Was ist dialogorientierte KI?

Dialogorientierte KI kombiniert die Verarbeitung natürlicher Sprache (NLP) mit maschinellem Lernen. Diese NLP-Prozesse fließen in eine ständige Feedbackschleife mit Prozessen des maschinellen Lernens ein, um die KI-Algorithmen kontinuierlich zu verbessern.

Dialogorientierte KI verfügt über grundlegende Komponenten, die es ihr ermöglichen, auf natürliche Weise zu verarbeiten, zu verstehen und Antworten zu generieren.

Maschinelles Lernen (ML) ist ein Teilbereich der künstlichen Intelligenz und besteht aus einer Reihe von Algorithmen, Funktionen und Datensätzen, die sich durch Erfahrung kontinuierlich verbessern. Mit einer wachsenden Anzahl von Eingaben wird die KI-Plattform besser darin, Muster zu erkennen und sie zu nutzen, um Vorhersagen zu treffen.

Verarbeitung natürlicher Sprache ist die Methode zur Analyse von Sprache mit Hilfe von maschinellem Lernen, die aktuell in der dialogorientierten KI eingesetzt wird. Vor dem maschinellem Lernen verlief die Entwicklung der Sprachverarbeitungsmethoden von der Linguistik über die Computerlinguistik bis hin zur statistischen Verarbeitung natürlicher Sprache. In Zukunft wird Deep Learning die Funktionen der dialogorientierten KI zur Verarbeitung natürlicher Sprache noch weiter verbessern.

NLP besteht aus vier Schritten: Eingabegenerierung, Eingabeanalyse, Ausgabegenerierung und verstärkendes Lernen. Unstrukturierte Daten werden in ein Format umgewandelt, das von einem Computer gelesen werden kann. Anschließend werden sie analysiert, um eine entsprechende Antwort zu generieren. Die zugrundeliegenden ML-Algorithmen verbessern die Antwortqualität im Laufe der Zeit. Diese vier NLP-Schritte lassen sich wie folgt weiter aufschlüsseln:

• Eingabegenerierung: Benutzer geben Eingaben über eine Website oder eine App ein. Das Eingabeformat kann entweder Sprache oder Text sein.
  
  
• Eingabeanalyse: Wenn die Eingabe textbasiert ist, verwendet die dialogorientierte KI Natural Language Understanding (NLU), um die Bedeutung der Eingabe zu entschlüsseln und ihre Absicht abzuleiten. Wenn die Eingabe sprachbasiert ist, nutzt sie eine Kombination aus automatischer Spracherkennung (ASR) und NLU, um die Daten zu analysieren.
  
  
• Dialogmanagement: In dieser Phase formuliert Natural Language Generation (NLG), eine Komponente von NLP, eine Antwort.
  
  
• Verstärkendes Lernen: Schließlich verfeinern Algorithmen für maschinelles Lernen die Antworten im Laufe der Zeit, um die Genauigkeit sicherzustellen.

Dialogorientierte KI beginnt damit, dass Sie sich überlegen, wie Ihre potenziellen Nutzer mit Ihrem Produkt interagieren möchten und welche Fragen sie haben könnten. Mit Hilfe von Tools für dialogorientierte KI können Sie sie dann zu den relevanten Informationen weiterleiten. In diesem Abschnitt zeigen wir Ihnen, wie Sie mit der Planung und Erstellung einer dialogorientierten KI beginnen können.

Häufig gestellte Fragen sind die Grundlage für den Entwicklungsprozess einer dialogorientierten KI. Sie helfen Ihnen, die wichtigsten Bedürfnisse und Anliegen Ihrer Endbenutzer zu definieren, was das Anrufvolumen für Ihr Support-Team teilweise verringern wird. Wenn Sie keine FAQ-Liste für Ihr Produkt zur Verfügung haben, bitten Sie Ihr Kundenerfolgsteam, eine geeignete Liste mit Fragen zu erstellen, bei denen Ihre dialogorientierte KI helfen kann.

Nehmen wir zum Beispiel an, Sie sind eine Bank. Ihre Liste mit häufig gestellten Fragen könnte so beginnen:

• Wie greife ich auf mein Konto zu?
  
  
• Wo finde ich meine Bankleitzahl und Kontonummer?
  
  
• Wann erhalte ich meine Debitkarte?
  
  
• Wie aktiviere ich meine Debitkarte?
  
  
• Wie bestelle ich Schecks?
  
