При этом обучающаяся нейросеть требует к себе много внимания. Придется самостоятельно обучать добавленный бот и следить за тем, не сделала ли она неверных выводов, из-за которых клиенты будут накапливать негативный опыт взаимодействия с компанией. Не важно, идет ли речь о разработанном специально для компании чат-боте на одном из фреймворков Python c AI или приобретен чат-бот «под ключ» от какого-нибудь поставщика готовых ботов для бизнеса, например, Chat GPT. Не трудно представить, какое впечатление произведет на клиентов на первой линии клиентской поддержки что-то грубое или неуместное от нейросети!

В данной статье Вячеслав Столовицкий, CEO Sigmamobi, рассказал о чат-ботах с искусственным интеллектом и почему их чаще стали внедрять.

История № 1. Microsoft. В 2015 году компания разработала и представила публике чат-бота Twitter, который был снабжен элементами нейросети и «машинного обучения» (machine learning). Обучаться «нейронка», которая общалась с пользователями соцсети, должна была на массиве ранее написанных людьми сообщений в Twitter. Спустя 24 часа после того, как чат-бот был отправлен в «свободное плавание», его пришлось отключить, потому что он стал допускать расистские высказывания и нецензурные выражения.

Почему сегодня AI-чат-боты выгоднее скриптовых ботов и «человека в чате»?

Несмотря на ряд недостатков перед традиционными, скриптовыми ботами, боты с искусственным интеллектом выходят на первый план в 2024 году. Среди причин внедрить такое программное обеспечение:

● возможность автоматизировать еще больше задач: бот с нейросетью и машинным обучением способен «понимать» человеческую речь, так как любая такая система работает с NLP (Natural Language Processing). Она самостоятельно интерпретирует сказанное и вырабатывает ответ. Кроме того, она изучает предыдущий опыт взаимодействия с пользователями и улучшает свою работу. В результате, круг решаемых задач может перекрыть все простые и типичные вопросы первой линии клиентского сервиса и даже помочь специалистом по работе с клиентами или инженерами техподдержки с более сложными операциями;

● значительная экономия издержек: по данным исследования AI Chatbots in Customer Service: Adoption and Simple Remedies, в результате перехода на AI-чат-боты сотням обследованных компаний удалось сэкономить в среднем 0,70 доллара на каждый диалог с клиентом в чате;

● решение проблемы быстроты реакции на обращения клиентов: ряд исследовательских организаций проводят мониторинг ситуации с онлайн-чатами клиентов на сайтах и в мессенджерах компаний. Согласно Life Chat Benchmark Report 2024, ежегодно наблюдается рост на 23% количества живых чатов с сотрудниками компаний всех типов, попавших под объектив исследования (1254 чата в пересчете на одного сотрудника в 2023 году). В будущем популярность такой формы коммуникации между клиентом и компанией будет только расти. По информации того же исследования, глобальный рынок онлайн-чатов поддержки вырастет с 900 миллионов долларов в 2023 году до 1,4 миллиарда в 2028. Такой показатель, как скорость ответов и удовлетворенность клиентов общением колеблется из года в год, то ухудшаясь, то улучшаясь. Чтобы не нанимать огромные отделы клиентской поддержки, придется осваивать AI-чаты, ведь скриптовые варианты не могут взять на себя больше задач. Реакция на обращения от AI-чата, в отличие от сотрудника-человека, почти мгновенна. Вдобавок, бот способен отвечать клиентам 24/7, что тоже является актуальной проблемой.

Чат-бот, основанный на AI может больше, чем бот на скриптах, ведь благодаря NLP он способен определить настроение клиента и разгневанного пользователя передать специалисту-человеку в срочном порядке, поставив пометку «срочно» в CRM, самостоятельно выбирать базы знаний, в которых можно искать ответ на вопрос клиента, общаться «как человек», что ценится многими людьми, делать многие другие сложные операции.

