Konversationel kunstig intelligens fungerer som grænsefladen mellem en person og en computer, hvorigennem organisationer kan opnå engagerende tovejsinteraktioner. Teknologien forbindes normalt med callcentre og virtuelle assistenter/chatbots, selvom den kan anvendes i praktisk talt alle vertikale brancher. Takket være maskinlæring og AI-gennembrud i løbet af de sidste par år er konversations-AI vokset ud over chatbots til at omfatte en række forskellige use cases.
Conversational AI har eksisteret nu i flere år, men teknologien har ikke været klar til andet end et laboratorium. Men nu, takket være fremskridt inden for AI-teknologi, accelereret computing og maskinlæringsmodeller, er konversations-AI klar til at bevæge sig ind i forretningsverdenen som en mainstream-teknologi, især inden for kundeoplevelse.
Tidligere på måneden samledes et panel af eksperter fra T-Mobile, RingCentral og Hugging Face på NVIDIA 2021 GTC-konferencen for at diskutere, hvordan samtale-AI har forbedret deres virksomheder og for at dele tendenser, der former fremtiden for denne nye teknologi. På konferencen afslørede NVIDIA også Riva Custom Voice, et nyt værktøjssæt, der kan bruges til at skabe brugerdefinerede stemmer med kun 30 minutters taleoptagelsesdata.
Innovationen, der sker omkring stemmesyntese og taledata, vil “forvandle den måde, virtuelle assistenter og chatbots forbinder og taler tilbage på,” sagde Kari Briski, NVIDIAs vicepræsident for softwareproduktstyring til AI/HPC (high-performance computing). Der er en enorm mulighed for at bruge data til at bygge nye konversations-AI-modeller, der tager hensyn til folks accenter og særskilte lydmiljøer, såsom støjende kaffebarer og udendørs sportsbegivenheder.
AI er i stand til at lære sig selv
“I fremtiden vil vi se AI definere sine egne data,” sagde Prashant Kukde, Assistant Vice-President for Conversational AI hos RingCentral. Meget ligesom et baggrundsfilter, der slører et rodet rum, sagde Kukde, at AI kunne fungere som et baggrundsfilter i realtid for at eliminere en accent, når en ikke-modersmålstaler taler. På samme tid ville en person i den anden ende høre den accent, de er bekendt med. Dette koncept med tovejs konversations-AI er blot et eksempel på innovation i dette rum, sagde Kukde.
For at tage et skridt tilbage til nutiden, er RingCentrals nuværende fokus at anvende AI til spontane samtaler, der typisk findes i virtuelle møder. Udbyderen af unified communications as a service (UCaaS) samler konversations-AI i sin eksisterende produktportefølje. Det lancerede for nylig en ny automatiseret opsummeringsfunktion, der genererer tale-til-tekst møderesuméer for at give deltagerne en bedre oplevelse og til gengæld forbedrer produktiviteten.
Hvorfor bør den være i ethvert kontaktcenter
Hvorimod T-Mobiles samtale-AI-implementeringer spænder fra at støtte T-Mobile-medarbejdere til eksterne kunder. T-Mobile bruger kunstig intelligens i sine kontaktcentre til at dokumentere samtaler mellem kunder og kundeservicemedarbejdere, både via chatbots og selvbetjening. Den trådløse operatør bruger også AI til at transskribere samtaler fra tale til tekst for at hjælpe agenter, der arbejder i callcentre (agent-assist).
Da COVID-19 ramte, blev T-Mobile callcentre oversvømmet med kundeanmodninger om betalingsplaner på grund af de økonomiske vanskeligheder forårsaget af pandemien. T-Mobile var i stand til at automatisere denne enkle opgave ved at udrulle en chatbot, der hjalp kunder med at lave betalingsarrangementer. Hvad T-Mobile ikke forventede, er at få så højt et investeringsafkast (ROI) ved at lancere et lille sideprojekt, som blev til et meget brugt værktøj.
“Vi troede, at chatbot kun ville leve for coronavirus-sæsonen. Men i de første 18 måneder af dens levetid havde vi et 750 procent ROI fra denne chatbot,” sagde Heather Nolis, T-Mobiles vigtigste maskinlæringsingeniør. “Der er mange rutineopgaver, der sker i vores callcentre, hvor mennesker ikke er nødvendige. Faktisk fandt vi ud af, at omkring 30 procent af vores kunder ikke ønsker at tale med en person og foretrækker en samtaleassistent.”
Conversational AI fortsætter sin hurtige udvikling
I løbet af de sidste tre år har konversations-AI udviklet sig til at omfatte nye typer modeller, der giver bedre forudsigelser til at opsummere og klassificere tekst, forstå følelser og gøre nye ting både i tale og syn. Fremover vil samtale-AI blive drevet af åbent samarbejde gennem modeller, kontrolpunkter og implementeringer. Det betyder, at organisationer bliver nødt til at omfavne mere pragmatisk kunstig intelligens, som tackler forretningsproblemet i stedet for løsningen, sagde Jeff Boudier, produktdirektør hos Hugging Face, skaberen af Transformers open source natural language processing (NLP) bibliotek.
“En af de vigtigste udfordringer i de sidste tre år har været at tage videnskaben i hænderne på praktikerne,” sagde Boudier. “Pragmatisk kunstig intelligens kræver brug af open source-teknologier så meget som muligt. Det er en af de definerende egenskaber ved maskinlæring, den er videnskabsdrevet. Det er et levende system, som folk bygger.”
Hugging Faces Transformers-bibliotek opfordrer til bidrag fra mange mennesker på tværs af forskellige brancher. Der er mere end 1.600 offentlige datasæt tilgængelige på cirka 200 sprog. Alle kan få adgang til 70.000 gratis transformermodeller, leveret af et fællesskab på 1.000 bidragydere (og i vækst). Datasættene omfatter alt fra klassificering af tekst til transskribering af lyd til genkendelse af objekter på fotos og videoer.
En åben, kollaborativ fremtid er det ultimative mål for samtale-AI. Men før organisationer kan nå dertil, skal de forstå, hvorfor de bygger chatbots og andre AI-baserede tjenester i første omgang. RingCentrals Kukde mener, at organisationer gradvist bør indføre samtale-AI og placere det på en måde, der ikke får folk til at føle, at det overtager deres job. Når AI introduceres gradvist, har organisationer tid til at indsamle feedback med mere data, bedre træning og fortsætte med at bygge til fremtiden, sagde han.
Nolis mener, at en god strategi for organisationer er at skabe chatbots, der giver brugerne med en god oplevelse frem for at komme med forslag, de allerede kender. Det er vigtigt at forstå, hvor chatbots skal og ikke bør bruges, så folk elsker faktisk at tale med chatbots i stedet for at tolerere dem og håbe på til sidst at komme til en rigtig person.
“Enhver, der bygger en chatbot, bør lytte til deres brugere ved at se på de data, de allerede har fra interaktioner på sociale medier, klager og samtaler med kundeserviceagenter,” konkluderede Nolis. “Hvis AI-agenten, vi bygger, ikke kan gøre, hvad et menneske kan, så lader vi et menneske håndtere det, fordi vi virkelig bekymrer os om kvaliteten af vores kundeservice.”
Samarbejde