  
• Wie kann ich mit einem Bankangestellten vor Ort sprechen?

Sie können der Liste im Laufe der Zeit weitere Fragen hinzufügen. Beginnen Sie also mit einem kleinen Segment mit Fragen, um den Entwicklungsprozess für eine dialogorientierte KI zu prototypisieren.

Ihre FAQs bilden die Grundlage für Ziele oder Absichten, die in den Eingaben des Benutzers ausgedrückt werden, z. B. der Zugriff auf ein Konto. Sobald Sie Ihre Ziele skizziert haben, können Sie sie als Absichten in ein wettbewerbsfähiges Tool für dialogorientierte KI wie watsonx Assistant einbinden.

Jetzt müssen Sie Ihrer dialogorientierten KI beibringen, welche Formulierungen ein Benutzer verwenden könnte, um nach Informationen zu fragen. Die Frage: „Wie kann ich auf mein Konto zugreifen“ könnte von Benutzern bei einem Gespräch mit einem Supportmitarbeiter auch auf folgende Weisen formuliert werden: „Wie melde ich mich an“, „wie setzt man das Passwort zurück“ oder „wie melde ich mich für ein Konto an“.

Wenn Sie sich nicht sicher sind, welche anderen Formulierungen Ihre Kunden verwenden könnten, sollten Sie mit Ihren Analyse- und Support-Teams zusammenarbeiten. Wenn Ihre Tools zur Chatbot-Analyse entsprechend eingerichtet wurden, können Analyse-Teams Webdaten auswerten und andere Abfragen anhand der Website-Suchdaten untersuchen. Alternativ können sie auch Transkriptdaten aus Chat-Gesprächen und Call-Centern analysieren. Wenn Ihre Analyse-Teams nicht auf diese Art von Analyse eingerichtet sind, können auch Ihre Support-Teams wertvolle Erkenntnis bezüglich der gängigen Formulierungen von Kundenfragen liefern.

Überlegen Sie sich Substantive oder Entitäten, die Ihre Absichten umgeben. In diesem Beispiel konzentrieren wir uns auf das Bankkonto eines Benutzers. Daher ist es sinnvoll, eine Entität rund um Bankkontodaten zu erstellen.

In diese Informationskategorie können zahlreiche Werte fallen, beispielsweise „Benutzername“, „Passwort“, „Kontonummer“ usw.

Um die Entitäten zu verstehen, die bestimmte Benutzerabsichten umgeben, können Sie dieselben Informationen verwenden, die von Tools oder Support-Teams erfasst wurden, um Ziele oder Absichten zu entwickeln. Diese Substantive gehen der Hauptfrage voraus oder folgen auf sie.

All diese Elemente arbeiten zusammen, um eine Konversation mit Ihrem Endbenutzer zu führen. Die Absichten ermöglichen es einem Computer zu entschlüsseln, was der Benutzer möchte, und die Entitäten dienen als Mittel, um relevante Antworten zu geben. Sie können sich den Dialog zwischen einer dialogorientierten KI und einem Benutzer, der sein Passwort vergessen hat, zum Beispiel folgendermaßen vorstellen:

Gemeinsam sorgen Ziele und Substantive (oder Absichten und Entitäten, wie IBM sie nennt) dafür, einen logischen Gesprächsfluss basierend auf den Bedürfnissen des Benutzers aufzubauen. Wenn Sie bereit sind, mit dem Aufbau Ihrer eigenen dialogorientierten KI zu beginnen, können Sie die Lite-Version von watsonx Assistant von IBM kostenlos testen.

Bei dialogorientierter künstliche Intelligenz denkt man häufig an Online-Chatbots und Sprachassistenten für ihren Kundensupport sowie Omni-Channel-Bereitstellung. Die meisten Apps für dialogorientierte KI verfügen über umfangreiche Analysen, die in das Backend-Programm integriert sind und dazu beitragen, menschenähnliche Konversationen zu gewährleisten.

Experten betrachten die aktuellen Anwendungen der dialogorientierten KI als schwache KI, da sie sich auf die Ausführung eines sehr engen Aufgabenbereichs konzentrieren. Starke KI, die noch ein theoretisches Konzept ist, konzentriert sich auf ein menschenähnliches Bewusstsein, das verschiedene Aufgaben lösen und ein breites Spektrum an Problemen lösen kann.

