जब ‘चैटबॉट’ एक गंदा शब्द है: 3 गलतफहमियां जो व्यवसायिक नेताओं को कॉनवर्सेशनल एआई के बारे में हैं

ओपनएआई के चैटजीपीटी, मेटा के लामा और एंथ्रोपिक के क्लॉड जैसे एलएलएम के प्रसार ने हर अवसर के लिए एक चैटबॉट प्रदान किया है। करियर सलाह के लिए चैटबॉट हैं, जो आपको अपने भविष्य के साथ बात करने की अनुमति देते हैं, और यहां तक कि एक चिकन चैटबॉट भी है जो खाना पकाने की सलाह देता है।

लेकिन ये दस साल पहले के चैटबॉट नहीं हैं – उस समय, वे संकीर्ण रूप से पूर्व-निर्धारित, जड़ “बातचीत” तक सीमित थे, जो अक्सर एक बड़े फ्लोचार्ट पर आधारित थे जिसमें कई विकल्प या समान प्रतिक्रियाएं थीं। मूल रूप से, वे केवल थोड़े ही अधिक परिष्कृत थे पूर्व-इंटरनेट आईवीआर टेलीफोन मेनू।

आज के “चैटबॉट”, दूसरी ओर, अधिक बार कॉनवर्सेशनल एआई को संदर्भित करते हैं, जो एक ऐसा टूल है जिसमें बहुत व्यापक क्षमताएं और उपयोग के मामले हैं। और चूंकि हम अब जनरेटिव एआई हYPE चक्र के बीच में हैं, इसलिए इन तीनों शब्दों का परस्पर उपयोग किया जा रहा है। दुर्भाग्य से, इसके परिणामस्वरूप कॉनवर्सेशनल एआई में निवेश करने के जोखिमों, उपयोग के मामलों और आरओआई के बारे में व्यवसायिक नेताओं के बीच कई गलतफहमियां हैं, विशेष रूप से वित्त जैसे उच्च नियंत्रित उद्योगों में।

तो मैं कुछ सामान्य गलतफहमियों को स्पष्ट करना चाहता हूं जो “चैटबॉट” के बारे में हैं, जब हम वास्तव में कॉनवर्सेशनल एआई के बारे में बात कर रहे हैं।

मिथ 1: ग्राहक चैटबॉट से नफरत करते हैं

उपभोक्ताओं से पूछा गया है कि क्या वे मानव एजेंटों या चैटबॉट को पसंद करते हैं – जो कि किसी से पूछने जैसा है कि क्या वे पेशेवर मालिश या शॉपिंग मॉल मालिश कुर्सी पर बैठना पसंद करेंगे।

लेकिन 2022 में चैटजीपीटी की शुरुआत (साथ ही सभी टूल्स जो उससे निकले) ने हमारी धारणा को पूरी तरह से बदल दिया कि एक चैटबॉट क्या कर सकता है। जैसा कि ऊपर उल्लेख किया गया है, पुराने चैटबॉट स्क्रिप्ट पर काम करते थे, जिससे उनके निर्धारित पथ से विचलन अक्सर भ्रम और अप्रभावी प्रतिक्रियाओं की ओर ले जाता था। संदर्भ और उपयोगकर्ता के इरादे को समझने में असमर्थ, दिए गए उत्तर अक्सर सामान्य और अप्रभावी थे, और उनके पास जानकारी इकट्ठा करने, संग्रहीत करने और वितरित करने की सीमित क्षमता थी।

इसके विपरीत, कॉनवर्सेशनल एआई लोगों को प्राकृतिक बातचीत में शामिल करता है जो मानव भाषा की नकल करती है, जिससे एक अधिक तरल, सहज आदान-प्रदान होता है। यह असाधारण लचीलापन और अप्रत्याशित परिणामों के प्रति अनुकूलन का प्रदर्शन करता है। यह उपयोगकर्ता के इरादे के आसपास के संदर्भ को समझने में सक्षम है, भावनाओं का पता लगाता है और संवेदनशील रूप से प्रतिक्रिया करता है।

यह गहरा स्तर की समझ उपयोगकर्ताओं को तार्किक पथों की ओर ले जाने में आज के एआई को प्रभावी ढंग से नेविगेट करने में सक्षम बनाता है। इसमें ग्राहकों को जल्दी से मानव सहायकों को सौंपना शामिल है। इसके अलावा, कॉनवर्सेशनल एआई उन्नत जानकारी फिल्टर, पुनर्प्राप्ति तंत्र और प्रासंगिक डेटा को बनाए रखने की क्षमता का उपयोग करता है, जिससे उनकी समस्या-समाधान क्षमताएं काफी बढ़ जाती हैं, जो एक बेहतर उपयोगकर्ता अनुभव प्रदान करता है।

