211service.com
Bygga kundrelationer med konversations-AI
I samarbete med Salesforce
Vi har alla varit där. Lyssna gärna på hela vår meny eftersom våra alternativ har ändrats. Säg eller tryck på en för produktinformation... Ibland är dessa automatiserade kundtjänstupplevelser effektiva och effektiva – andra gånger inte så mycket.
Många organisationer använder redan chatbots och virtuella assistenter för att hjälpa sina kunder bättre. Dessa intelligenta, automatiserade självbetjäningsagenter kan hantera vanliga frågor, tillhandahålla relevanta kunskapsartiklar och resurser för att hantera kundförfrågningar och hjälpa kunder att fylla i formulär och utföra andra rutinprocedurer. I fallet med mer komplexa förfrågningar kan dessa automatiska självbetjäningsagenter triage dessa förfrågningar till en levande mänsklig agent.
Under tider av osäkerhet och nödsituationer kan kundtjänstverksamhet som drivs av artificiell intelligens (AI) vara ovärderlig för företag, vilket hjälper kundtjänst eller personalens callcenter att hålla jämna steg med topparna i efterfrågan och minska kundernas väntetider och frustration. Enligt de senaste uppskattningarna, Gartner förutspår det till 2022 , kommer 70 % av kundinteraktionerna att involvera framväxande teknologier som maskininlärningsapplikationer, chatbots och mobilmeddelanden. Det är en ökning med 15 % från 2018.
I dessa typer av konversationsinteraktioner kan AI-chatbotar utöka räckvidden för en organisations kundtjänst och upprätthålla en nivå av ömsesidighet med sina kunder, säger Greg Bennett, konversationsdesignchef på Salesforce. Det finns också möjlighet för företaget att uttrycka sitt varumärke, sin röst och sin ton genom ord och språk som den använder för att skapa en större grad av intimitet. Bennett är djupt involverad i att träna AI-system som driver konversationschatbotar och se till att de är inkluderande och kan förstå ett brett spektrum av dialekter, accenter och andra språkliga uttryck.
Användningen av AI-automatisering blir inte bara mer utbredd, den har också visat sig vara en betydande affärsdrivkraft. Gartner räknar med att AI-förstärkning kommer att generera 2021 2,6 biljoner dollar i affärer värde. Det kan också spara så många som 6,2 miljarder timmars arbete.
Konversationsintelligens definierad
Enligt genomförd forskning av managementkonsultföretaget Korn Ferry är konversationsintelligens ett samarbete. Och det samarbetet är ömsesidighet mellan två deltagare för att kommunicera på ett sätt som leder till en gemensam uppfattning om verkligheten. Det stänger gapet mellan de två högtalarnas individuella verklighet – och hjälper företag att hjälpa kunder.
Med det i åtanke har Salesforce och andra företag tagit det konceptet ett steg längre genom att leta efter sätt att kombinera konversationsintelligens med teknik. Faktum är att genom dessa ansträngningar har AI-driven konversationsintelligens förbättrats avsevärt över tiden. Detta började med enkel textigenkänning där det är ganska lätt att uppnå en betydande grad av noggrannhet. Men textigenkänning kan vara något tvådimensionell, varför forskningen har utvecklats till att inkludera automatisk taligenkänning. Automatiserade taligenkänningssystem måste ta hänsyn till olika språk, accenter och akustiska böjningar, vilket är mycket svårare och mer nyanserat. Allt eftersom AI-algoritmer har blivit mer sofistikerade och har haft tid och erfarenhet att införliva fler språkliga variationer, har AI-tekniken förbättrat sin förmåga att korrekt förstå de djupare subtiliteterna i mänskliga samtalsinteraktioner.
Konversationsintelligens är en konstellation av funktioner och teknologier som gör det möjligt för människor och maskiner att turas om att utbyta språk och arbeta för att uppnå ett diskursivt mål, säger Bennett.