Trotz ihres engen Fokus ist dialogorientierte KI eine äußerst lukrative Technologie für Unternehmen, die ihnen zu mehr Profit verhilft. Ein intelligenter Chatbot ist zwar die beliebteste Form der dialogorientierten KI, aber es gibt noch viele andere Anwendungsfälle für Unternehmen. Einige Beispiele:

• Online-Kundensupport: Online-Chatbots ersetzen menschliche Mitarbeiter auf der Customer Journey. Sie beantworten häufig gestellte Fragen (FAQs) zu Themen wie dem Versand oder bieten persönliche Beratung an, verkaufen Produkte oder schlagen Kleidergrößen vor. Damit verändert sich die Art und Weise, wie wir über Kundenbeziehungen auf Websites und Social-Media-Plattformen nachdenken. Beispiele hierfür sind Nachrichtenbots auf E-Commerce-Websites mit virtuellen Agenten, Nachrichten-Apps wie Slack und Facebook Messenger sowie Aufgaben, die üblicherweise von virtuellen Assistenten und Sprachassistenten übernommen werden.
  
  
• Barrierefreiheit: Unternehmen können zugänglicher werden, indem sie die Zugangsbarrieren senken, insbesondere für Benutzer, die unterstützende Technologien verwenden. Funktionen von dialogorientierter KI, die von diesen Gruppen häufig verwendet werden, sind die Text-to-Speech-Diktierfunktion und die Sprachübersetzung.
• HR-Prozesse: Viele Personalprozesse können durch den Einsatz dialogorientierter KI optimiert werden, z. B. Mitarbeiterschulungen, Onboarding-Prozesse und Aktualisierung von Mitarbeiterinformationen.
  
  
• Gesundheitsversorgung: Dialogorientierte KI kann Gesundheitsdienstleistungen für Patienten zugänglicher und erschwinglicher machen und gleichzeitig die betriebliche Effizienz verbessern und die Verwaltungsprozesse, wie z. B. die Bearbeitung von Anträgen, rationalisieren.
  
  
• IoT-Geräte (Internet der Dinge): Die meisten Haushalte verfügen heute über mindestens ein IoT-Gerät, von Alexa-Lautsprechern über Smartwatches bis hin zu Smartphones. Diese Geräte verwenden automatische Spracherkennung, um mit dem Endbenutzer zu interagieren. Zu den beliebtesten Anwendungen gehören Amazon Alexa, Apple Siri und Google Home.
  
  
• Computersoftware: Viele Aufgaben in Büroumgebungen werden durch dialogorientierte KI vereinfacht, wie die automatische Vervollständigung der Suche, wenn Sie etwas auf Google suchen, oder die Rechtschreibprüfung.

Obwohl die meisten intelligenten Chatbots und Apps derzeit nur über rudimentäre Problemlösungsfähigkeiten verfügen, können sie den Zeitaufwand und die Kosteneffizienz bei sich wiederholenden Kundensupport-Interaktionen verringern, wodurch Personalressourcen für komplexere Kundeninteraktionen freigesetzt werden können. Insgesamt sind Apps für dialogorientierte KI in der Lage, menschliche Konversationserfahrungen gut zu replizieren, was zu einer höheren Kundenzufriedenheit führt.

Dialogorientierte KI ist eine kosteneffiziente Lösung für viele Geschäftsprozesse. Im Folgenden finden Sie Beispiele für die Vorteile der Verwendung dialogorientierter KI.

Die Besetzung eines Kundenservice kann ziemlich kostspielig sein, vor allem, wenn Sie außerhalb der regulären Geschäftszeiten Fragen beantworten möchten. Die Bereitstellung von Kundensupport über dialogorientierte Schnittstellen kann die Geschäftskosten in Bezug auf Gehälter und Schulungen senken, insbesondere für kleine oder mittlere Unternehmen. Chatbots und virtuelle Assistenten können sofort reagieren und potenziellen Kunden rund um die Uhr Verfügbarkeit bieten.

Menschliche Gespräche können auch zu inkonsistenten Antworten an potenzielle Kunden führen. Da die meisten Interaktionen mit dem Support informationsorientiert sind und sich wiederholen, können Unternehmen dialogorientierte KI so programmieren, dass sie verschiedene Anwendungsfälle bearbeitet und so Vollständigkeit und Konsistenz gewährleistet. Das schafft Kontinuität innerhalb der Customer Experience, und ermöglicht es, wertvolle Personalressourcen für komplexere Anfragen bereitzustellen.

