Teks lengkapnya adalah 3759 kata dan waktu pembelajaran yang diharapkan adalah 12 menit
Sumber: chatbotslife
Kami tidak lagi sering berkomunikasi langsung dengan layanan pelanggan manusia Antarmuka bahasa percakapan mulai mendominasi layanan pelanggan, dan bot obrolan mulai bekerja dengan sertifikat sebagai layanan pelanggan baru.
Namun, efeknya tidak memuaskan. Sebagian besar waktu Anda mungkin masih harus menelepon layanan pelanggan manusia secara gratis, yang benar-benar menjengkelkan.
Menurut Forrester, 2019 dapat dianggap sebagai tahun "melawan chatbot yang tidak efisien". Acquia, sebuah perusahaan layanan perangkat lunak terbuka, melakukan survei terhadap 5.000 pelanggan dan 500 pedagang di Amerika Utara, Eropa, dan Australia. 45% pelanggan menganggap bot obrolan "menjengkelkan".
Tetapi fakta lainnya adalah bahwa program obrolan AI memiliki harapan besar, dan pentingnya bagi bisnis tidak dapat diremehkan.
Survei Gartner menunjukkan bahwa pada tahun 2021, lebih dari 50% perusahaan akan membelanjakan lebih banyak untuk chatbot daripada mengembangkan aplikasi seluler tradisional; pada tahun 2022, chatbots diharapkan dapat membantu perusahaan menghemat biaya $ 8 juta; pada tahun 2023, Dengan bantuan bot obrolan, perusahaan dan pelanggan diharapkan dapat menghemat 2,5 miliar jam; pada tahun 2024, pasar bot obrolan dunia diperkirakan akan melampaui 1,3 miliar dolar AS.
Jika digunakan dengan benar, program obrolan AI dapat sangat meningkatkan daya saing dan sepenuhnya mengubah mode komunikasi antara perusahaan dan pelanggan.
Sumber: mygreatlearning
Jadi mengapa konsumen semakin tidak puas dengan chatbot? Bagaimana perusahaan memastikan bahwa asisten mesin dapat mempromosikan hubungan antara perusahaan dan pelanggan?
Ada beberapa alasan yang tidak sulit untuk dipahami. Misalnya, banyak perusahaan terlalu mengandalkan bot obrolan, sehingga mereka belum dapat membuat "jaring pengaman" buatan (jika permintaan pelanggan meningkat, perusahaan harus segera menyerahkan masalah kepada manusia untuk pemrosesan yang efektif); beberapa bot obrolan merespons terlalu lambat, yang lain cepat Itu tidak normal.
Ada juga beberapa chatbot yang kepribadiannya tidak sesuai dengan sikap merek. Beberapa chatbot perusahaan belum matang, sehingga perusahaan hanya dapat terus mengubahnya, yang seringkali menjadi kesalahan fatal.
Tetapi pada dasarnya, bot obrolan tidak dapat berkomunikasi dengan pelanggan dengan lancar. Ini mungkin karena sangat sulit untuk "memahami bahasa manusia" dan "berbicara bahasa manusia"! Ini sering kali terabaikan.
Orang-orang mengharapkan interaksi alami dengan chatbot, dan berharap AI dapat merespons ekspresi dan persyaratan alami mereka. Tetapi masalahnya adalah begitu komunikasi respons-perintah sederhana ditinggalkan, chatbot harus menggunakan bahasa manusia yang kompleks.
Meskipun kami pikir itu normal untuk bercakap-cakap satu sama lain, bahkan anak berusia tiga tahun pun dapat melakukannya, tetapi sulit untuk sebuah mesin.
Datang dan lihat, mengapa AI chatbot Anda tidak mengerti maksud Anda dan tidak bisa berbicara dengan baik?
kata ganti
Arti kata benda, kata kerja, dan istilah lain mudah bagi robot, tetapi kata ganti merepotkan, karena kata ganti merujuk pada hal-hal yang disebutkan dalam konteks sebelumnya.
