Klantrelaties opbouwen met gespreks-AI

In associatie met Verkoopsteam

We zijn er allemaal geweest. Luister naar ons hele menu, want onze opties zijn gewijzigd. Zeg of druk op één voor productinformatie... Soms zijn deze geautomatiseerde klantenservice-ervaringen effectief en efficiënt, andere keren minder.

Veel organisaties gebruiken al chatbots en virtuele assistenten om hun klanten beter van dienst te zijn. Deze intelligente, geautomatiseerde selfservice-agenten kunnen veelgestelde vragen afhandelen, relevante kennisartikelen en bronnen bieden om vragen van klanten te beantwoorden, en klanten helpen formulieren in te vullen en andere routineprocedures uit te voeren. In het geval van complexere vragen kunnen deze geautomatiseerde selfservice-agenten die verzoeken doorverwijzen naar een levende menselijke agent.

In tijden van onzekerheid en noodsituaties kunnen klantenserviceactiviteiten op basis van kunstmatige intelligentie (AI) van onschatbare waarde zijn voor bedrijven, omdat ze klantenservice of HR-callcenters helpen de pieken in de vraag bij te houden en de wachttijden en frustratie van klanten te verminderen. Volgens recente schattingen Gartner voorspelt dat tegen 2022 , zal 70% van de klantinteracties betrekking hebben op opkomende technologieën zoals machine learning-applicaties, chatbots en mobiele berichtenuitwisseling. Dat is een stijging van 15% ten opzichte van 2018.

Bij dit soort conversatie-interacties kunnen AI-chatbots het bereik van de klantenservice van een organisatie vergroten en een niveau van wederkerigheid met hun klanten behouden, zegt Greg Bennett, conversatieontwerpprincipal bij Salesforce. Er is ook de mogelijkheid voor het bedrijf om zijn merk, zijn stem en zijn toon uit te drukken door middel van woorden en taal die het gebruikt om een ​​grotere mate van intimiteit te creëren. Bennett is nauw betrokken bij het trainen van AI-systemen die chatbots voor gesprekken aandrijven en ervoor zorgen dat ze inclusief zijn en een breed scala aan dialecten, accenten en andere taalkundige uitdrukkingen kunnen begrijpen.

Niet alleen wordt het gebruik van AI-automatisering steeds wijdverbreider, het blijkt ook een belangrijke business driver te zijn. Gartner verwacht dat AI-augmentatie in 2021 zal genereren $ 2,6 biljoen aan zaken waarde. Het zou ook maar liefst 6,2 miljard arbeidsuren kunnen besparen.

Conversationele intelligentie gedefinieerd

Volgens onderzoek uitgevoerd door managementadviesbureau Korn Ferry is gespreksintelligentie een gezamenlijke inspanning. En die gezamenlijke inspanning is wederkerigheid van twee deelnemers om te communiceren op manieren die leiden tot een gedeeld concept van de werkelijkheid. Dat dicht de kloof tussen de individuele realiteit van de twee sprekers en helpt bedrijven klanten te helpen.

Met dat in gedachten hebben Salesforce en andere bedrijven dat concept een stap verder gebracht door te zoeken naar manieren om gespreksintelligentie te combineren met technologie. Door deze inspanningen is de AI-aangedreven gespreksintelligentie in de loop van de tijd zelfs enorm verbeterd. Dit begon met eenvoudige tekstherkenning waarin het vrij eenvoudig is om een ​​aanzienlijke mate van nauwkeurigheid te bereiken. Maar tekstherkenning kan enigszins tweedimensionaal zijn, daarom is het onderzoek gevorderd om geautomatiseerde spraakherkenning op te nemen. Geautomatiseerde spraakherkenningssystemen moeten rekening houden met verschillende talen, accenten en akoestische verbuigingen, wat veel moeilijker en genuanceerder is. Naarmate AI-algoritmen geavanceerder zijn geworden en de tijd en ervaring hebben gehad om meer taalkundige variaties op te nemen, heeft AI-technologie haar vermogen verbeterd om de diepere subtiliteiten van menselijke gespreksinteracties nauwkeurig te begrijpen.

Conversationele intelligentie is de constellatie van functies en technologieën die mensen en machines in staat stellen om om de beurt taal uit te wisselen en te werken aan het bereiken van een discursief doel, zegt Bennett.