Mit dem Einzug mobiler Geräte in den Alltag der Verbraucher müssen Unternehmen darauf vorbereitet sein, ihren Endverbrauchern Informationen in Echtzeit zur Verfügung zu stellen. Da Tools für dialogorientierte KI leichter zugänglich sind als menschliche Mitarbeiter, können Kunden schneller und häufiger mit Marken in Kontakt treten. Durch diese unmittelbare Unterstützung können Kunden lange Wartezeiten in Call-Centern vermeiden, was zu einer Verbesserung der gesamten Customer Experience führt. Die steigende Kundenzufriedenheit wird sich für Unternehmen in einer höheren Kundentreue und zusätzlichen Einnahmen aus Weiterempfehlungen niederschlagen.

Die Personalisierungsfunktionen der dialogorientierten KI bieten Chatbots außerdem die Möglichkeit, Endnutzern Empfehlungen zu geben, sodass Unternehmen Cross-Selling von Produkten betreiben können, die Kunden zunächst möglicherweise nicht in Betracht gezogen haben.

Dialogorientierte KI ist zudem sehr skalierbar, da der Aufbau einer Infrastruktur zur Unterstützung von dialogorientierter KI günstiger und schneller ist als der Einstellungs- und Einarbeitungsprozess für neue Mitarbeiter. Das ist insbesondere dann hilfreich, wenn Produkte in neue geografische Märkte expandieren oder bei unerwarteten kurzfristigen Nachfragespitzen, wie beispielsweise während der Weihnachtszeit.

Dialogorientierte KI steckt noch in den Kinderschuhen und wird erst seit einigen Jahren in großem Umfang von Unternehmen eingesetzt. Wie bei allen neuen technologischen Fortschritten gibt es auch bei der Umstellung auf dialogorientierte KI-Anwendungen einige Herausforderungen. Einige Beispiele hierfür sind:

Sprachliche Eingaben können für die dialogorientierte KI ein Problem darstellen, unabhängig davon, ob es sich um Text- oder Spracheingabe handelt. Dialekte, Akzente und Hintergrundgeräusche können das Verständnis der Eingabe durch die KI beeinträchtigen. Auch Slang und improvisierte Sprache können zu Problemen bei der Verarbeitung der Eingaben führen.

Die größte Herausforderung für dialogorientierte KI ist jedoch der menschliche Faktor bei der Eingabe. Emotionen, Tonfall und Sarkasmus erschweren es der dialogorientierten KI, die beabsichtigte Bedeutung zu interpretieren und angemessen zu reagieren.

Da die dialogorientierte KI auf das Erfassen von Daten angewiesen ist, um Benutzeranfragen zu beantworten, ist sie anfällig für Datenschutz- und Sicherheitsverletzungen. Die Entwicklung von dialogorientierten KI-Apps mit hohen Datenschutz- und Sicherheitsstandards sowie Überwachungssystemen wird dazu beitragen, Vertrauen bei den Endbenutzern aufzubauen und letztendlich die Chatbot-Nutzung im Laufe der Zeit zu erhöhen.

Benutzer haben möglicherweise Bedenken, persönliche oder vertrauliche Informationen preiszugeben, insbesondere wenn sie feststellen, dass sie mit einem Computer und nicht mit einem Menschen kommunizieren. Da nicht alle Ihre Kunden zu den frühen Anwendern gehören, ist es wichtig, Ihre Zielgruppen über die Vorteile und die Sicherheit dieser Technologien aufzuklären und zu informieren, um eine bessere Customer Experience zu schaffen. Andernfalls können eine schlechte Benutzererfahrung und eine reduzierte Leistung der KI die positiven Auswirkungen zunichte machen.

Außerdem sind Chatbots manchmal nicht darauf programmiert, das breite Spektrum an Benutzeranfragen zu beantworten. In diesem Fall ist es wichtig, einen alternativen Kommunikationskanal für diese komplexeren Anfragen bereitzustellen, da es für Endbenutzer frustrierend sein kann, wenn sie falsche oder unvollständige Antworten erhalten. In diesen Fällen sollten die Kunden die Möglichkeit haben, mit einem menschlichen Mitarbeiter in Kontakt zu treten.

Schließlich kann dialogorientierte KI auch den Workflow in einem Unternehmen optimieren, was zu einer Reduzierung der Belegschaft für eine bestimmte Jobfunktion führt. Das kann zu Unmut führen und sich negativ auf ein Unternehmen auswirken.