तो यह नहीं है कि ग्राहक बिना सोचे चैटबॉट से नफरत करते हैं, जो वे नफरत करते हैं वह बुरी सेवा है, जो पिछले संस्करण के चैटबॉट निश्चित रूप से देने के दोषी थे। आज के कॉनवर्सेशनल एजेंट इतने अधिक परिष्कृत हैं कि उपभोक्ताओं का एक चौथाई से अधिक हिस्सा यह नहीं बता सकता कि क्या वे मानव या एआई एजेंट के साथ बात कर रहे हैं, और कुछ तो एआई चैटबॉट को मानव समकक्षों की तुलना में चयनित कार्यों में बेहतर मानते हैं।

परीक्षण पायलटों में, मेरी कंपनी ने देखा है कि एआई एजेंट लीड रूपांतरण दर को तीन गुना कर देते हैं, जो यह दर्शाता है कि यह इस बारे में नहीं है कि यह एक बॉट है या नहीं – यह नौकरी की गुणवत्ता के बारे में है।

मिथ 2: चैटबॉट बहुत जोखिम भरे हैं

एआई के बारे में व्यवसायिक नेताओं के साथ चर्चा में, अक्सर हॉलुसिनेशन, डेटा सुरक्षा और पूर्वाग्रह के बारे में चिंताएं उत्पन्न होती हैं जो नियामक उल्लंघनों की ओर ले जा सकती हैं। हालांकि वैध जोखिम, वे फाइन-ट्यूनिंग, रिट्रीवल-ऑगमेंटेड जेनरेशन (आरएजी), और प्रॉम्प्ट इंजीनियरिंग के माध्यम से कम किए जा सकते हैं।

हालांकि सभी एलएलएम पर उपलब्ध नहीं है, फाइन-ट्यूनिंग एक पूर्व-प्रशिक्षित मॉडल को एक विशिष्ट कार्य या डोमेन के लिए विशेषज्ञ बना सकता है, जिससे एआई विशिष्ट आवश्यकताओं के लिए बेहतर अनुकूल होता है। उदाहरण के लिए, एक स्वास्थ्य देखभाल कंपनी एक मॉडल को बेहतर ढंग से समझने और चिकित्सा प्रश्नों का उत्तर देने के लिए फाइन-ट्यून कर सकती है।

आरएजी चैटबॉट की सटीकता को बाहरी ज्ञान को गतिविधियों में शामिल करके बढ़ाता है। यह चैटबॉट को बाहरी डेटाबेस से अद्यतन जानकारी प्राप्त करने की अनुमति देता है। उदाहरण के लिए, एक वित्तीय सेवा चैटबॉट आरएजी का उपयोग स्टॉक की कीमतों के बारे में वास्तविक समय के उत्तर प्रदान करने के लिए कर सकता है।

अंत में, प्रॉम्प्ट इंजीनियरिंग एलएलएम को प्रॉम्प्ट को अनुकूलित करके ऑप्टिमाइज़ करता है जो चैटबॉट को अधिक सटीक या संदर्भ-जागरूक प्रतिक्रियाएं उत्पन्न करने के लिए मार्गदर्शन करता है। उदाहरण के लिए, एक ई-कॉमर्स प्लेटफ़ॉर्म प्रॉम्प्ट का उपयोग ग्राहक वरीयताओं और खोज इतिहास के आधार पर व्यक्तिगत उत्पाद सिफारिशें प्रदान करने में चैटबॉट की मदद करने के लिए कर सकता है।

इन दृष्टिकोणों में से एक या अधिक का उपयोग करने के अलावा, आप एक कॉनवर्सेशनल एआई की रचनात्मकता “तापमान” को नियंत्रित करके हॉलुसिनेशन को रोकने में मदद कर सकते हैं। एपीआई कॉल में एक कम तापमान निर्धारित करने से एआई को अधिक निर्धारित और सुसंगत प्रतिक्रियाएं प्रदान करने की सीमा होती है, विशेष रूप से एक ज्ञान आधार के साथ जब यह सुनिश्चित करता है कि एआई निर्दिष्ट, विश्वसनीय डेटासेट से ड्रा करता है। जोखिमों को और कम करने के लिए, ऐसी स्थितियों में एआई को तैनात करने से बचें जहां पूर्वाग्रह या गलत सूचना कानूनी मुद्दों की ओर ले जा सकती है।

