هوش مصنوعی محاوره‌ای یا Conversational AI چیست؟
هوش مصنوعی محاوره‌ای (Conversational AI) به فناوری‌هایی مثل چت‌بات‌ها یا دستیارهای مجازی گفته می‌شه که کاربرها می‌تونن باهاشون صحبت کنن. این فناوری‌ها از حجم زیادی داده، یادگیری ماشین و پردازش زبان طبیعی استفاده می‌کنن تا بتونن تعاملات انسانی رو شبیه‌سازی کنن، ورودی‌های گفتاری و متنی رو تشخیص بدن و معنی اون‌ها رو به زبان‌های مختلف ترجمه کنن.
هوش مصنوعی محاوره‌ای، پردازش زبان طبیعی (NLP) رو با یادگیری ماشین ترکیب می‌کنه. فرآیندهای NLP در یک حلقه بازخورد دائمی با فرآیندهای یادگیری ماشین قرار می‌گیرن تا الگوریتم‌های هوش مصنوعی به‌طور مداوم بهتر بشن.
هوش مصنوعی محاوره‌ای از چه اجزایی تشکیل شده؟
هوش مصنوعی محاوره‌ای اجزای اصلی‌ای داره که بهش اجازه می‌ده تا پاسخ‌ها رو به شکلی طبیعی پردازش کنه، بفهمه و تولید کنه.
یادگیری ماشین (Machine Learning – ML) یک زیرشاخه از هوش مصنوعی است که از مجموعه‌ای از الگوریتم‌ها، ویژگی‌ها و دیتاست‌ها تشکیل شده که به‌طور مداوم با تجربه، خودشون رو بهتر می‌کنن. هرچقدر ورودی بیشتری دریافت بشه، پلتفرم هوش مصنوعی در تشخیص الگوها بهتر عمل می‌کنه و از این الگوها برای پیش‌بینی استفاده می‌کنه.
پردازش زبان طبیعی (Natural Language Processing – NLP) روش فعلی برای تحلیل زبان با کمک یادگیری ماشینه که در هوش مصنوعی محاوره‌ای استفاده می‌شه. قبل از یادگیری ماشین، تکامل روش‌های پردازش زبان از زبان‌شناسی به زبان‌شناسی محاسباتی و بعد به پردازش آماری زبان طبیعی رسید. در آینده، یادگیری عمیق (deep learning) قابلیت‌های پردازش زبان طبیعی در هوش مصنوعی محاوره‌ای رو حتی از این هم پیشرفته‌تر خواهد کرد.
NLP از چهار مرحله تشکیل شده: تولید ورودی، تحلیل ورودی، تولید خروجی و یادگیری تقویتی. داده‌های بدون ساختار به فرمتی تبدیل می‌شن که کامپیوتر بتونه اون‌ها رو بخونه، بعد تحلیل می‌شن تا پاسخ مناسبی تولید بشه. الگوریتم‌های یادگیری ماشین هم در پس‌زمینه، با گذشت زمان و یادگیری بیشتر، کیفیت پاسخ‌ها رو بهتر می‌کنن. این چهار مرحله NLP رو می‌تونیم دقیق‌تر این‌طور تقسیم‌بندی کنیم:
- تولید ورودی: کاربرها از طریق یک وب‌سایت یا اپلیکیشن، ورودی رو ارائه می‌دن؛ فرمت این ورودی می‌تونه صوتی یا متنی باشه.
- تحلیل ورودی: اگر ورودی متنی باشه، راه‌حل هوش مصنوعی محاوره‌ای از درک زبان طبیعی (NLU) استفاده می‌کنه تا معنی ورودی رو بفهمه و قصد و نیت کاربر رو تشخیص بده. اما اگه ورودی صوتی باشه، از ترکیبی از تشخیص خودکار گفتار (ASR) و درک زبان طبیعی (NLU) برای تحلیل داده‌ها استفاده می‌کنه.
