Ewolucja systemów konwersacyjnych dzięki sztucznej inteligencji

system konwersacyjny sztuczna inteligencja

Czy system konwersacyjny to must-have dla każdej organizacji? Skąd bierze się dzisiaj wysoka skuteczność programów oddelegowanym do komunikacji i wsparcia użytkowników? Przyglądamy się rozwojowi sztucznej inteligencji konwersacyjnej, jej obecnym możliwościom oraz prognozom na bardzo niedaleką przyszłość.  

Czym jest system konwersacyjny?

Pod pojęciem systemu konwersacyjnego najczęściej definiuje się wirtualnego asystenta (chatbot lub voicebot), który jest oddelegowany do komunikacji z określonymi typami użytkowników. Przykładowymi odbiorcami wirtualnych asystentów mogą być:

  • klient zgłaszający się na infolinię,
  • pracownik poszukujący informacji o benefitach pracowniczych w firmowym intranecie,
  • księgowy wprowadzający dane do systemu za pomocą głosu i/lub wyszukujący informacje w systemie wewnętrznym za pomocą głosu.

W opisanych powyżej kontekstach konwersacyjna sztuczna inteligencja pozwala na automatyzację procesów obsługowych, co jest możliwe dzięki nowoczesnej, stale rozwijającej się technologii. Systemy konwersacyjne bazujące na AI tworzone są dzisiaj w organizacjach na całym świecie i to w wielu różnych obszarach działania.

Systemem konwersacyjnym jest jednak także program komputerowy, którego celem jest prowadzenie rozmowy z użytkownikami w dowolnym celu. Przykładem zaawansowanych systemów konwersacyjnych są chatboty biorące udział w Konkursie Loebnera, ale też osobiści głosowi asystenci w naszych telefonach (jak Siri, Alexa, Asystent Google’a).

Ewolucja systemów konwersacyjnych: od FAQ do RPA

Dzięki ogromnym osiągnięciom ostatnich lat, możliwości współczesnych programów do prowadzenia rozmowy z użytkownikiem, stale rosną. Początki pierwszych wirtualnych asystentów były skromne, ale dziś na bazie tych lub podobnych rozwiązań tworzy się narzędzia o ogromnym potencjale biznesowym. Pierwsze regułowe programy, które mogły zrealizować tylko bardzo proste rozmowy, zastępowane są inteligentnymi algorytmami, pełniąc istotną rolę przy postępującej automatyzacji i robotyzacji. Rozwój sztucznej inteligencji okazał się dla wirtualnych asystentów kluczowy, pozwalając im osiągnąć zupełnie nową jakość obsługi.

Jak rozwijali się wirtualni asystenci? Podział na chatboty I, II, III i IV generacji

W środowisku naukowym funkcjonuje chociażby podział na generacje chatbotów (tabela poniżej).

I, II, III, IV generacja chatbotów

Źródło: [1]

Na podstawie powyższego materiału źródłowego można powiedzieć, że już I generacja botów miała służyć wsparciu automatycznej pracy, którą można wykonać za człowieka. „Pierwsza generacja” często nie była jednak zasilana AI, nie potrafiła samodzielnie się uczyć, a rola takiego narzędzia była mocno ograniczona do odpowiedzi na wybrane pytania (tzw. FAQ boty).

Wraz z II generacją pojawia się lepsze zrozumienie wypowiedzi użytkownika (np. również kontekstowe), wsparcie sztucznej inteligencji, a z III generacją – rozpoznawanie mowy (komunikacja poprzez interfejs głosowy) oraz wykonywanie coraz bardziej zaawansowanych zadań. Już dzisiaj możliwe jest wdrożenie asystenta omnichannel, zarządzanego z jednego miejsca, który jednocześnie będzie korzystał i z przygotowanej bazy wiedzy, i wewnętrznych źródeł wspomagających (np. systemy CRM). To dodatkowe rozszerzenie funkcjonalności wpłynęło znacznie na finalny potencjał sztucznej inteligencji konwersacyjnej. Bot, który może odebrać połączenie, przeprowadzić rozmowę z użytkownikiem, wykonać zaplanowane zdarzenia dla danego typu scenariusza oraz złożyć raport ze swoich działań, to już narzędzie robotyzacji procesów biznesowych.

