L'intelligenza artificiale (AI) conversazionale si riferisce a tecnologie, come chatbot o agenti virtuali, con cui gli utenti possono parlare. Utilizzano grandi volumi di dati, machine learning ed elaborazione del linguaggio naturale per imitare interazioni simili a quelle umane, riconoscere input vocali e testuali e tradurne il significato in diverse lingue.
L'AI conversazionale combina l'elaborazione del linguaggio naturale (NLP) con il machine learning. Questi processi di NLP confluiscono in un ciclo di feedback costante con processi di machine learning per migliorare continuamente gli algoritmi di AI.
Newsletter di settore
Ricevi insight selezionati sulle notizie più importanti e interessanti sull'AI. Iscriviti alla nostra newsletter settimanale Think. Leggi l'Informativa sulla privacy IBM.
L'abbonamento sarà fornito in lingua inglese. Troverai un link per annullare l'iscrizione in tutte le newsletter. Puoi gestire i tuoi abbonamenti o annullarli qui. Per ulteriori informazioni, consulta l'Informativa sulla privacy IBM.
L'AI conversazionale ha componenti che le consentono di elaborare, comprendere e generare risposte in modo naturale.
Il machine learning (ML) è un sottocampo dell'intelligenza artificiale, costituito da una serie di algoritmi, funzionalità e set di dati che si migliorano continuamente con l'esperienza. Man mano che l'input cresce, la macchina della piattaforma AI migliora nel riconoscere i modelli e li utilizza per fare previsioni.
L'elaborazione del linguaggio naturale è il metodo attuale di analisi del linguaggio con l'aiuto del machine learning utilizzato nell'AI conversazionale. Prima del machine learning, l'evoluzione delle metodologie di elaborazione del linguaggio è passata dalla linguistica alla linguistica computazionale, fino all'elaborazione statistica del linguaggio naturale. In futuro, il deep learning migliorerà ulteriormente le funzionalità di elaborazione del linguaggio naturale dell'AI conversazionale.
L'NLP si compone di quattro fasi: generazione di input, analisi di input, generazione di output e apprendimento per rinforzo. I dati non strutturati vengono trasformati in un formato che può essere letto da un computer, che viene poi analizzato per generare una risposta appropriata. Gli algoritmi di ML sottostanti migliorano la qualità della risposta nel tempo man mano che l'apprendimento procede. Questi quattro passaggi dell'NLP possono essere ulteriormente suddivisi in:
L'AI conversazionale parte pensando a come i potenziali utenti potrebbero voler interagire con il prodotto e alle domande principali che potrebbero porre. È possibile, quindi, utilizzare strumenti di AI conversazionale per indirizzarli verso le informazioni pertinenti. In questa sezione, vedremo come iniziare a pianificare e creare un'AI conversazionale.
Le domande frequenti sono il fondamento del processo di sviluppo dell'AI conversazionale. Aiutano a definire le principali esigenze e preoccupazioni degli utenti finali che, a loro volta, alleggeriranno il volume di chiamate al team di supporto. Se non hai un elenco di domande frequenti disponibile per il tuo prodotto, inizia con le storie di successo di clienti per determinare l'elenco appropriato di domande con cui l'AI conversazionale può aiutarti.
Ad esempio, supponiamo che tu sia una banca. L'elenco iniziale di domande frequenti potrebbe essere:
Puoi sempre aggiungere altre domande all'elenco nel tempo, quindi inizia con un piccolo segmento di domande per campionare il processo di sviluppo dell'AI conversazionale.
Le tue FAQ costituiscono la base degli obiettivi, o intenti, espressi all'interno dell'input dell'utente, come l'accesso a un conto. Una volta delineati i tuoi obiettivi, puoi inserirli in uno strumento di AI conversazionale competitivo come watsonx Assistant, come intenti.
Da qui, dovrai insegnare all'AI conversazionale i modi in cui un utente può formulare o chiedere questo tipo di informazioni. Se prendiamo l'esempio della frase "come accedere al mio account", si potrebbe pensare ad altre frasi che gli utenti potrebbero usare quando chattano con un addetto al supporto, del tipo: "come accedere", "come reimpostare la password", "registrarsi per un account" e così via.