- مدیریت گفتگو: در این مرحله، تولید زبان طبیعی (NLG) که یکی از اجزای NLP هست، یک پاسخ رو فرمول‌بندی می‌کنه.
- یادگیری تقویتی: در نهایت، الگوریتم‌های یادگیری ماشین به مرور زمان پاسخ‌ها رو اصلاح می‌کنن تا از دقیق بودنشون مطمئن بشن.
چطور یک هوش مصنوعی محاوره‌ای بسازیم؟
ساخت هوش مصنوعی محاوره‌ای با این شروع می‌شه که فکر کنین کاربرهای بالقوه شما ممکنه چطور بخوان با محصولتون تعامل کنن و سوالات اصلی‌شون چی می‌تونه باشه. بعد می‌تونین از ابزارهای هوش مصنوعی محاوره‌ای استفاده کنین تا اون‌ها رو به اطلاعات مرتبط راهنمایی کنین. در این بخش، مراحل برنامه‌ریزی و ساخت یک هوش مصنوعی محاوره‌ای رو با هم مرور می‌کنیم.
۱. لیستی از سوالات متداول (FAQs) کاربرهاتون رو پیدا کنین
سوالات متداول، پایه و اساس فرآیند توسعه هوش مصنوعی محاوره‌ای هستن. این سوالات به شما کمک می‌کنن تا نیازها و دغدغه‌های اصلی کاربرهاتون رو مشخص کنین، که این کار به نوبه خودش بخشی از حجم تماس‌های تیم پشتیبانی شما رو کم می‌کنه. اگه برای محصولتون لیست سوالات متداول ندارین، با تیم موفقیت مشتری (customer success) شروع کنین تا لیست سوالات مناسبی که هوش مصنوعی محاوره‌ای شما می‌تونه بهشون کمک کنه رو مشخص کنین.
برای مثال، فرض کنیم شما یک بانک هستین. لیست اولیه سوالات متداول شما می‌تونه این‌ها باشه:
- چطور به حسابم دسترسی پیدا کنم؟
- شماره حساب و شماره مسیریابی (routing number) من کجاست؟
- کارت بانکی من کی به دستم می‌رسه؟
- چطور کارت بانکی‌ام رو فعال کنم؟
- چطور دسته چک سفارش بدم؟
- چطور با یک کارمند بانک صحبت کنم؟
همیشه می‌تونین به مرور زمان سوالات بیشتری به این لیست اضافه کنین، پس با یک مجموعه کوچک از سوالات شروع کنین تا فرآیند توسعه هوش مصنوعی محاوره‌ای رو به صورت آزمایشی پیش ببرین.
۲. از سوالات متداول برای تعریف اهداف در ابزار هوش مصنوعی محاوره‌ای خودتون استفاده کنین
سوالات متداول شما، اساس اهداف یا «قصدها» (intents) رو تشکیل می‌دن که در ورودی کاربر بیان می‌شن، مثل «دسترسی به حساب». وقتی اهدافتون رو مشخص کردین، می‌تونین اون‌ها رو به عنوان «قصد» در یک ابزار رقابتی هوش مصنوعی محاوره‌ای، وارد کنین.
از اینجا به بعد، باید به هوش مصنوعی محاوره‌ای خودتون یاد بدین که یک کاربر ممکنه به چه روش‌های مختلفی این اطلاعات رو درخواست کنه. اگه مثال «چطور به حسابم دسترسی پیدا کنم» رو در نظر بگیریم، ممکنه به عبارت‌های دیگه‌ای فکر کنین که کاربرها موقع چت با یک نماینده پشتیبانی استفاده می‌کنن، مثل «چطور وارد بشم»، «چطور رمز عبورم رو بازیابی کنم»، «ثبت نام برای یک حساب» و غیره.