Dessa AI-system fokuserade på lingvistik använder ett antal olika tekniker för att förstå skriftliga och talade interaktioner med människor. Några av dessa inkluderar följande:
- Automatiserad taligenkänning, som används för att förstå talat språk för röstsystem;
- Naturlig språkbehandling, som hjälper datorer att förstå, tolka och analysera talat och skrivet språk; och
- Naturlig språkförståelse, vilket gör det möjligt för AI att förstå avsikt.
Naturlig språkförståelse går långt bortom enkel textigenkänning och är där AI verkligen tar till sig sina styrkor. Genom att underlätta djupare, mer nyanserade samtal, ökar det effektiviteten av interaktioner mellan människa och AI. När ett AI-drivet kundtjänstsystem är bättre rustat att känna igen och urskilja naturligt språk med färre fel, kan det guida en kund genom en hel interaktion utan att behöva anlita en mänsklig serviceagent. Detta frigör agenterna att fokusera på mer komplexa fall.
Och att använda dessa funktioner i kundtjänstmiljöer kan hjälpa företag att inte bara påskynda och förbättra interaktionen med sina kunder utan också förbättra den övergripande kundrelationen. Om vi kan ha en maskin som hjälper till att underlätta den typen av interaktion mellan ett företag och en kund, så hjälper det att ytterligare bygga upp en relation med den kunden på ett sätt som en hjälpartikel inte skulle göra, säger Bennett.
Och ju mer ett AI-system engagerar sig med människor, desto effektivare blir dess algoritmer. Genom att interagera med människor kan ett AI-system samla in de data som krävs för att förbättra förståelsen av naturligt språk för att bättre förstå avsikten, vilket hjälper till att underlätta mer nyanserade samtal mellan människa och dator. Mänsklig interaktion hjälper också dessa AI-system att förbättra igenkänning och förutsägande kapacitet för att leverera mer personligt innehåll. Genom att lära sig de många sätt som människor beter sig och interagerar på blir systemets svar mer exakt.
AI-algoritmer absorberar, bearbetar och analyserar de datamängder som matas in i systemet med hjälp av sina egna specifika ekvationer. Denna bearbetning görs i en av två grundläggande modaliteter: övervakad eller oövervakad. Vid övervakad förbättring kommer datamängder att ha ett tilldelat målvärde eller kategori. Vid oövervakade förbättringar analyserar algoritmen datasetet på egen hand utan vägledning eller begränsningar.
När de tar emot och bearbetar mer data, utvecklas, anpassar och förbättrar algoritmerna sina analytiska modeller. Så algoritmerna förbättrar och förfinar sig baserat på både kvaliteten och kvantiteten av data som behandlas. Det finns föreställningar om att AI kan få fram distinkt avsikt, omfattning och sammanhang genom att interagera med människor, säger Bennett. Dessa stegvisa förbättringar i förutsägelseförmåga och djup av förståelse ökar effektiviteten i kundengagemang.
Uppskattar språkliga utmaningar
Även om naturlig språkbehandling har kommit långt, fortsätter automatiserad taligenkänningsteknik att möta utmaningar när det gäller att känna igen hela spektrumet av språkliga variationer. Det finns alla dessa olika engelska accenter, alla är robusta och giltiga och bör firas, säger Bennett. Andra språkliga varianter som utmanar AI inkluderar olika slang- eller vardagsuttryck för att förmedla liknande betydelser och andra paralingvistiska egenskaper som ton, intonation, pacing, paus och tonhöjd.
Det är ytterst viktigt att hjälpa AI att hantera de inneboende nivåerna av fördomar som finns i systemet och expandera för att känna igen hela skalan av språkliga variationer. Dessa stegvisa förbättringar av AI-algoritmernas förutsägelseförmåga hjälper till att förbättra kundupplevelsen genom att minska mängden fram och tillbaka utbyten och stunder av frustration som orsakas av bristen på korrekt igenkänning.