Deze AI-systemen gericht op taalkunde gebruiken een aantal verschillende technologieën om geschreven en gesproken interacties met mensen te begrijpen. Sommige hiervan omvatten het volgende:

• Geautomatiseerde spraakherkenning, die wordt gebruikt om gesproken taal voor spraaksystemen te begrijpen;
• Natuurlijke taalverwerking, waarmee computers gesproken en geschreven taal kunnen begrijpen, interpreteren en analyseren; en
• Natuurlijk taalbegrip, waardoor AI de bedoeling kan begrijpen.

Het gaat veel verder dan eenvoudige tekstherkenning, maar het begrijpen van natuurlijke taal is waar AI echt zijn sterke punten naar voren brengt. Door diepere, meer genuanceerde gesprekken mogelijk te maken, wordt de effectiviteit van mens-AI-interacties vergroot. Wanneer een door AI aangedreven klantenservicesysteem beter is toegerust om natuurlijke taal te herkennen en te onderscheiden met minder fouten, kan het een klant door een volledige interactie leiden zonder dat er een menselijke servicemedewerker hoeft te worden ingeschakeld. Dit maakt de agenten vrij om zich te concentreren op complexere zaken.

En door deze mogelijkheden in klantenserviceomgevingen te gebruiken, kunnen bedrijven niet alleen de interactie met hun klanten versnellen en verbeteren, maar ook de algehele klantrelatie verbeteren. Als we een machine kunnen hebben die dat soort interactie tussen een bedrijf en een klant mogelijk maakt, dan helpt het om een ​​relatie met die klant verder op te bouwen op een manier die een helpartikel niet zou doen, zegt Bennett.

En hoe meer een AI-systeem met mensen omgaat, hoe effectiever de algoritmen worden. Door interactie met mensen kan een AI-systeem de gegevens verzamelen die nodig zijn om het begrip van natuurlijke taal te verbeteren om de bedoeling beter te begrijpen, wat helpt om meer genuanceerde mens-computergesprekken mogelijk te maken. Menselijke interactie helpt deze AI-systemen ook om de herkenning en voorspellende mogelijkheden te verbeteren om meer gepersonaliseerde inhoud te leveren. Door de vele manieren te leren waarop mensen zich gedragen en met elkaar omgaan, wordt de reactie van het systeem nauwkeuriger.

AI-algoritmen absorberen, verwerken en analyseren de datasets die in het systeem worden ingevoerd met behulp van hun eigen specifieke vergelijkingen. Deze verwerking gebeurt in een van de twee basismodaliteiten: onder toezicht of zonder toezicht. Bij gesuperviseerde verbetering krijgen datasets een toegewezen doelwaarde of categorie. Bij verbetering zonder toezicht analyseert het algoritme de dataset zelfstandig zonder begeleiding of beperkingen.

Naarmate ze meer gegevens ontvangen en verwerken, evolueren, passen en verbeteren de algoritmen hun analytische modellen. Dus de algoritmen verbeteren en verfijnen zichzelf op basis van zowel de kwaliteit als de kwantiteit van de verwerkte gegevens. Er zijn ideeën dat AI verschillende intenties, reikwijdte en context kan verzamelen door interactie met mensen, zegt Bennett. Deze stapsgewijze verbeteringen in voorspellend vermogen en diepgaande kennis verhogen de efficiëntie van klantbetrokkenheid.

Taalkundige uitdagingen waarderen

Hoewel natuurlijke taalverwerking een lange weg heeft afgelegd, blijft geautomatiseerde spraakherkenningstechnologie voor uitdagingen staan ​​bij het herkennen van het volledige scala aan taalvariaties. Er zijn al die verschillende Engelse accenten, ze zijn allemaal robuust en geldig en moeten gevierd worden, zegt Bennett. Andere taalkundige variaties die AI uitdagen, zijn onder meer verschillende slang- of alledaagse uitdrukkingen om vergelijkbare betekenissen over te brengen en andere paralinguïstische kenmerken zoals toon, intonatie, tempo, pauze en toonhoogte.

Het is van het grootste belang om AI te helpen de inherente niveaus van vooringenomenheid in het systeem te beheren en uit te breiden om het volledige scala aan taalkundige variaties te herkennen. Deze incrementele verbeteringen in het voorspellende vermogen van AI-algoritmen helpen de klantervaring te verbeteren door het aantal heen en weer uitwisselingen en momenten van frustratie als gevolg van een gebrek aan nauwkeurige herkenning te verminderen.