اگه مطمئن نیستین مشتری‌هاتون از چه عبارت‌های دیگه‌ای استفاده می‌کنن، می‌تونین با تیم‌های تحلیل و پشتیبانی خودتون همکاری کنین. اگه ابزارهای تحلیل چت‌بات شما به درستی تنظیم شده باشن، تیم‌های تحلیل می‌تونن داده‌های وب رو استخراج کنن و جستجوهای دیگه‌ای که در سایت انجام شده رو بررسی کنن. همچنین می‌تونن متن گفتگوهای چت وب و مراکز تماس رو تحلیل کنن. اگه تیم‌های تحلیل شما برای این نوع تحلیل‌ها آماده نیستن، تیم‌های پشتیبانی هم می‌تونن اطلاعات ارزشمندی در مورد روش‌های رایجی که مشتری‌ها سوالاتشون رو مطرح می‌کنن، ارائه بدن.
۳. از اهداف برای درک و ساختن اسم‌ها و کلمات کلیدی مرتبط استفاده کنین
به اسم‌ها یا «موجودیت‌ها» (entities) که حول «قصدها»ی شما وجود دارن، فکر کنین. در این مثال، ما روی حساب بانکی کاربر تمرکز کردیم. در نتیجه، منطقیه که یک موجودیت حول اطلاعات حساب بانکی ایجاد کنیم.
مقادیر مختلفی ممکنه در این دسته از اطلاعات قرار بگیرن، مثل «نام کاربری»، «رمز عبور»، «شماره حساب» و غیره.
برای درک موجودیت‌هایی که حول قصدهای خاص کاربر وجود دارن، می‌تونین از همون اطلاعاتی استفاده کنین که از ابزارها یا تیم‌های پشتیبانی برای توسعه اهداف یا قصدها جمع‌آوری کردین. این اسم‌ها معمولاً قبل یا بعد از درخواست اصلی قرار می‌گیرن.
۴. همه این‌ها رو کنار هم بذارین تا یک گفتگوی معنادار با کاربرتون بسازین
همه این عناصر با هم کار می‌کنن تا یک گفتگو با کاربر نهایی شما شکل بگیره. «قصدها» به ماشین اجازه می‌دن تا بفهمه کاربر چی می‌خواد و «موجودیت‌ها» به عنوان راهی برای ارائه پاسخ‌های مرتبط عمل می‌کنن. برای مثال، می‌تونین گفتگوی بین یک هوش مصنوعی محاوره‌ای و کاربری که رمز عبورش رو فراموش کرده، این‌طور تصور کنین:
اهداف و اسم‌ها (یا به قول IBM، قصدها و موجودیت‌ها) با هم کار می‌کنن تا یک جریان گفتگوی منطقی بر اساس نیازهای کاربر بسازن. اگه آماده‌این که هوش مصنوعی محاوره‌ای خودتون رو بسازین، می‌تونین نسخه رایگان IBM’s watsonx Assistant Lite رو امتحان کنین.
کاربردهای هوش مصنوعی محاوره‌ای
وقتی مردم به هوش مصنوعی محاوره‌ای فکر می‌کنن، اغلب چت‌بات‌های آنلاین و دستیارهای صوتی به خاطر خدمات پشتیبانی مشتری و پیاده‌سازی در کانال‌های مختلف (omni-channel) به ذهنشون میاد. بیشتر اپلیکیشن‌های هوش مصنوعی محاوره‌ای، تحلیل‌های گسترده‌ای در بک‌اند خودشون دارن که به تضمین تجربه‌های گفتگوی شبیه به انسان کمک می‌کنه.
کارشناسان، کاربردهای فعلی هوش مصنوعی محاوره‌ای رو «هوش مصنوعی ضعیف» (weak AI) می‌دونن، چون این سیستم‌ها روی انجام یک حوزه خیلی محدود از وظایف تمرکز دارن. در مقابل، هوش مصنوعی قوی (Strong AI)، که هنوز یک مفهوم نظریه، روی یک آگاهی شبیه به انسان تمرکز داره که می‌تونه وظایف مختلفی رو حل کنه و طیف وسیعی از مشکلات رو برطرف کنه.