Sumber: unsplash
Setiap kata ganti harus memiliki anteseden, seperti entitas atau individu tertentu yang disebutkan di atas. Tetapi dalam beberapa kasus, ada lebih dari satu anteseden, jadi tugas audiens adalah memilih anteseden yang benar berdasarkan konteks.
Misalnya, Anda baru saja meninggalkan rumah untuk pergi bekerja dan membuat permintaan berikut ke asisten robot:
Orang: Matikan lampu dan teko kopi di ruang tamu
Robot: Oke
Orang: Buka jam 6 malam
Arti "it" pada kalimat kedua sangat kabur, karena bisa merujuk pada teko kopi dan lampu di ruang tamu. Chatbot yang dirancang dengan baik harus menyadari ambiguitas ini dan meminta penjelasan.
contoh lain:
"Jennifer mengundang Amanda untuk datang dan bermain, dan dia menyiapkan makan malam yang enak untuknya."
Manusia dapat mengetahui dari konteksnya bahwa "dia" yang pertama kemungkinan besar merujuk pada Jennifer, dan yang kedua "dia" mengacu pada Amanda, karena kita tahu bahwa orang yang mengirim undangan harus menyiapkan makan malam.
Lihat contoh ini lagi:
"Jennifer mengundang Amanda bermain, dan dia memberinya kalung yang indah."
Jadi siapa sebenarnya yang memberikan kalung itu kepada siapa? Konvensi sosial yang melibatkan kalung hadiah kurang dari menyiapkan makan malam, bahkan manusia pun tidak yakin tentang arti kalimat ini.
"Jennifer mengundang Amanda untuk datang dan bermain, tapi dia memberitahunya bahwa dia akan pergi ke luar kota."
Akan sangat aneh jika Jennifer mengundang Amanda untuk datang bermain, dan kemudian tiba-tiba mengatakan kepadanya bahwa dia akan pergi jauh hari itu. Jadi bisa dipastikan Amanda akan keluar, jadi kami tidak bisa terima undangannya.
Sekali lagi, kami baru saja mendapatkan arti yang benar karena konteks dan konvensi sosialnya, dan ini sangat sulit untuk chatbot.
Sumber: chatbotslife
Sekarang, mari kita lihat berapa banyak anteseden kata ganti yang mungkin ada dalam konteks tertentu.
"Anna memberi tahu Bryan bahwa dia memutuskan untuk belajar menulis kreatif di Inggris selama setahun."
"Ini mungkin karir hidupnya." (Ini = menulis kreatif)
"Dia akan pindah kembali untuk tinggal bersamanya setelah dia menyelesaikan ini." (Ini = belajar di Inggris selama satu tahun)
"Inilah yang dia pikirkan sepanjang minggu." (Ini = membuat keputusan)
"Karena ini, mereka bertengkar selama dua jam." (Ini = beri tahu Brian tentang ini)
Bagaimana caranya agar chatbot biasa bisa membedakan kata-kata seperti itu?
idiom
Terkadang, kami hanya menggunakan arti literal dari kata-kata, tetapi dalam banyak kasus, kami juga menggunakan idiom yang terdiri dari kata-kata ini. Idiom mengacu pada sekelompok kata yang tidak dapat disimpulkan dari satu kata, tetapi harus diingat secara keseluruhan.
Dalam kesalahan berikut, Siri hanya memahami secara harfiah arti dari idiom "buat catatan" dan hanya menafsirkan arti setiap kata. Bahkan, idiom ini sering digunakan untuk mengungkapkan makna "mengingat sesuatu".
Orang-orang akan memutuskan apakah sekelompok kata tertentu merupakan idiom berdasarkan konteks dan petunjuk lain, tetapi bot obrolan tidak dapat melakukannya dengan mudah. Ketika chatbot menafsirkan idiom itu secara harfiah, adegan memalukan itu tidak terbayangkan. Misalnya, "membuat darah Anda mendidih" berarti "membuat orang marah". (Apakah chatbots medis memahaminya sebagai gejala dan penyebab pasien?)
Contoh dari jenis ini adalah "putuskanlah", "buat harimu", "Hujan kucing dan anjing", "patah kaki", "melayang di udara", dan "sepotong kue" dan sebagainya.