Maar deze inspanningen en vorderingen brengen bepaalde ethische raadsels met zich mee. Denk bijvoorbeeld aan hoe minderheden worden weergegeven in trainingsdatasets, of beter gezegd hoe ze niet worden weergegeven. De meest gebruikte datasets sluiten meer diverse uitingen van dialect en sociale identiteit uit. Zorgen voor een diverse vertegenwoordiging in de teams die AI-technologieën ontwikkelen, is een cruciale stap in de richting van de ontwikkeling en ontwikkeling van AI-algoritmen om een ​​breder scala aan taalkundige uitdrukkingen te herkennen.

Nu AI in staat is om een ​​grotere mate van variatie mogelijk te maken, zou het in staat moeten zijn om rekening te houden met bredere contextuele relevantie en meer inclusief te zijn. Hoewel conversatie en taal het kanaal zijn, is het de plicht van mensen die met AI-systemen werken om toegankelijkheid te blijven overwegen in dialecten, accenten en andere stilistische variaties.

Ondervertegenwoordigde minderheden hebben in deze systemen zeer weinig vertegenwoordiging van hun dialect en de uitdrukking van hun sociale identiteit door middel van taal. Het komt vooral door hun gebrek aan vertegenwoordiging bij de teams die de technologie maken, zegt Bennett. Door ervoor te zorgen dat bedrijven die AI-systemen ontwikkelen en implementeren meer diverse teams in de mix brengen, kan die inherente vooringenomenheid worden weggenomen.

AI-systemen hebben het vermogen om een ​​grotere mate van variatie mogelijk te maken. Wanneer de systemen die variaties nauwkeurig kunnen interpreteren en een contextueel relevant antwoord kunnen genereren, zal AI zich sterker dan ooit hebben ontwikkeld. Dat is echt waar ik denk dat de evolutie [van het veld] ons heeft gebracht, zegt Bennett.

Dat wil natuurlijk niet zeggen dat er geen andere ethische en praktische zorgen zijn rond het uitgebreide gebruik van AI. Bezorgdheid over privacy, verantwoordelijkheid, transparantie en het nauwkeurig en adequaat delegeren van besluitvormingsprocessen zijn allemaal nog steeds relevant. En dan is er nog het ethische gebruik van stemopnames. Het is een groeiend veld waarin nog belangrijke parameters moeten worden gedefinieerd.

Een diepere verbinding tussen mens en AI smeden

Door het volledige scala aan taalvariaties aan te pakken en meer diverse groepen en historisch ondervertegenwoordigde minderheden in het proces op te nemen, wordt echt gebouwd aan de toekomst van de verbinding tussen mens en AI. Dit zal ook leiden tot meer wijdverbreide use-cases voor bedrijven. In feite zal de grootste onderscheidende factor in de toekomst van gesprekstechnologie het vermogen zijn om robuust gespreksbegrip te bieden, ongeacht taal, accent, straattaal, dialect of andere aspecten van sociale identiteit.

Bennett herinnert zich een les van een professor op de middelbare school: ze zei: 'Een gesprek voeren is als het beklimmen van een boom die terug klimt.' gesprek als gedragsoefening. Conversation is geen solo-act. Het is tweerichtingsverkeer. Echte conversatie is de handeling - sommigen zeggen misschien zelfs de kunst - om om de beurt te praten en te luisteren, ideeën uit te wisselen, gevoelens uit te wisselen en informatie uit te wisselen.

In de taalkunde geven de paralinguïstische kenmerken van spraak, zoals verbuiging, intonatie, tempo, pauze en toonhoogte, de pragmatische betekenislaag aan een gesprek, zegt Bennett. In plaats van ons te concentreren op hoe gebruikers AI-systemen kunnen helpen, moeten we ons afvragen hoe we het systeem kunnen schalen om de gebruikers te ontmoeten waar ze zich bevinden. Gezien wat we weten over taalkunde, geloof ik niet dat je enige vorm van taalverandering kunt forceren, zegt hij. Conversationele AI-technologie is zo opgezet dat het zou kunnen slagen als we die benadering op de pragmatische laag zouden volgen - de paralinguïstische kant van de dingen.

Het vermogen om te begrijpen, volledig te begrijpen en te schalen naar dat niveau van taalkundige diversiteit is waar AI naar op weg is, zegt Bennett. Startups in de conversatie-AI-ruimte indexeren daarop als een onderscheidende factor. En als je erover nadenkt, als je meer diverse groepen en historisch ondervertegenwoordigde minderheden in het proces betrekt, vergroot dat eigenlijk je totale adresseerbare markt.

Deze inhoud is geproduceerd door Insights, de aangepaste inhoudstak van MIT Technology Review. Het is niet geschreven door de redactie van MIT Technology Review.

zich verstoppen