با وجود تمرکز محدودش، هوش مصنوعی محاوره‌ای یک فناوری فوق‌العاده سودآور برای کسب‌وکارهاست و به شرکت‌ها کمک می‌کنه تا سودآوری بیشتری داشته باشن. در حالی که چت‌بات هوش مصنوعی محبوب‌ترین شکل هوش مصنوعی محاوره‌ایه، کاربردهای زیاد دیگه‌ای هم در سطح سازمان‌ها وجود داره. چند نمونه از این کاربردها عبارتند از:
- پشتیبانی آنلاین مشتری: چت‌بات‌های آنلاین در حال جایگزین شدن با نیروهای انسانی در طول سفر مشتری هستن. اون‌ها به سوالات متداول (FAQs) در مورد موضوعاتی مثل ارسال کالا پاسخ می‌دن، یا مشاوره‌های شخصی‌سازی شده ارائه می‌دن، محصولات مرتبط رو پیشنهاد می‌کنن یا سایز مناسب رو به کاربرها پیشنهاد می‌دن و شیوه نگرش ما به تعامل با مشتری در وب‌سایت‌ها و پلتفرم‌های شبکه‌های اجتماعی رو تغییر می‌دن. مثال‌ها شامل ربات‌های پیام‌رسان در سایت‌های فروشگاهی با دستیارهای مجازی، اپلیکیشن‌های پیام‌رسان مثل Slack و Facebook Messenger، و وظایفی که معمولاً توسط دستیارهای مجازی و دستیارهای صوتی انجام می‌شه، هستن.
- دسترس‌پذیری (Accessibility): شرکت‌ها می‌تونن با کاهش موانع ورود، به خصوص برای کاربرانی که از فناوری‌های کمکی استفاده می‌کنن، دسترس‌پذیرتر بشن. ویژگی‌های رایج هوش مصنوعی محاوره‌ای برای این گروه‌ها، تبدیل متن به گفتار و ترجمه زبان هست.
- فرآیندهای منابع انسانی (HR): بسیاری از فرآیندهای منابع انسانی مثل آموزش کارکنان، فرآیندهای آنبوردینگ (ورود به سازمان) و به‌روزرسانی اطلاعات کارکنان رو می‌شه با استفاده از هوش مصنوعی محاوره‌ای بهینه کرد.
- مراقبت‌های بهداشتی: هوش مصنوعی محاوره‌ای می‌تونه خدمات بهداشتی رو برای بیماران دسترس‌پذیرتر و مقرون‌به‌صرفه‌تر کنه و در عین حال، کارایی عملیاتی و فرآیندهای اداری مثل پردازش مطالبات بیمه رو ساده‌تر کنه.
- دستگاه‌های اینترنت اشیاء (IoT): امروزه بیشتر خانه‌ها حداقل یک دستگاه IoT دارن، از اسپیکرهای الکسا گرفته تا ساعت‌های هوشمند و تلفن‌های همراه. این دستگاه‌ها از تشخیص خودکار گفتار برای تعامل با کاربرها استفاده می‌کنن. اپلیکیشن‌های محبوب در این زمینه شامل Amazon Alexa، Apple Siri و Google Home هستن.
- نرم‌افزارهای کامپیوتری: بسیاری از وظایف در محیط اداری با هوش مصنوعی محاوره‌ای ساده‌تر شدن، مثل تکمیل خودکار جستجو وقتی در گوگل چیزی رو سرچ می‌کنین و قابلیت بررسی املا (spell check).
