De meilleurs chatbots grâce à l'intelligence artificielle

L'intelligence artificielle peut ajouter de la valeur à un chatbot

Les prévisions annuelles pour 2018 prévoient une augmentation significative de l'utilisation des chatbots et des assistants vocaux dans toutes les industries. La combinaison de chatbots et de l'apprentissage machine peut augmenter de manière significative la valeur ajoutée, car le chatbot apprend continuellement des dialogues et fournit ainsi un meilleur service.

L'une des raisons pour lesquelles les chatbots ont parfois été perçus comme plutôt médiocres jusqu'à présent est que, par rapport à un formulaire web classique, ils n'apportent souvent aucune valeur ajoutée. La valeur ajoutée est principalement générée lorsque le chatbot ne suit pas seulement des règles préprogrammées, mais répond aussi individuellement et de manière flexible au dialogue en cours avec l'utilisateur. L'utilisation de l'apprentissage machine, et donc un pas vers l'intelligence artificielle, peut rendre cette dynamique possible. Mais à quel point cela est-il simple dans la réalité? Quels sont les facteurs clés?

 

En ce qui concerne les domaines fonctionnels d'un chatbot, l'interface utilisateur avec le traitement du langage naturel (NLP), la compréhension du langage naturel (NLU) et la génération du langage naturel (NLG) bénéficie avec une grande certitude des éléments de l'intelligence artificielle. Cela permet de comprendre la voix de l'utilisateur plus rapidement et de manière plus fiable, de déduire les intentions de l'utilisateur et de traiter et d'afficher les résultats dans la langue de l'utilisateur. Les services basés sur le cloud de divers fournisseurs, comme Microsoft, Amazon et Google, qui émergent maintenant très rapidement ou existent déjà, fournissent de très bonnes fonctionnalités qui utilisent l'apprentissage machine en arrière-plan et qui peuvent être intégrées dans un chatbot avec peu d'efforts. Il ne vaut donc pas la peine de développer ces éléments pour un nouveau chatbot.

 

Le plus grand potentiel de l'intelligence artificielle pour un chatbot réside dans l'expertise du processus qui transparaît dans le dialogue. Plus le chatbot est capable de conduire un dialogue, plus l'utilisation du chatbot devient efficace et plus il génère de valeur pour l'utilisateur. Puisqu'un chatbot doit connecter les besoins de l'utilisateur avec de nombreuses sources de données et systèmes différents en fonction de la situation ainsi qu'avec un processus, un modèle d'apprentissage machine doit être personnalisé et intégré dans le chatbot. Le modèle interagit fortement avec la personnalité du chatbot (persona) et la conception du dialogue. Par conséquent, il faut non seulement la compétence de conception UX, mais aussi la compréhension technique des systèmes à connecter et des possibilités et des limites d'un modèle d'apprentissage machine afin d'en tirer le plus grand bénéfice possible.

 

Enfin, il convient de noter qu'un système d'apprentissage peut également apprendre des choses erronées, par exemple en raison d'un attaquant ou de problèmes non résolus dans le processus. Il y a déjà des exemples, comme le chatbot Twitter de Microsoft "Tay", qui a dû être désactivé peu de temps après son lancement parce qu'il avait "appris" trop de commentaires non filtrés, parfois racistes de la part d'autres utilisateurs et les a incorporés dans sa communication. Il ne suffit donc pas de concevoir le chatbot pour une situation idéale, mais il faut considérer les différents scénarios de développement possibles, puisqu'un système d'apprentissage continuera à se développer de manière indépendante dans une certaine mesure. La qualité du chatbot est étroitement liée aux sources de données et aux intrants d'apprentissage utilisés. Les processus de suivi et de modification de ces données doivent constamment s'assurer que le chatbot fournit des résultats adéquats et répond aux attentes des utilisateurs. Un chatbot peut donc bénéficier de l'intelligence artificielle si tous les facteurs d'influence sont soigneusement analysés et pris en compte.