Wanneer ‘Chatbot’ een vuile term is: 3 misverstanden die zakelijke leiders hebben over conversational AI

De verspreiding van LLM’s zoals OpenAI’s ChatGPT, Meta’s Llama en Anthropic’s Claude heeft geleid tot een chatbot voor elke gelegenheid. Er zijn chatbots voor carrièreadvies, chatbots die je toelaten om te praten met je toekomstige zelf en zelfs een kippenchatbot die kookadvies geeft.

Maar deze zijn niet de chatbots van tien jaar geleden – toen waren ze beperkt tot smalle, rigide “gesprekken”, vaak gebaseerd op een grote flowchart met meerdere keuze- of equivalente antwoorden. In wezen waren ze slechts iets meer geavanceerd dan pre-internet IVR-telefoonmenu’s.

Vandaag de dag verwijzen “chatbots” vaker naar conversational AI, een tool met veel bredere mogelijkheden en toepassingen. En omdat we ons nu in het midden van de generatieve AI-hypecyclus bevinden, worden alle drie van deze termen door elkaar gebruikt. Helaas leidt dit tot veel misverstanden over de risico’s, toepassingen en ROI van investeren in conversational AI onder zakelijke leiders, vooral in hoog gereguleerde industrieën zoals financiën.

Dus ik wil enkele veelvoorkomende misverstanden over “chatbots” rechtzetten, wanneer we eigenlijk over conversational AI praten.

Misleiding 1: Klanten haten chatbots

Consumenten zijn de afgelopen tien jaar gevraagd of ze liever menselijke agenten of chatbots hebben – wat hetzelfde is als vragen of iemand liever een professionele massage heeft of in een winkelcentrum-massagestoel zit.

Maar de lancering van ChatGPT in 2022 (samen met alle tools die daaruit voortkwamen) heeft onze perceptie van de mogelijkheden van een chatbot volledig omgekeerd. Zoals eerder vermeld, werkten oude chatbots op basis van scripts, zodat elke afwijking van hun voorgeschreven pad vaak leidde tot verwarring en ineffectieve antwoorden. Omdat ze geen context en gebruikersintentie konden begrijpen, waren de gegeven antwoorden vaak generisch en niet behulpzaam, en hadden ze een beperkte capaciteit om informatie te verzamelen, op te slaan en te leveren.

In tegenstelling tot conversational AI, die mensen betrekt in natuurlijke gesprekken die menselijke spraak weerspiegelen, waardoor een meer vloeiende, intuïtieve uitwisseling mogelijk is. Het toont opmerkelijke flexibiliteit en aanpasbaarheid aan onverwachte resultaten. Het kan de context om gebruikersintentie begrijpen, emoties detecteren en empathisch reageren.

Deze diepere niveau van begrip stelt vandaag de dag AI in staat om gebruikers effectief naar logische paden te leiden naar hun doelen. Dit omvat het snel overdragen van klanten aan menselijke assistenten wanneer nodig. Bovendien gebruikt conversational AI geavanceerde informatiefilters, ophaalmechanismen en de mogelijkheid om relevante gegevens te behouden, waardoor hun probleemoplossende capaciteiten aanzienlijk worden verbeterd, wat resulteert in een betere gebruikerservaring.

Dus, het is niet dat klanten blindelings chatbots haten, wat ze haten is slechte service, waarvoor eerdere versies van chatbots zeker schuldig waren. Vandaag de dag zijn conversational agents zo veel geavanceerder dat meer dan een kwart van de consumenten niet zeker zijn van hun vermogen om te onderscheiden tussen menselijke en AI-agents, en sommigen AI-chatbots als beter beschouwen voor bepaalde taken dan hun menselijke tegenhangers.

In testvluchten heeft mijn bedrijf gezien dat AI-agents de leidraadomzetting met driemaal kunnen verhogen, wat een vrij krachtig bewijs is dat het er niet om gaat of het een bot is – het gaat om de kwaliteit van de uitgevoerde taak.

Misleiding 2: Chatbots zijn te riskant

In discussies met zakelijke leiders over AI, komen vaak zorgen naar voren over hallucinaties, gegevensbescherming en vooroordelen die kunnen leiden tot regelgevingsinbreuken. Hoewel legitieme risico’s, kunnen deze allemaal worden geminimaliseerd door middel van enkele benaderingen: fijnafstemming, Retrieval-Augmented Generation (RAG) en prompt-engineering.

Hoewel fijnafstemming niet beschikbaar is op alle LLM’s, kan het een vooraf getraind model specialiseren voor een specifieke taak of domein, waardoor AI beter geschikt is voor specifieke behoeften. Bijvoorbeeld, een zorgverleningsbedrijf kan een model fijnafstemmen om beter te begrijpen en te reageren op medische vragen.