با اینکه بیشتر چت‌بات‌ها و اپلیکیشن‌های هوش مصنوعی در حال حاضر مهارت‌های حل مسئله ابتدایی دارن، اما می‌تونن زمان رو کاهش بدن و بهره‌وری هزینه رو در تعاملات تکراری پشتیبانی مشتری بهبود ببخشن و منابع انسانی رو آزاد کنن تا روی تعاملات پیچیده‌تر مشتری تمرکز کنن. به طور کلی، اپلیکیشن‌های هوش مصنوعی محاوره‌ای تونستن تجربه‌های گفتگوی انسانی رو به خوبی تکرار کنن و این موضوع منجر به نرخ رضایت مشتری بالاتری شده.
مزایای هوش مصنوعی محاوره‌ای چیه؟
هوش مصنوعی محاوره‌ای یک راه‌حل مقرون‌به‌صرفه برای بسیاری از فرآیندهای کسب‌وکاره. در ادامه چند نمونه از مزایای استفاده از هوش مصنوعی محاوره‌ای رو می‌بینین.
بهره‌وری هزینه
استخدام کارمند برای بخش خدمات مشتری می‌تونه خیلی پرهزینه باشه، به خصوص اگه بخواین خارج از ساعات کاری معمول هم به سوالات پاسخ بدین. ارائه پشتیبانی مشتری از طریق رابط‌های محاوره‌ای می‌تونه هزینه‌های کسب‌وکار مربوط به حقوق و آموزش رو کاهش بده، به ویژه برای شرکت‌های کوچک و متوسط. چت‌بات‌ها و دستیارهای مجازی می‌تونن فوراً پاسخ بدن و دسترسی ۲۴ ساعته رو برای مشتریان بالقوه فراهم کنن.
گفتگوهای انسانی همچنین می‌تونه منجر به پاسخ‌های متناقض به مشتریان بالقوه بشه. از اونجایی که بیشتر تعاملات با پشتیبانی برای کسب اطلاعات و تکراری هستن، کسب‌وکارها می‌تونن هوش مصنوعی محاوره‌ای رو طوری برنامه‌ریزی کنن که موارد مختلف رو مدیریت کنه و از جامعیت و ثبات پاسخ‌ها مطمئن بشن. این کار باعث ایجاد یکپارچگی در تجربه مشتری می‌شه و به منابع انسانی ارزشمند اجازه می‌ده تا برای سوالات پیچیده‌تر در دسترس باشن.
افزایش فروش و تعامل مشتری
با ورود دستگاه‌های موبایل به زندگی روزمره مصرف‌کنندگان، کسب‌وکارها باید آماده باشن تا اطلاعات رو به صورت آنی به کاربرهاشون ارائه بدن. از اونجایی که ابزارهای هوش مصنوعی محاوره‌ای راحت‌تر از نیروی انسانی در دسترس هستن، مشتری‌ها می‌تونن سریع‌تر و بیشتر با برندها تعامل داشته باشن. این پشتیبانی فوری به مشتری‌ها اجازه می‌ده تا از زمان‌های طولانی انتظار در مراکز تماس جلوگیری کنن، که منجر به بهبود تجربه کلی مشتری می‌شه. با افزایش رضایت مشتری، شرکت‌ها تاثیر اون رو در افزایش وفاداری مشتری و درآمد بیشتر از طریق معرفی مشتریان جدید خواهند دید.
ویژگی‌های شخصی‌سازی در هوش مصنوعی محاوره‌ای همچنین به چت‌بات‌ها این قابلیت رو می‌ده که به کاربرها پیشنهاداتی بدن و به کسب‌وکارها اجازه می‌ده تا محصولاتی رو که مشتری‌ها ممکنه در ابتدا بهشون فکر نکرده باشن، به صورت بیش‌فروشی (cross-sell) عرضه کنن.
مقیاس‌پذیری
هوش مصنوعی محاوره‌ای همچنین بسیار مقیاس‌پذیره، چون اضافه کردن زیرساخت برای پشتیبانی از اون، ارزان‌تر و سریع‌تر از فرآیند استخدام و آنبوردینگ کارمندان جدیده. این ویژگی به خصوص زمانی مفیده که محصولات به بازارهای جغرافیایی جدیدی گسترش پیدا می‌کنن یا در زمان افزایش ناگهانی و کوتاه‌مدت تقاضا، مثل فصل‌های تعطیلات.