डेटा गोपनीयता के लिए, सुनिश्चित करें कि बाहरी एआई प्रदाता नियमों का पालन करते हैं, या अपने बुनियादी ढांचे पर ओपन-सोर्स मॉडल तैनात करें ताकि आप अपने डेटा पर पूर्ण नियंत्रण बनाए रख सकें, जो जीडीपीआर अनुपालन के लिए आवश्यक है।

अंत में, यह हमेशा बुद्धिमानी है कि पेशेवर दायित्व बीमा में निवेश करें जो आगे की सुरक्षा प्रदान कर सकता है, जो व्यवसायों को असंभावित परिदृश्यों में कवर कर सकता है, जैसे कि मुकदमा चलाने का प्रयास। इन उपायों के माध्यम से, व्यवसाय एआई का लाभ उठा सकते हैं जबकि ब्रांड और ग्राहक सुरक्षा बनाए रखते हैं।

मिथ 3: चैटबॉट जटिल कार्यों के लिए तैयार नहीं हैं

बड़ी टेक कंपनियों को देखकर यह महसूस हो सकता है कि वे एआई टूल्स को तैनात करने में परेशानी हो रही है, यह सोचना निराशाजनक है कि एक एसएमई के पास आसान समय होगा। लेकिन एआई वर्तमान में एक चरण में है जहां “जैक ऑफ ऑल ट्रेड्स और मास्टर ऑफ नन” वाक्य नहीं है। यह मुख्य रूप से इसलिए है क्योंकि इन टूल्स से कई अलग-अलग कार्यों को करने की अपेक्षा की जा रही है जो अभी तक प्रभावी एआई तैनाती के लिए डिज़ाइन नहीं किए गए हैं। दूसरे शब्दों में, यह नहीं है कि वे सक्षम नहीं हैं, यह है कि उन्हें पत्थर के टुकड़े पर फिगर स्केटिंग करने के लिए कहा जा रहा है।

उदाहरण के लिए, डेटा के साथ संगठन जो विभाजित या असंगठित हैं, वे अधिक प्रवण होंगे कि एआई पुरानी, असटीक या विरोधाभासी जानकारी को सतह पर लाए। आयरोनिकली, यह जटिलता का परिणाम है! जबकि पुराने चैटबॉट केवल मूल जानकारी को रेखीय तरीके से उगल रहे थे, कॉनवर्सेशनल एआई मजबूत डेटासेट का विश्लेषण कर सकता है, एक ही समय में कई प्रभावशाली कारकों पर विचार करते हुए आगे बढ़ने के लिए सबसे उपयुक्त पथ का चार्ट बना सकता है।

परिणामस्वरूप, कॉनवर्सेशनल एआई के साथ सफलता सख्त मापदंडों और डेटा स्रोतों और कार्यों के बारे में स्पष्ट सीमाओं पर निर्भर करती है। सही प्रशिक्षण डेटा और विशेषज्ञता से डिज़ाइन किए गए प्रॉम्प्ट के साथ, कॉनवर्सेशनल एआई की कार्यक्षमता एक सरल चैटबॉट के दायरे से बहुत आगे तक बढ़ सकती है। उदाहरण के लिए, यह ग्राहक बातचीत से डेटा इकट्ठा कर सकता है और इसे स्वचालित रूप से एक सीआरएम में अपडेट कर सकता है। इससे न केवल प्रशासनिक कार्यों को स्ट्रीमलाइन किया जाता है, बल्कि यह सुनिश्चित भी किया जाता है कि ग्राहक की जानकारी लगातार सटीक और अद्यतन है। ऐसे कार्यों को स्वचालित करके, व्यवसाय प्रशासनिक बोझ के बजाय रणनीतिक गतिविधियों पर अधिक ध्यान केंद्रित कर सकते हैं।

यदि हम “चैटबॉट” शब्द का उपयोग जारी रखने जा रहे हैं, तो यह आवश्यक है कि हम उन प्लेटफ़ॉर्म के बीच अंतर करें जो कटिंग-एज़ कॉनवर्सेशनल एआई को एकीकृत कर रहे हैं, और जो अभी भी कल के सीमित टूल्स की पेशकश कर रहे हैं। जिस तरह आज “फोन” शब्द अधिक बार एक टच-स्क्रीन स्मार्टफोन की छवि को दर्शाता है, न कि एक स्पाइरल-कॉर्डेड लैंडलाइन की, मुझे लगता है कि हम “चैटबॉट” शब्द को उन्नत एआई एजेंटों के विचार से बदलने से बहुत दूर नहीं हैं, न कि जड़ मultiple-चॉइस अवतार।