Perché i buoni chatbot hanno bisogno del contesto, non dei flussi basati su alberi

Ripubblicato da Platone

Seguaci: 0

Nell'esempio, sei interessato a visitare un sito di attrazione e vuoi sapere quanto costano i biglietti d'ingresso, quindi chiedi:

Utente: "Quanto costano i biglietti per 2 adulti e 1 bambino per la foresta pluviale?"

Sorprendentemente, il chatbot non conosceva la risposta, nonostante disponesse delle pertinenti integrazioni API.

Bot: "Scusa, sto ancora imparando."

Con un po' di guida, il chatbot ti reindirizza a un flusso di conversazione guidato (basato su regole). Suggerisce di dire "Acquista i biglietti" prima, seguito da "Prezzi del biglietto", e infine "Foresta pluviale"per arrivare alla risposta.

Bot: “I biglietti sono disponibili sul sito web.”

Non ancora del tutto vicino.

La stragrande maggioranza degli agenti virtuali utilizza un modello di comprensione del linguaggio naturale (NLU), ma gli utenti sono ancora stentati dai dialoghi innaturali.

Non si può semplicemente spiegare l’intelligenza di un chatbot dicendo che una piattaforma di PNL è migliore o peggiore dell’altra. È una ragione conveniente, ma non lo è in questo caso. Perché? Lo scopo di un modello NLU ben addestrato è quello di aiutare a mappare un input (enunciazione dell'utente) su un output (intento dell'utente). Ad esempio, entrambi “Invia pizza con pollo al curry a 20 Sunshine Avenue” ed “Voglio fish and chips” fare riferimento allo stesso intento "Ordine di cibo".

Tuttavia, è qui che termina il rilevamento dell’intento. In qualità di progettista o sviluppatore di conversazioni, devi considerare cosa succede dopo il rilevamento delle intenzioni. È chiamato contesto dare una risposta quanto più diretta possibile.

1. In che modo l'IA conversazionale può automatizzare il servizio clienti

2. Chat automatiche e live: come sarà il futuro del servizio clienti?

3. I chatbot come assistenti medici nella pandemia di COVID-19

4. Chatbot vs. Assistente virtuale intelligente: qual è la differenza e perché preoccuparsene?

Nella vita reale, se tu e il tuo amico finalmente vi incontrate dopo mesi di isolamento, tutti i momenti dell'ultimo viaggio che entrambi ricordate danno forma al contesto. Ha parametri specifici come i nomi delle città e le persone che incontrerai lungo il percorso. Anche il contesto è deperibile, il che significa che i momenti delle vacanze pre-COVID non sono la prima cosa in mente se tu e il tuo amico vi siete incontrati più volte parlando di altre cose.

Quando programmi i chatbot, potresti voler fare qualcosa con le informazioni specifiche pronunciate dall'utente. Ad esempio, una buona idea per il tuo agente virtuale è quella di estrarre in modo proattivo il nome del cibo e l'indirizzo di consegna durante la sessione di conversazione e impegnarsi in uno stato di memoria (il contesto). Il bot non dovrebbe chiedere le stesse informazioni quando l'utente le ha già dette lungo il percorso.

Sfortunatamente, alcuni chatbot oggi non riescono a ricordare i parametri essenziali per mantenere un dialogo utile con l’utente, che alla fine dovrà ripetere i dettagli critici al chatbot per aiutarlo.

Queste sono alcune possibilità:

Progettare percorsi felici solo con strumenti di progettazione di conversazioni ad albero in alcuni software a basso codice
Trattare gli intenti come svolte o punti di controllo nel flusso, piuttosto che come obiettivi che il cliente ha in mente
Presentare mappe mentali o diagrammi di flusso della conversazione agli ingegneri del software senza specifiche sulla correzione degli errori dell'utente e sulle deviazioni dalla chat
Difficoltà a tenere conto di grandi permutazioni in un'applicazione non lineare, a differenza di un'app Web o mobile con flussi finiti verso stati di successo/fallimento

Utente: “quali sono i prezzi dei biglietti per 2 adulti e 1 bambino per la foresta pluviale ancora?"

Questa volta, il chatbot estrae le entità che cerca nell'intento di richiesta del prezzo del biglietto. Quelli sono i partecipanti e il sito di attrazione. Poiché ci sono dati sufficienti per verificare i prezzi dei biglietti, il chatbot presenta un paio di carte ricche pertinenti.

Presumibilmente hai commesso un errore. Correggi l'errore dicendo

Utente: "che ne dici invece di 1 adulto, 1 bambino e 1 anziano?"

Invece di un fallback (“Scusa, non ho capito”), il messaggio porta a un intento basato su parametri. Il chatbot ha già ricordato il tuo sito di attrazione preferito e ora tiene conto solo delle informazioni del nuovo partecipante. Sa anche che sei nello stato di richiesta del prezzo del biglietto, quindi senza chiederti di ripetere, ti comunica il nuovo prezzo totale.

Bot: “Le tariffe standard sono 20 dollari per adulto, 12 dollari per bambino e 10 dollari per anziano. Il totale è $ 42. "

Continui a dire che sei un cittadino locale.

Utente: "sono del posto"

Anche in questo caso, senza dover ripetere il sito dell'attrazione e il numero di persone e senza cambiare l'argomento della conversazione corrente, il chatbot cerca i prezzi dei biglietti in base a tutte le informazioni aggiornate raccolte. Successo!