Sumber: unsplash
Struktur fuzzy
Ada juga beberapa ambiguitas struktural. Misalnya, kalimat "Ayam siap makan" bisa berarti ayam sudah disajikan di atas meja, atau Anda harus memberi makan ayam peliharaan.
Chatbot harus mengetahui konteks di mana berbagai percakapan terjadi, apakah itu tentang dunia atau tentang situasi pribadi Anda (misalnya, Anda tidak memberi makan ayam peliharaan, atau ayam mengacu pada hidangan populer alih-alih hewan peliharaan, atau Anda Seorang vegetarian yang memperlakukan ayam sebagai hewan peliharaan), hanya dengan cara ini kita dapat membuat pemahaman yang benar.
Jika sebuah kalimat mengandung kata kerja waktu dan lebih dari satu kata kerja, kata kerja mana yang harus dimodifikasi oleh kata keterangan tersebut?
Misalnya, kalimat "Jamie berkata pada hari Jumat kita akan mengadakan pesta" memiliki dua arti:
1. Jamie mengatakan pada hari Jumat bahwa kami akan mengadakan pesta.
2. Jamie mengatakan bahwa kami akan mengadakan pesta pada hari Jumat.
Dalam percakapan nyata, orang dapat menentukan arti kalimat dengan konteks yang kaya atau mengonfirmasinya dengan bertanya, tetapi kebanyakan chatbot tidak dapat membedakan struktur kalimat yang tidak jelas.
Menghilangkan
Dalam komunikasi lisan informal, kami biasanya menghilangkan informasi yang menurut kami dapat diperoleh pihak lain dalam konteksnya.
Misalnya, kita biasanya mengatakan "Saya alergi terhadap produk susu, begitu juga ikan." - Setiap orang secara alami akan memahami bahwa Anda alergi terhadap ikan dan produk susu, tetapi bukan ikan yang alergi terhadap produk susu.
Dalam beberapa kasus, kelalaian juga dapat menyebabkan ambiguitas. Misalnya:
1. Mike menyukai ibunya, begitu pula Bill. (Apakah Bill menyukai ibu Mike atau ibunya sendiri?)
2. Anna ada di kamarnya, begitu juga Jane. (Apakah Jane di kamar Anna atau kamarnya sendiri?)
Pertanyaan retoris dan sarkasme
Tidak setiap pertanyaan membutuhkan jawaban. Beberapa pertanyaan mengungkapkan makna pertanyaan retoris, dan pembicara hanya ingin menyampaikan keadaan emosinya.
Sumber: unsplash
Misalnya, pertanyaan Apakah Anda tahu jam berapa sekarang? Jawaban umumnya adalah waktu spesifik (sekarang 11:30"), nada berikut berbeda:
"Kamu bilang kita akan sampai di sana sebelum jam 11! Kamu tahu jam berapa sekarang?"
Jika chatbot Anda menjawab "Ini 11:30", sangat sulit untuk menahan diri dari memutar mata Anda.
Selain itu, jika pelanggan gagal memahami sarkasme, percakapan tidak dapat dilanjutkan. Misalnya, pelanggan tidak puas dengan jawaban chatbot dan berkata: "Saya hanya perlu ini. Bagaimana cara melakukannya?" Jika chatbot tidak mendeteksi ironi, jawab: "Sama-sama" atau coba jawab pertanyaan ini, tentu saja pelanggan Tidak akan puas.
Lebih banyak ketidakpastian
Dalam beberapa kasus, seperti pidato, kita dapat menentukan makna kalimat yang tidak jelas (intonasi, nada, nada, dll.) Melalui petunjuk dalam ritme atau nada.
Misalnya, kalimat They are cooking apples memiliki dua arti:
1. Mereka sedang memasak apel.
2. Apel ini digunakan untuk memasak.
Orang dapat mengandalkan konteks dan intonasi untuk menentukan arti kalimat dengan benar, tetapi kebanyakan chatbot tidak bisa.