История № 2. Сеть спортивного ритейла «Декатлон». Благодаря технологии AI-ботов удалось создать интерактивного помощника на сайте, способного распознавать более 1000 интентов (намерений) клиентов. Если вопрос попал в одну из этих категорий, то следует ответ нейросети. После запуска цифрового помощника затраты на клиентскую поддержку сократились на 65%.

Как работает AI-чат-бот на первой линии клиентского сервиса?

Получив на вход сообщение пользователя, AI-бот в первую очередь подвергает его «токенизации» — анализирует фразу с лингвистической точки зрения, отделяя слова, несущие логический илиэмоциональный смысл от вспомогательных слов. Анализ является достаточно глубоким. Например, существуют библиотеки для распознавания тона речи: от разгневанного до спокойного и доброжелательного, например, Watson Tone Analizer. Такие готовые решения могут быть использованы в коде и сообщение пользователя получает многоуровневую оценку и интерпретацию.

Важные слова нейросеть анализирует, сверяя с сотнями словарей. Отслеживает между ними связи. Дальнейшие действия зависят от конкретной архитектуры «нейронки». Она может прогнозировать ответ и выдавать его, отталкиваясь, в основном, от сообщения клиента. Некоторые нейросети делают ставку на анализ всего фонда чатов, в которых бот участвовал. Для определения эффективности тех или иных диалоговых нейросетей существуют национальные и международные соревнования на прохождения Теста Тьюринга, знаменитого теста, позволяющего определить кто перед вами: человек или искусственный интеллект. В последние годы в таких соревнованиях стабильно побеждает Chat GPT, однако развитие других AI-чат-ботов не стоит на месте.

История № 3. Еврокомиссия. Один и органов управления Европейским Союзом. Сервисы Еврокомиссии использовались для информирования европейцев о возможностях в сфере путешествий и передвижений по Евросоюзу. В онлайн-помощнике часто задавались вопросы вроде «Что мне делать, если я пропустил свой поезд?» или «Откуда отправляется мой поезд?». Чиновники ЕС «зашивались», не успевая отвечать на группы однотипных вопросов. Приняли решение создать чат-бота, основанного на AI. Он должен был работать на первой линии поддержки, то есть отвечать на самые простые, повторяющиеся вопросы. В первый месяц работы бот самостоятельно обработал 700 тикетов, которые поступили в информационный сервис. 150 вопросов передал сотрудникам-людям, так как нужны были более сложные процедуры.

Лучшими AI-чат-ботами для клиентской поддержки многими рейтингами признаются: Tidio, Landbot, ChatBot, FreshChat, Zoho SalesIQ из отечественных решений можно отметить «Многочат».

Как выбрать конкретное решение AI для своего чат-бота клиентской поддержки?     

Прежде всего, нужно обратить внимание на архитектуру нейросети, которая будет в чат-боте распознавать интенты пользователя. Интенты — это намерения пользователей, которые читаются между строк формального сообщения, заданного в чат. Недавнее исследование, проведенное специалистами по информационным технологиям из МГУ показало, что рекуррентные сети лучше сверточных при обработке текста. С другой стороны, по всем рассмотренным показателям в комплексе, сверточная модель с подобранными параметрами оказалась лучше, чем любые другие, в том числе api.ai и ibm.watson.

Речь идет о конструкции нейросетей, которые обучаются на сообщениях пользователя и отвечают на сообщение. Как известно, мозг человека состоит из нейронов, каждый из которых достаточно прост, но передает с огромной скоростью сигналы мириадам других нейронов. Накапливается информация, позволяющая принять самостоятельное решение. Компьютерные нейронные сети стремятся воспроизвести этот результат, только нейроны, которые они создают являются математическими функциями и последовательностями единиц и нулей. Они проносятся по транзисторам процессорной памяти. Как и в мозге, их очень много. Они принимают информацию о раздражителе и пропускают ее через слои из тысяч себе подобных. Попутно накапливается информация и происходит ее анализ. Ни одна из архитектур нейросетей по сложности не может приблизиться к человеческому мозгу. Однако придумано много архитектур в попытке добиться максимальной эффективности таких сетей. При прочих равных нейронная сеть функционирует тем лучше, чем большее количество искусственных нейронов есть в ее слоях и чем больше слоев используется.