System konwersacyjny wsparty sztuczną inteligencją: interfejsy, baza wiedzy, źródła danych

Zaawansowane systemy konwersacyjne nie mogłyby rozwinąć się do obecnego poziomu, gdyby nie wspomagająca je sztuczna inteligencja. O ile jeszcze do niedawna proste systemy wpierające komunikację mogły istnieć niemal bez AI, o tyle dzisiaj przy zaawansowanych programach jest to w zasadzie niemożliwe.

Architektura takich systemów składa się z kilku „warstw”, powiązanych ze sobą. Warto tutaj wymienić części takiego ekosystemu:

  • interfejs (np. głos, okno dialogowe chatbota) dopasowany do kanału komunikacji,
  • technologie związane z przetwarzaniem intencji użytkownika i wyszukiwaniem odpowiedzi na pytania, w tym:

– silnik NLP wsparty siecią neuronową (deep learning),
– opcjonalnie – w przypadku kanału głosowego: ASR i TTS,
– baza wiedzy,
– wyszukiwarka semantyczna,

  • panel administracyjny, służący do zarządzania bazą wiedzy i analizy działania systemu,
  • zewnętrzne źródła danych, z którymi „spięty” jest asystent (np. CRM, ERP),
  • systemy analityczne.

Zalecane jest również, aby każdy system konwersacyjny, niezależnie od jego złożoności technologicznej, mógł otrzymać wsparcie człowieka (np. konsultanta na infolinii).

architektura systemu konwersacyjnego

Wykres 1. Przykładowa architektura systemu konwersacyjnego, w której znajduje się jeszcze serwer pośredniczący. Opracowanie: KJ. 

Baza wiedzy a machine learning

Sztuczna inteligencja konwersacyjna nie istniałaby bez bazy wiedzy, z której pobiera informacje. To ta część wirtualnego asystenta, która przygotowywana indywidualnie pod każde wdrożenie.

Machine learning znacznie przyspiesza konfigurację bazy wiedzy i umożliwia szybkie uruchomienie rozwiązania. W przypadku platformy OCP istnieje możliwość konfiguracji bazy wiedzy, dzięki plikom trenującym i testowym.

Więcej o machine learning we wdrożeniach chatbotów i voicebotów przeczytasz tutaj: Machine learning we wdrożeniach chatbotów i voicebotów

Perfekcyjne wyniki systemów konwersacyjnych: mechanizm podwójnego wyszukiwania

Osiąganie bardzo dobrych wyników w rozumieniu intencji (nawet na poziomie 98%) oraz odpowiedzi na pytania użytkowników jest zasługą dobrze zrealizowanego wdrożenia (w tym konfiguracji), ale nie bez znaczenia pozostają tutaj mechanizmy stojące za procesem wyszukiwania odpowiedzi na pytanie.

wyszukiwanie semantyczne

Wykres 2. Mechanizm podwójnego wyszukiwania w systemie konwersacyjnym.

Wykres 2. Mechanizm podwójnego wyszukiwania w systemie konwersacyjnym.

Poniższy schemat obrazuje równolegle kierowane do silnika NLP oraz wyszukiwarki semantycznej zapytania użytkownika. Dzięki takiemu podejściu, oprócz odpowiedzi głównej, wirtualny asystent potrafi także wyjść na przeciw kolejnym zapytaniom.

Kluczowe AI: deep learning w silniku NLP

Silnik NLP to kluczowy element całego systemu. Przetwarzanie języka naturalnego pozwala wirtualnym asystentom rozumieć, co użytkownik ma im do powiedzenia. W Omni-chatbot autorski silnik działa tak sprawnie, ponieważ zasilają go sieci neuronowe (deep learning).

