. במהות, הם היו רק מעט יותר מתוחכמים מתפריטי טלפון IVR לפני אינטרנט.

בוטים צ’אט “היום, מצד שני, מתייחסים יותר תכופות ל- AI שיחתי, כלי עם יכולות רחבות יותר ומקרים שונים. ובגלל שאנחנו עכשיו מוצאים את עצמנו באמצע ההיסטריה של AI יוצר, כל שלושת המונחים האלה משמשים באופן הדדי. לרוע המזל, כתוצאה מכך יש הרבה מיתוסים סביב הסיכונים, מקרים שימוש ו- ROI של השקעה ב- AI שיחתי בין מנהיגים עסקיים, במיוחד בתעשיות מוסדרות בקפידה כמו פיננסים. 

לכן, אני הייתי רוצה לתקן את הרשומות על מיתוסים נפוצים סביב “בוטים צ’אט”, כאשר מה שאנחנו באמת דנים בו הוא AI שיחתי. 

מיתוס 1: לקוחות שונאים בוטים צ’אט

לקוחות נשאלו במשך חלק הארי של העשור האחרון האם הם מעדיפים סוכנים אנושיים או בוטים צ’אט – זה כמו לשאול מישהו אם הוא היה רוצה לקבל מסאג’ מקצועי או לשבת בכיסא מסאג’ בקניון. 

אבל הופעת ChatGPT ב-2022 (יחד עם כל הכלים שנוצרו ממנו) הפכה את התפיסה שלנו של יכולות הבוט צ’אט על ראשה. כפי שצוין לעיל, בוטים צ’אט ישנים פעלו על תסריטים, כך שכל סטייה מהנתיבים המוגדרים שלהם בדרך כלל הובילה לבלבול ותגובות לא יעילות. מבלי להבין הקשר וכוונת המשתמש, התשובות שניתנו היו לעיתים קרובות גנריות ולא מועילות, והיה להם קיבולת מוגבלת לאיסוף, אחסון ומסירת מידע.

לעומת זאת, AI שיחתי מעורבים אנשים בשיחות טבעיות שמשקפות שפה אנושית, מה שמאפשר החלפה יותר זורמת ואינטואיטיבית. הוא מדגים גמישות יוצאת דופן והסתגלות לתוצאות בלתי צפויות. הוא מסוגל להבין את ההקשר המקיף את כוונת המשתמש, לגלות רגשות ולהגיב באופן אמפתי.

רמה עמוקה יותר של הבנה מאפשרת ל- AI של היום לנווט ביעילות את המשתמשים לאורך נתיבים לוגיים לעבר מטרותיהם. זה כולל מסירה מהירה של לקוחות לעוזרים אנושיים כאשר נדרש. יתר על כן, AI שיחתי משתמש במסננים מתוחכמים, מנגנוני אחזור ויכולת לשמור נתונים רלוונטיים, מה שמשפר משמעותית את יכולות הפתרון הבעיות, מה שיוצר חווית משתמש טובה יותר.

לכן, זה לא שלקוחות שונאים בוטים צ’אט, מה שהם שונאים הוא שירות גרוע, שגרסאות קודמות של בוטים צ’אט היו בהחלט אשמים במתן. בוטים צ’אט של היום הם מורכבים כל כך שיותר מרבע מהלקוחות לא מרגישים בטוחים ביכולתם להבדיל בין סוכנים אנושיים לסוכנים AI, וחלקם אפילו תופסים AI בוטים צ’אט להיות טובים יותר במשימות נבחרות מאשר נציגיהם האנושיים. 

בניסויים, חברתי ראתה סוכני AI משלשת את שיעור ההמרה, מה שהוא סימן חזק שזה לא עניין של האם זה בוט או לא – זה עניין של איכות העבודה.

מיתוס 2: בוטים צ’אט הם מסוכנים מדי

בדיונים עם מנהיגים עסקיים על AI, חששות עולות סביב האלוצינציות, הגנת נתונים והטיה שעלולה להוביל להפרות רגולטוריות. על אף שאלו סיכונים לגיטימיים, הם יכולים להימנע דרך מספר גישות: עדינות, Retrieval-Augmented Generation (RAG), והנדסת פרומפט. 

אם כי לא זמינים בכל LLMs, עדינות יכולה להתמחות במודל מוכן למשימה ספציפית או תחום, תוצאה ב- AI טוב יותר המתאים לצרכים ספציפיים. למשל, חברת בריאות יכולה לעדן את המודל כדי להבין ולהגיב טוב יותר לשאילתות רפואיות. 