Men dessa ansträngningar och framsteg presenterar vissa etiska problem. Tänk till exempel på hur minoriteter är representerade i träningsdatauppsättningar – eller mer exakt hur de inte är representerade. De mest använda datamängderna utesluter mer olika uttryck för dialekt och social identitet. Att säkerställa en mångsidig representation i teamen som utvecklar AI-teknik är ett avgörande steg mot att utveckla och utveckla AI-algoritmer för att känna igen ett bredare spektrum av språkliga uttryck.
Nu när AI kan tillåta en större grad av variation bör den kunna ta hänsyn till bredare kontextuell relevans och vara mer inkluderande. Även om samtal och språk är kanalen, åligger det människor som arbetar med AI-system att fortsätta att överväga tillgänglighet genom dialekter, accenter och andra stilistiska variationer.
Underrepresenterade minoriteter har mycket liten representation av sin dialekt och uttrycket av sin sociala identitet genom språket i dessa system. Det är mest på grund av deras brist på representation bland teamen som skapar tekniken, säger Bennett. Att se till att företag som utvecklar och distribuerar AI-system tar med fler olika team i mixen kan hjälpa till att lösa den inneboende fördomen.
AI-system har kapacitet att tillåta en större grad av variation. När systemen korrekt kan tolka dessa variationer och generera ett kontextuellt relevant svar, kommer AI att ha utvecklats i högre grad än någonsin tidigare. Det är verkligen dit jag tror att utvecklingen [av fältet] har tagit oss, säger Bennett.
Naturligtvis betyder det inte att det inte finns andra etiska och praktiska problem kring den utökade användningen av AI. Sekretessfrågor, ansvar, transparens och korrekt och korrekt delegering av beslutsprocesser är fortfarande relevanta. Och så är det den etiska användningen av röstinspelningar. Det är ett växande område där betydande parametrar fortfarande behöver definieras.
Skapar en djupare koppling mellan människa och AI
Att ta itu med hela spektrumet av språkliga variationer och inkludera fler olika grupper och historiskt underrepresenterade minoriteter i processen bygger verkligen framtiden för kopplingen mellan människa och AI. Detta kommer också att leda till mer utbredda användningsfall för företag. Faktum är att den största konkurrenskraftiga skillnaden i framtiden för konversationsteknik kommer att vara förmågan att ge robust konversationsförståelse oavsett språk, accent, slang, dialekt eller andra aspekter av social identitet.
Bennett minns en läxa från en professor i gymnasieskolan: Hon sa: 'Att ha en konversation är som att klättra i ett träd som klättrar tillbaka.' Och det kännetecknar verkligen banan för vart konversations-AI-teknik måste gå för att möta de mänskliga behoven och standarderna för samtal som beteendepraxis. Samtal är inte en soloakt. Det är en tvåvägsgata. Sann konversation är handlingen – vissa kanske till och med säger konsten – att turas om att tala och lyssna, utbyta idéer, utbyta känslor och utbyta information.
Inom lingvistik ger talets paralingvistiska egenskaper som böjning, intonation, pacing, paus och tonhöjd det pragmatiska lagret av mening till en konversation, säger Bennett. Istället för att fokusera på hur användarna kan hjälpa AI-system bör vi fråga hur vi kan skala systemet för att möta användarna där de är. Med tanke på vad vi vet om lingvistik tror jag inte att man kan tvinga fram någon form av språkförändring, säger han. Konversations-AI-teknik är inrättad på ett sätt som skulle kunna lyckas om vi tog det tillvägagångssättet på det pragmatiska lagret – den paralingvistiska sidan av saken.
Förmågan att förstå, helt förstå och skala till den nivån av språklig mångfald är dit AI är på väg, säger Bennett. Nystartade företag i konversations-AI-utrymmet indexerar på det som en differentierande faktor. Och när du tänker på det, om du inkluderar fler olika grupper och historiskt underrepresenterade minoriteter i processen, utökar det faktiskt din totala adresserbara marknad.
Detta innehåll producerades av Insights, den anpassade innehållsdelen av MIT Technology Review. Den skrevs inte av MIT Technology Reviews redaktion.