Na jakim poziomie jest dzisiaj sztuczna inteligencja konwersacyjna?

Rozwój sztucznej inteligencji, w tym machine learning, ma ogromny wpływ na systemy konwersacyjne. Coraz bardziej zaawansowane NLP wsparte siecią neuronową (deep learning), trenowanie baz wiedzy za pomocą machine learning, mechanizmy udoskonalające wyszukiwanie (rozumienie kontekstowe, wyszukiwarka semantyczna) pozwalają osiągnąć bardzo dobre efekty. Dodatkowo, ASR i TTS otwierają wirtualnych asystentów ma możliwość funkcjonowania w kanale głosowym.

Powiązanie programów realizujących proces obsługowy z dodatkowymi źródłami wiedzy (np. wewnętrzne zasoby organizacji) pozwala budować systemy o bardzo szerokiej funkcjonalności. Takie narzędzie może być elastycznie dostosowane do indywidualnych potrzeb danej organizacji oraz wykonywać wiele innych działań poza samą rozmową. Jest w stanie realizować dowolne scenariusze i automatyzować wybrane procesy, zachowując powiązania między nimi.

Wirtualny asystent human-like: czy ze sztuczną inteligencją konwersacyjną porozmawiamy jak z człowiekiem?

sztuczna inteligencja konwersacyjna

Chociaż z perspektywy biznesowej najważniejsza pozostaje zawsze realizacja celów biznesowych (takich jak generowanie oszczędności, skrócenie procesu), nie oznacza to, że sama jakość rozmowy pozostaje bez znaczenia. Wręcz przeciwnie – wysoka ocena jakości prowadzenia dyskusji deklarowana przez użytkownika, jest powiązania ze skutecznością asystenta i realizacją celów biznesowych.

Pytanie, o to, czy sztuczna inteligencja może dorównać w prowadzeniu rozmowy dialogowi z człowiekiem, zastępowane jest dzisiaj raczej przez to, kiedy programy dedykowane do konwersacji będą tak biegłe w sztuce prowadzenia rozmów jak ludzie?

Często w branży AI pada pytanie, kiedy sztuczna inteligencja będzie komunikować się w sposób nieodróżnialny od człowieka? Dynamiczny rozwój dziedziny jaką jest sztuczna inteligencja powoduje, że możemy już bardzo blisko tego momentu. Efektywność rozumienia przez naszych asystentów intencji użytkownika wynosi już ponad 90%. Coraz częściej przy wdrożeniach wirtualnych doradców, także tych głosowych, przebijamy próg 98%! To wynik, jaki jeszcze kilka lat temu wydawał się nieosiągalny. Wciąż jest to natomiast tylko pewna próba działania rozwiązania. Pełna realizacja całego procesu wytypowanego do obsługi – to jest tak naprawdę główny cel obecnych wdrożeń.

To, na co jeszcze będzie się zwracać uwagę w bardzo niedalekiej przyszłości przy pracach nad sztuczną inteligencją konwersacyjną na potrzeby biznesu to m.in. wzmocnienie personalizacji i udoskonalenie wykrywania intencji w oraz dostosowywanie się do osobowości użytkownika. Przy wdrożeniach stawia się dzisiaj na zaawansowane wyszukiwanie treści i kompleksową obsługę. I to podejście będzie mieć jeszcze większe znaczenie.  

Źródła:

  1. K.Kuligowska: Polska konwersacyjna sztuczna inteligencja. 10 lat rozwoju wirtualnych doradców. Uniwersytet Warszawski: https://biznes.interia.pl/download/p.iplsc.com/-/0009KZQ3CM61JQ0U.pdf 
  2. I. Kułakowska: Budowa chatbota rozmawiającego i budującego bazę wiedzy na temat
    różnych doświadczeń i problemów interpersonalnych. AGH: http://home.agh.edu.pl/~horzyk/pracedyplom/2015%20IzabelaKu%C5%82akowskaPracaMagisterska.pdf

 

 

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *

});