RAG משפר את דיוק הבוט צ’אט על ידי אינטגרציה דינמית של ידע חיצוני. זה מאפשר לבוט צ’אט לאסוף מידע עדכני ממסדי נתונים חיצוניים. למשל, בוט צ’אט שירותים פיננסיים יכול להשתמש ב- RAG כדי לספק תשובות בזמן אמת על מחירי מניות. 

לבסוף, הנדסת פרומפט מאפטימיז את LLMs על ידי יצירת פרומפטים שמנחים את הבוט צ’אט לייצר תשובות מדויקות יותר או תשובות המודעות להקשר. למשל, פלטפורמת קניות מקוונות יכולה להשתמש בפרומפטים מותאמים כדי לעזור לבוט צ’אט לספק המלצות מוצרים אישיות על בסיס העדפות הלקוח והיסטוריית החיפוש.

בנוסף לשימוש באחת או יותר מגישות אלו, אתה יכול גם לשלוט ב”טמפרטורה” היצירתית של AI שיחתי כדי לעזור למנוע האלוצינציות. הגדרת טמפרטורה נמוכה יותר בקריאות API מגבילה את AI לתשובות יותר דטרמיניסטיות ועקביות, במיוחד כאשר משולב עם בסיס ידע שמבטיח כי AI שואב ממאגרי נתונים מוגדרים ואמינים. כדי להפחית סיכונים נוספים, הימנע מלהטמיע AI בתפקידים של קבלת החלטות שבהם עלולה הטיה או מידע כוזב להוביל לבעיות משפטיות. 

באשר לפרטיות הנתונים, וודא שספקים חיצוניים של AI מצייתים לרגולציות, או הטמיעו מודלים מקור פתוח בתשתית שלך, כדי לשמור על השליטה המלאה בנתונים שלך, הדבר החיוני לציות ל- GDPR. 

לבסוף, תמיד חכם להשקיע בביטוח אחריות מקצועית שיכול להציע הגנה נוספת, המכסה עסקים במקרים בלתי סבירים כגון ניסיונות תביעה. דרך אמצעים אלו, עסקים יכולים לנצל AI בביטחון תוך שמירה על בטיחות המותג והלקוח.

מיתוס 3: בוטים צ’אט אינם מוכנים למשימות מורכבות 

אחרי שראינו את הבעיות שחברות טכנולוגיה גדולות יש מוציאות כדי להטמיע כלים AI, זה עלול להראות נאיבי לחשוב שחברה קטנה תהיה בעלת זמן קל יותר. אבל AI נמצא כרגע בשלב שבו הביטוי “ג’ק אוף אול טריידס ומאסטר אוף נון” אינו מאוד לא מדויק. זה בעיקר מכיוון שכלים אלו מבקשים לבצע יותר מדי משימות שונות בסביבות שאינן עדיין מעוצבות להטמעה יעילה של AI. במילים אחרות, זה לא שהם לא מסוגלים, זה שהם מבקשים להחליק על פני משטח קרח דק ושבור.

לדוגמה, ארגונים עם נתונים מסולסלים ו/או מאורגנים יהיו יותר נתונים ל- AI שמוציא מידע ישן, לא מדויק או סותר. במקביל, בוטים צ’אט ישנים היו פשוט מחזירים מידע בסיסי באופן ליניארי, AI שיחתי יכול לנתח מאגרי נתונים עשירים, לוקח בחשבון מספר גורמים משפיעים בו-זמנית, כדי לעקוב את הנתיב המתאים ביותר קדימה. 

בהתאמה, הצלחה עם AI שיחתי תלויה בפרמטרים קפדניים וגבולות ברורים לגבי מקורות נתונים ומשימות. עם נתוני אימון נכונים ופרומפטים מומחים, תפקודו של AI שיחתי יכול להימשך הרבה מעבר לטווח של בוט צ’אט פשוט. למשל, הוא יכול לאסוף ולסנן נתונים משיחות לקוח, ולהשתמש בהם כדי לעדכן אוטומטית CRM. זה לא רק מסטרים מטלות מנהליות, אלא גם מבטיח שמידע לקוחות תמיד מדויק ועדכני. על ידי אוטומציה של מטלות כאלו, עסקים יכולים להתמקד יותר בפעילויות אסטרטגיות מאשר בנטלים מנהליים.

אם אנחנו הולכים להמשיך להשתמש במונח “בוט צ’אט”, חשוב שנבדיל בין פלטפורמות המשלבות AI שיחתי חדיש לבין אלו שעדיין מציעות כלים מוגבלים מאתמול. באותו אופן שבו היום המילה “טלפון” מעוררת יותר את הדימוי של טלפון חכם מגע מאשר טלפון קשר ספירלי, אני מאמין שאנחנו לא רחוקים מ”בוט צ’אט” המוחלף על ידי הרעיון של סוכני AI מתקדמים יותר מאשר אווטארים רובוטיים מגושמים.