Se non hai la certezza di altre frasi che i clienti potrebbero usare, allora potrebbe essere utile collaborare con i team di analytics e supporto. Se gli strumenti di chatbot analytics sono stati configurati in modo appropriato, i team di analytics possono estrarre i dati web ed esaminare altre query dai dati di ricerca del sito. In alternativa, possono anche analizzare i dati di trascrizione delle conversazioni via web chat e call center. Se i team di analytics non sono predisposti per questo tipo di analisi, i team di supporto possono anche fornire insight sui modi in cui i clienti solitamente formulano le domande.
Pensa a sostantivi, o entità, associati agli intenti. In questo esempio, ci siamo concentrati sul conto bancario di un utente. Di conseguenza, ha senso creare un'entità intorno alle informazioni legate al conto bancario.
In questa categoria di informazioni potrebbero rientrare diversi valori, ad esempio "nome utente", "password", "numero di conto" e così via.
Per comprendere le entità che collegano gli intenti specifici degli utenti, puoi utilizzare le stesse informazioni raccolte dagli strumenti o dai team di supporto per sviluppare obiettivi o intenti. Questi sostantivi precederanno o seguiranno la richiesta primaria.
Tutti questi elementi lavorano insieme per creare una conversazione con l'utente finale. Gli intenti consentono a una macchina di decifrare ciò che l'utente sta chiedendo e le entità agiscono come un modo per fornire risposte pertinenti. Ad esempio, si potrebbe immaginare che il dialogo tra un'AI conversazionale e un utente con una password dimenticata si svolga nel modo seguente:
Insieme, obiettivi e sostantivi (o intenti ed entità come piace chiamarli a IBM) lavorano per creare un flusso conversazionale logico basato sulle esigenze dell'utente. Se vuoi iniziare a creare la tua AI conversazionale, puoi provare gratuitamente la versione watsonx Assistant Lite di IBM.
Quando si pensa all'intelligenza artificiale conversazionale, spesso vengono in mente chatbot online e assistenti vocali per i loro servizi di supporto clienti e l'implementazione omnicanale. La maggior parte delle app di AI conversazionale dispone di analytics approfonditi integrati nel programma di backend , che aiutano a garantire esperienze di conversazione simili a quelle umane.
Gli esperti considerano deboli le attuali applicazioni di AI conversazionale, in quanto si concentrano sull'esecuzione di un campo di attività molto ristretto. L'AI forte, che è ancora un concetto teorico, si concentra sullo sviluppo di una coscienza simile a quella umana in grado di risolvere vari compiti e risolvere un'ampia gamma di problemi.
Nonostante il suo focus ristretto, la tecnologia dell'AI conversazionale è estremamente vantaggiosa per le imprese in quanto le aiuta a essere più redditizie. Sebbene un AI chatbot sia la forma più popolare di AI conversazionale, esistono molti altri caso d'uso aziendali. Ad esempio ci sono:
Sebbene la maggior parte degli AI chatbot e delle app siano attualmente un po' rudimentali nella risoluzione dei problemi, sono comunque in grado di ridurre i tempi e migliorare l'efficienza in termini di costi nelle interazioni ripetitive con il supporto clienti, liberando risorse di personale che può così concentrarsi su interazioni più coinvolgenti con i clienti. Nel complesso, le app di AI conversazionale sono in grado di replicare le conversazioni umane, alzando il grado di soddisfazione dei clienti.
L'AI conversazionale è una soluzione efficiente in termini di costi per molti processi aziendali. Di seguito sono riportati alcuni esempi dei benefici derivanti dall'utilizzo dell'AI conversazionale.
Il personale di un servizio clienti può essere piuttosto oneroso, soprattutto perché si cerca di rispondere alle domande al di fuori del normale orario di ufficio. Fornire assistenza ai clienti tramite interfacce conversazionali può ridurre i costi aziendali relativi agli stipendi e alla formazione, soprattutto per le piccole e medie imprese. I chatbot e gli assistenti virtuali possono rispondere istantaneamente 24 ore su 24 ai potenziali clienti.
Le conversazioni umane possono anche portare a risposte incoerenti ai potenziali clienti. Poiché la maggior parte delle interazioni con l'assistenza è ripetitiva e riguarda la ricerca di informazioni, le aziende possono programmare l'AI conversazionale per gestire vari casi d'uso, garantendo completezza e coerenza. Ciò crea continuità all'interno dell'esperienza del cliente e permette a valide risorse umane di occuparsi di query più complesse.