چالش‌های فناوری هوش مصنوعی محاوره‌ای
هوش مصنوعی محاوره‌ای هنوز در مراحل اولیه خودشه و استفاده گسترده کسب‌وکارها از اون در سال‌های اخیر شروع شده. مثل هر پیشرفت فناوری جدیدی، چالش‌هایی در انتقال به اپلیکیشن‌های هوش مصنوعی محاوره‌ای وجود داره. بعضی از این چالش‌ها عبارتند از:
ورودی زبان
ورودی زبان می‌تونه یک نقطه ضعف برای هوش مصنوعی محاوره‌ای باشه، چه ورودی متنی باشه چه صوتی. لهجه‌ها، گویش‌ها و صداهای پس‌زمینه می‌تونن روی درک هوش مصنوعی از ورودی خام تأثیر بذارن. زبان عامیانه و غیررسمی هم می‌تونه در پردازش ورودی مشکلاتی ایجاد کنه.
اما بزرگترین چالش برای هوش مصنوعی محاوره‌ای، عامل انسانی در ورودی زبانه. احساسات، لحن و کنایه، تفسیر معنای مورد نظر کاربر و پاسخ مناسب رو برای هوش مصنوعی محاوره‌ای سخت می‌کنه.
حریم خصوصی و امنیت
از اونجایی که هوش مصنوعی محاوره‌ای برای پاسخ به سوالات کاربر به جمع‌آوری داده‌ها وابسته است، در برابر نقض حریم خصوصی و امنیت هم آسیب‌پذیره. توسعه اپلیکیشن‌های هوش مصنوعی محاوره‌ای با استانداردهای بالای حریم خصوصی و امنیتی و سیستم‌های نظارتی، به ایجاد اعتماد در بین کاربرها کمک می‌کنه و در نهایت به مرور زمان استفاده از چت‌بات رو افزایش می‌ده.
نگرانی و مقاومت کاربر
کاربرها ممکنه در مورد به اشتراک گذاشتن اطلاعات شخصی یا حساس نگران باشن، به خصوص وقتی متوجه می‌شن که دارن با یک ماشین صحبت می‌کنن نه یک انسان. از اونجایی که همه مشتری‌های شما از اولین پذیرندگان فناوری نیستن، مهمه که مخاطبان هدف خودتون رو در مورد مزایا و ایمنی این فناوری‌ها آموزش بدین و اون‌ها رو با این موضوع آشنا کنین تا تجربه‌های بهتری برای مشتری ایجاد بشه. در غیر این صورت، این موضوع می‌تونه منجر به تجربه کاربری بد و کاهش عملکرد هوش مصنوعی بشه و اثرات مثبت رو خنثی کنه.
علاوه بر این، گاهی اوقات چت‌بات‌ها برای پاسخ به طیف وسیعی از سوالات کاربر برنامه‌ریزی نشدن. وقتی این اتفاق میفته، مهمه که یک کانال ارتباطی جایگزین برای رسیدگی به این سوالات پیچیده‌تر فراهم کنین، چون اگه پاسخ اشتباه یا ناقصی داده بشه، برای کاربر نهایی ناامیدکننده خواهد بود. در این موارد، به مشتریان باید فرصت داده بشه تا با یک نماینده انسانی از شرکت ارتباط برقرار کنن.
در نهایت، هوش مصنوعی محاوره‌ای می‌تونه گردش کار در یک شرکت رو بهینه کنه و منجر به کاهش نیروی کار برای یک شغل خاص بشه. این موضوع می‌تونه باعث فعالیت‌های اجتماعی-اقتصادی بشه که ممکنه منجر به واکنش منفی علیه شرکت بشه.
پاسخی بگذارید