Humor yang ambigu
Lagi pula, membuat chatbot berbicara seperti manusia sama sulitnya dengan langit, dan selera humor adalah contoh terbaik. Di bawah ini adalah segmen komedi: Komedian Inggris Jimmy Carr menggunakan ketidakjelasan dan ketidakpastian pertanyaan untuk merancang segmen komedi yang sangat absurd ini.
Suatu hari, seorang wanita yang memegang lembar memo menghentikan saya di jalan. Dia berkata: Bisakah Anda meluangkan waktu untuk penelitian kanker? "Saya menjawab:" Tidak masalah, tapi kami hanya melakukan sedikit. "
Untuk menghindari kemungkinan jebakan ini, Anda memerlukan sistem obrolan yang benar-benar cerdas. Program obrolan ini harus cukup fleksibel dan belajar cepat, hanya dengan cara ini ia dapat memahami seluk-beluk bahasa manusia, yang tidak mungkin dilakukan dengan chatbot yang dikendalikan perintah biasa.
Sumber: unsplash
Bagaimana menghindari kesalahan
Kebanyakan chatbot saat ini memiliki masalah yang sama, yaitu mereka menggunakan AI dan pembelajaran mesin sebagai tanda tangan mereka. Namun, chatbot yang hanya didasarkan pada pembelajaran mesin pada dasarnya adalah sistem kotak hitam. Tanpa sejumlah besar data pelatihan yang dipilih dengan cermat, program ini tidak akan berfungsi.
Jika mereka tidak dapat langsung memahami maksud Anda, akan sulit juga bagi pengembang untuk meningkatkan dan menyempurnakannya. Satu-satunya cara untuk membuat mereka "berubah pikiran" adalah dengan menambahkan lebih banyak data. Data ini tidak hanya harus dimasukkan dalam jumlah besar, tetapi juga harus akurat, dikategorikan, dapat dibaca mesin, dan relevan. Beberapa perusahaan dapat menjamin bahwa program obrolan dalam setiap bahasa memiliki karakteristik di atas.
Sumber: aibusiness
Untungnya, ada cara untuk mengatasi masalah ini. Platform Teneo ArtificialSolutions melakukan hal itu. Platform menggunakan data yang sudah ada, tetapi tidak hanya mengandalkan mereka.
Pembelajaran bahasa dan sistem pembelajaran mesin menggunakan data dengan cara yang berbeda. Sistem pembelajaran bahasa didasarkan pada aturan, yang mempertimbangkan pengawasan manusia dan memungkinkan manusia untuk menyesuaikan aturan operasi dan jawaban sistem. Oleh karena itu, orang dapat mengontrol pemahaman sistem atas pertanyaan dan jawaban yang diberikannya.
Dalam sistem pembelajaran bahasa, jika Anda ingin mengubah pemahaman chatbot tentang sebuah kalimat, Anda hanya perlu mengubah aturan operasi program (dan sistem pembelajaran mesin hanya akan membuat perubahan setelah melihat contoh yang tak terhitung jumlahnya).
Singkatnya, kemampuan pembelajaran bahasa Teneo memungkinkan pengembang untuk memasukkan jawaban yang benar langsung ke dalam sistem, dan kemudian menggunakan pembelajaran mesin untuk menyempurnakan kinerjanya. Ini adalah solusi yang fleksibel dan komprehensif.Perusahaan dapat menggunakan solusi ini untuk mengembangkan chatbot tepercaya untuk membantu mereka membangun dan meningkatkan hubungan dengan pelanggan, daripada membiarkan robot merusak segalanya.
Bagaimana agar chatbot tidak lagi "mengganggu", pertanyaan ini sangat mendesak.
Komentar Suka Ikuti
Mari berbagi manfaat pembelajaran dan pengembangan AI
Jika mencetak ulang, silakan tinggalkan pesan di latar belakang dan ikuti spesifikasi pencetakan ulang
- Apakah Anda benar-benar mempelajari "pembelajaran mesin"? Bagaimana cara mempelajari "pembelajaran mesin"?
- Kesalahan umum menyebabkan kesalahan besar! Lebih dari selusin studi medis "berubah menjadi sia-sia"
- Suara Inti Hari Ini | Mengenai kasus Bao Mouming, yang ingin saya katakan adalah bom waktu di perusahaan