Con l'adozione dei dispositivi mobili nella vita quotidiana dei consumatori, le aziende devono essere pronte a fornire informazioni in tempo reale ai propri utenti finali. Poiché gli strumenti di AI conversazionale possono essere accessibili più facilmente rispetto alla forza lavoro, i clienti possono interagire più rapidamente e frequentemente con i marchi. Questo supporto immediato consente ai clienti di evitare lunghi tempi di attesa con i call center, con conseguenti miglioramenti dell'esperienza complessiva del cliente. Con l'aumento della soddisfazione dei clienti, le aziende vedranno risultati in termini di maggiore fidelizzazione dei clienti e maggiori entrate derivanti dal passaparola.
Le funzioni di personalizzazione all'interno dell'AI conversazionale forniscono anche chatbot capaci di dare consigli agli utenti finali, consentendo alle aziende di proporre prodotti che i clienti potrebbero non aver preso in considerazione inizialmente.
L'AI conversazionale è anche molto scalabile, in quanto l'aggiunta di infrastrutture per supportarla è più economica e più veloce del processo di assunzione e onboarding di nuovi dipendenti. Questo è particolarmente utile quando i prodotti si espandono in nuovi mercati geografici o durante picchi inaspettati di richiesta nel breve termine, come ad esempio durante le festività natalizie.
L'AI conversazionale è ancora agli albori e l'adozione diffusa da parte delle aziende è iniziata negli ultimi anni. Come per tutte le novità tecnologiche, la transizione alle applicazioni di AI conversazionale presenta alcune sfide. Ad esempio:
L'input può essere un punto dolente per l'AI conversazionale, che si tratti di testo o voce. Dialetti, accenti e rumori di sottofondo possono influire sulla comprensione dell'input da parte dell'AI. Anche lo slang e il linguaggio non scritto possono generare problemi con l'analisi dell'input.
Tuttavia, la sfida più grande per l'AI conversazionale è il fattore umano nell'input linguistico. Le emozioni, il tono e il sarcasmo rendono difficile all'AI conversazionale interpretare le intenzioni dell'utente e rispondere in modo appropriato.
Poiché l'AI conversazionale dipende dalla raccolta di dati per rispondere alle query degli utenti, è anche vulnerabile a violazioni di sicurezza. Sviluppare app di AI conversazionale con elevati standard di privacy e sicurezza e sistemi di monitoraggio aiuterà a creare fiducia tra gli utenti finali, aumentando in definitiva l'utilizzo di chatbot nel tempo.
Gli utenti possono preoccuparsi di condividere informazioni personali o sensibili, soprattutto quando si rendono conto che stanno conversando con una macchina anziché con un essere umano. Poiché non tutti i clienti saranno early adopter, sarà importante istruire e socializzare i destinatari di riferimento sui benefici e sulla sicurezza di queste tecnologie per creare migliori esperienze per i clienti. Ciò può portare a una cattiva esperienza utente e a un calo delle prestazioni dell'AI, annullando gli effetti positivi.
Inoltre, a volte i chatbot non sono programmati per rispondere all'ampia varietà di richieste degli utenti. In caso ciò accada, sarà importante fornire un canale di comunicazione alternativo per soddisfare le richieste più complesse, poiché potrebbe risultare frustrante per l'utente finale nel caso venisse fornita una risposta sbagliata o incompleta. In questi casi, i clienti devono avere la possibilità di comunicare con un operatore umano dell'azienda.
Infine, l'AI conversazionale può anche ottimizzare il workflow in un'azienda, portando a una riduzione della forza lavoro per una particolare funzione lavorativa. Ciò può innescare attivismo socio-economico, che può tradursi in un effetto negativo per un'azienda.
Progetta facilmente assistenti e agenti di AI scalabili, automatizza le attività ripetitive e semplifica i processi complessi con IBM watsonx Orchestrate.
Accelera il valore aziendale dell'intelligenza artificiale con un portfolio potente e flessibile di librerie, servizi e applicazioni.
Reinventa i flussi di lavoro e le operazioni critiche aggiungendo l'AI per massimizzare le esperienze, il processo decisionale in tempo reale e il valore di business.