Chatbots gaan converseren
Toch blijkt in veel gevallen inmenging van een medewerker noodzakelijk om een dergelijke taak succesvol te voltooien. De chatbot heeft bijvoorbeeld de vraag niet begrepen, de consument heeft tijdens de conversatie een andere vraag maar kan niet meer terugkeren naar een vorige stap om deze vraag te stellen. Of de gestelde vraag kan door de chatbot simpelweg niet worden beantwoord. Kan het anders?
In de meeste gevallen is de intelligentie van de huidige chatbots gebaseerd op een reeks van beslissingen. Om te bepalen wat de klantvraag is en welke informatie relevant is om de vraag te beantwoorden maakt de chatbot gebruik van beslissingsbomen. Deze beslissingsbomen leiden de gebruiker door een vooraf gedefinieerde conversatie.
Foutgevoelig
Wanneer je dit illustreert aan de hand van een voorbeeld, zoals het maken van een afspraak in een ziekenhuis, dan zien we dat bij chatbots met deze programmering zich het volgende voordoet. Wanneer je een afspraak wilt maken, dien je eerst een keuze te maken voor de naam van de arts, gevolgd door een datum. Dit proces leidt tot de volgende twee situaties. Allereerst dient de ontwikkelaar van de chatbots alle mogelijke inputscenario’s vanuit de gebruiker te programmeren als keuzemogelijkheid. Daardoor ontstaat er enerzijds een enorme codedatabase die foutgevoelig en niet onderhoudsvriendelijk is. Anderzijds leidt dit tot een onnatuurlijke conversatie voor de gebruiker. Deze wordt namelijk gedwongen specifieke antwoorden te geven binnen elke stap van het proces, anders wordt het antwoord niet begrepen door de chatbot. Het gesprek voelt hierdoor geautomatiseerd aan. Hoewel deze werkwijze uiteindelijk kan leiden tot een afspraak, is het geen natuurlijke conversatie en niet de gewenste klantervaring.
Deze vorm van programmeren wordt functioneel programmeren genoemd. De achterliggende logica en daarmee ook de conversatie van de chatbots zijn gebaseerd op het doorlopen van verschillende stappen van een proces: ‘als dit, dan dat.’ De focus bij functioneel programmeren ligt dus op hoe je de juiste informatie uit een conversatie kan filteren. En hierdoor ontstaan deze complexe beslissingsstructuren. Door chatbots anders te programmeren is het mogelijk om de conversatie natuurlijker te laten verlopen en het proces te verbeteren.
Logica
Bij declarative programmeren richt de softwareontwikkelaar zich op de logica van een gesprek, zonder gebruik te maken van gedetailleerde beslissingsbomen. De focus komt bij deze vorm van programmeren te liggen op welke informatie de chatbot uit de conversie dient te filteren, in plaats van de manier waarop dit gebeurt. De developer vertrouwt hierbij op cognitieve flow-algoritmen, zoals Natural Language Processing (NLP). Deze algoritmen filteren gegevens uit de natuurlijke taal van mensen. Moderne chatbots zijn hierdoor beter in staat om de spraak en taal van mensen te verwerken.
De chatbot focust zich dus op het behalen van een bepaald doel, het proces om dit doel te behalen wordt door de softwareontwikkelaar niet specifiek uitgeschreven. Chatbots die ontwikkeld zijn op basis van declarative programmeren, zijn in staat om zelf te leren van voorgaande gesprekken en kunnen op basis daarvan zelfstandig handelen om de klant zo goed mogelijk te helpen. Door deze slimmere manier van programmeren zijn chatbots in staat om menselijker te reageren in conversaties. Daarnaast biedt declarative programmeren ook grote voordelen voor de ontwikkelaars. Zij zijn namelijk in staat veel sneller en goedkoper intelligente chatbots te ontwikkelen.
Op termijn zorgt deze nieuwe vorm van programmeren ervoor dat chatbots autonoom kunnen handelen en niet langer afhankelijk zijn van mensen. Dit stelt chatbots in staat om complexere problemen en processen op te lossen, waardoor zij domeinbreed ingezet kunnen worden door organisaties.
Reacties
Om een reactie achter te laten is een account vereist.
Inloggen Word abonnee