RAG verbetert de nauwkeurigheid van chatbots door extern kennis dynamisch te integreren. Dit stelt de chatbot in staat om up-to-date informatie op te halen uit externe databases. Bijvoorbeeld, een financiële dienstverleningschatbot kan RAG gebruiken om real-time antwoorden te geven over aandelenprijzen.

Ten slotte optimaliseert prompt-engineering LLM’s door prompts te creëren die de chatbot leiden tot meer nauwkeurige of contextueel bewuste antwoorden. Bijvoorbeeld, een e-commerceplatform kan getailorde prompts gebruiken om de chatbot te helpen bij het geven van gepersonaliseerde productaanbevelingen op basis van klantvoorkeuren en zoekgeschiedenis.

Naast het gebruik van een of meer van deze benaderingen, kunt u ook de creativiteit “temperatuur” van een conversational AI controleren om hallucinaties te voorkomen. Het instellen van een lagere temperatuur in de API-aanroepen beperkt de AI tot het geven van meer deterministische en consistente antwoorden, vooral wanneer dit wordt gecombineerd met een kennisbasis die ervoor zorgt dat de AI put uit gespecificeerde, betrouwbare datasets. Om risico’s verder te minimaliseren, moet u AI niet in beslissingsrollen inzetten waarvoor vooroordelen of misinformatie kunnen leiden tot juridische problemen.

Wat betreft gegevensbescherming, moet u ervoor zorgen dat externe AI-aanbieders voldoen aan regelgevingen, of open-source-modellen op uw eigen infrastructuur inzetten om volledige controle over uw gegevens te behouden, wat essentieel is voor GDPR-conformiteit.

Ten slotte is het altijd verstandig om te investeren in beroepsaansprakelijkheidsverzekering die verdere bescherming kan bieden, waardoor bedrijven worden gedekt in onwaarschijnlijke scenario’s zoals een poging tot rechtsvervolging. Door middel van deze maatregelen kunnen bedrijven met vertrouwen AI inzetten en tegelijkertijd de veiligheid van hun merk en klanten waarborgen.

Misleiding 3: Chatbots zijn niet klaar voor complexe taken

Na het zien van de problemen die grote technologiebedrijven hebben met het inzetten van AI-hulpmiddelen, kan het naïef lijken om te denken dat een MKB het makkelijker zou hebben. Maar AI is op dit moment op een punt waarop de uitdrukking “meester van alle vakken en geen meester” niet erg onnauwkeurig is. Dit komt grotendeels doordat deze tools worden gevraagd om te veel verschillende taken uit te voeren in omgevingen die nog niet zijn ontworpen voor een effectieve AI-inzet. Met andere woorden, het is niet dat ze niet in staat zijn, het is dat ze worden gevraagd om te figuur skaten op een ijsbaan vol dun, gebroken ijs.

Bijvoorbeeld, organisaties met gesiloede en/of ongeorganiseerde gegevens zullen meer geneigd zijn om AI te laten opperen verouderde, onnauwkeurige of tegenstrijdige informatie. Ironicamente is dit een gevolg van hun complexiteit! Terwijl oude chatbots eenvoudigweg basale informatie in een lineaire manier herhaalden, kan conversational AI robuuste datasets analyseren, waarbij meerdere invloedrijke factoren tegelijk worden meegenomen om de meest geschikte route naar voren te schetsen.

Derhalve is succes met conversational AI afhankelijk van strikte parameters en extreem duidelijke grenzen met betrekking tot gegevensbronnen en taken. Met de juiste trainingsgegevens en expertly ontworpen prompts, kan de functionaliteit van conversational AI verder gaan dan de reikwijdte van een eenvoudige chatbot. Bijvoorbeeld, kan het gegevens verzamelen en filteren uit klantgesprekken en deze gebruiken om automatisch een CRM bij te werken. Dit stroomlijnt niet alleen administratieve taken, maar zorgt er ook voor dat klantinformatie consistent nauwkeurig en up-to-date is. Door het automatiseren van dergelijke taken, kunnen bedrijven zich meer richten op strategische activiteiten in plaats van administratieve lasten.

Als we de term “chatbot” blijven gebruiken, is het essentieel dat we onderscheid maken tussen platforms die cutting-edge conversational AI integreren en die welke nog steeds de beperkte tools van gisteren aanbieden. Net zoals het woord “telefoon” vandaag de dag meer de indruk wekt van een touchscreen-smartphone dan van een spiraal-gekoppelde vaste telefoon, denk ik dat we niet ver zijn van “chatbot” wordt vervangen door het idee van geavanceerde AI-agents in plaats van onhandige multiple-choice-avatars.