История № 4. Компания Krafton, южнокорейский производитель видео-игр: в связи с выходом популярных игр Battleground и PUBG радикально возросло количество обращений клиентов. Возникла задача мультиязычной поддержки большого количества брендов одновременно в разных точках мира. С помощью подрядчика была создана интегрированная платформа менеджмента тикетов, в которой обращения «на лету» переводились на разные языки (функционал Dynamic Content), в зависимости локации, в которой находится клиент. При этом затраты на клиентскую поддержку сократились на 15%.

Выбирая поставщика услуг AI-бота, стоит заранее принять во внимание то, насколько просто в платной, приобретенной B2B системе устроено машинное обучение. Если для этого в программном продукте не заложены упрощающие инструменты, то поддержка такого бота может потребовать даже больше трудовых ресурсов, чем клиентская поддержка традиционным способом. Эффективным решением, например, является система управления обучением AI-бота с помощью zero-coding платформ.

Внимательно изучите условия использования приобретенного сервиса, доступность функций, расчет оплаты. IT-реальность не стоит идеализировать. Например, многие SaaS-продукты, хранящие ваши данные у себя на сервере, а сложные функции предоставляющие по низким ценам, могут не дать вам выгрузить свою информацию при окончании сотрудничества. Достаточно и нечистоплотных приемов со скрытыми комиссиями и платежами.

История № 5. Платформа онлайн обучения Yellow Class. Растущий в результате рекламы поток первоначально обратившихся пользователей, которые просто хотели узнать больше об услугах онлайн-школы не оставил выбора. Было принято решение о создании AI-чат-бота для WhatsApp (обычно боты делают в Telegram, так как в WhatsApp создание бота не бесплатно, а потребует начать вносить регулярную абонплату). В результате удалось предотвратить разрастание отдела клиентского сервиса и оптимизировать его работу.

AI-чат-боты: история успеха

Идея нейросетей и искусственного интеллекта (AI — artificial intellect) существует с 50-х годов прошлого века, однако до революции в этой сфере 2015–2018 годов разработкам в области подражающего человеческому мозгу ПО, способного действовать самостоятельно, было далеко до эффективности. В 2000-х AI-боты широко не использовались, ведь были слишком вероятны эксцессы вроде того, что произошло с Twitter-ботом Тай. Изменения происходят почти на наших глазах, поэтому пользу AI в отделах по работе с клиентами и технической поддержки все еще приходится доказывать даже тем, кто не вчера в бизнесе.

Революция 2015-2018 в мире AI-чат ботов состояла в том, что инженерами были усовершенствованы алгоритмы определения семантической близости текстов, технологий машинного обучения и работы с NLP, а также вычислительная мощность компьютеров. Тем самым, работа ботов на искусственном интеллекте стала более стабильной и предсказуемой, снизив риски потери клиентов в результате неожиданных действий AI.

Не стоит впадать и в другую крайность, переоценивая возможности чат-ботов на искусственном интеллекте. Еще в 2014 году сообщалось, что бот «Евгений Густман» успешно выдал себя за 13-летнего одесского мальчика и прошел тест Тьюринга. Однако позже оказалось, что результаты преувеличены и этой нейросети пока далеко до правдоподобной имитации мышления человека. Она переставала вести себя как человек при достижении беседы с большей сложностью и более сложным контекстом (успешно отвечала до 80-й реплики).

Эксперты много пишут о пороге вычислительных возможностей машин, из-за которых, по их мнению, развитие искусственного интеллекта надолго уперлось в потолок.

С другой стороны, AI, наряду с блокчейном, internet of things и 3D-печатью считается многими экономистами ключевой технологией, которая в ближайшее время изменит человечество. Считается. что четыре перечисленные технологии приведут к появлению нового экономического уклада и «Промышленности 4.0». Так или иначе, реальные кейсы реальных компаний уже сегодня показывают эффективность AI-чат-ботов, чем они не могли похвастаться еще 10-20 лет назад.