Será que os novos avanços em IA podem trazer o ‘toque humano’ que os chatbots estão seriamente perdendo?
Os avanços em IA podem trazer o 'toque humano' que os chatbots estão perdendo?
Quando os chatbots se tornaram acessíveis comercialmente, empresas grandes e pequenas os abraçaram de braços abertos. “Ter um robô para lidar com perguntas fáceis de atendimento ao cliente em segundos? Incrível!” – pensávamos.
O problema era que esses primeiros chatbots eram menos C-3PO e mais uma barreira irritante para um ser humano real. De serem questionados: “Você pode repetir a pergunta” 10 vezes seguidas a serem direcionados para uma página de informações completamente irrelevante – os clientes simplesmente não têm mais paciência para lidar com chatbots mal feitos.
Na verdade, um estudo da Zoom descobriu que mais da metade dos entrevistados mudaria para um concorrente depois de apenas uma ou duas experiências ruins de suporte ao cliente.
Mas será que os novos avanços na tecnologia de IA podem nos dar os chatbots inteligentes, emocionalmente inteligentes e proativos dos nossos sonhos de ficção científica? Vamos dar uma olhada em onde os chatbots erram e como a IA pode ajudar.
Saindo do roteiro
Se você já viajou para um país estrangeiro para testar suas habilidades linguísticas, você sabe que o que eles ensinam na sala de aula é completamente diferente de como as pessoas realmente falam na prática. “Como você está?” pode ser substituído por “como está?” “10 libras” se torna “10 pratas”. Só depois de passar um tempo com os habitantes locais é que você realmente aprende a falar um idioma.
- Empresa europeia vai estudar planos para ‘colher’ energ...
- Threads começa a lançar a guia Seguindo cronológica
- Apple considerando iPad dobrável, de acordo com fontes da cadeia de...
Os primeiros chatbots eram muito parecidos com novos aprendizes de idiomas. O conhecimento deles sobre a linguagem humana se limitava a um conjunto pré-carregado de perguntas e respostas. Esqueça gírias ou sutilezas, até mesmo dizer “oi” em vez de “olá” poderia confundi-los. Faça uma pergunta fora da programação deles e você poderia esperar a famosa resposta: “Desculpe, eu não entendo”.
O Processamento de Linguagem Natural (PLN) permite que seus chatbots aprimorem suas habilidades na linguagem humana. Em vez de depender de perguntas e respostas pré-definidas, os chatbots baseados em PLN desmembram a consulta de um cliente em partes e a analisam quanto ao contexto e ao significado.
Isso significa que os clientes podem conversar com esses chatbots avançados da mesma forma que conversariam com um representante de atendimento ao cliente real e receber respostas surpreendentemente não robóticas em troca. O ChatGPT é um bom exemplo de uma ferramenta de IA que utiliza o PLN para entender melhor as consultas dos usuários.
Além disso, quanto mais os chatbots com PLN interagem com os clientes, mais eles aprendem. Isso significa que, ao longo do tempo, eles são capazes de fornecer respostas mais precisas e relevantes com base em interações anteriores.
Comunicação aprimorada
Então, os chatbots aprimorados por IA podem digitar o bate-papo. Mas eles podem falar a língua?
O reconhecimento de voz e a conversão de fala em texto estão realmente colocando o ‘bate-papo’ no chatbot. Volte apenas cinco anos atrás, e qualquer pessoa com apenas um leve sotaque teria dificuldade em obter uma resposta de um assistente de voz. Hoje, usando o Entendimento de Linguagem Natural (ELN), os chatbots modernos podem detectar idiomas e sotaques, responder no mesmo idioma e converter a fala em respostas escritas usando a funcionalidade de conversão de fala em texto.
Isso também é útil para agentes de atendimento ao cliente que desejam gerar resumos de suas conversas para fins de registro e treinamento.
O componente emocional
O objetivo de um chatbot está no nome – conversar. Por definição, eles devem ser conversacionais. Mas conversar não se trata apenas de palavras – trata-se de entender emoção e sutileza.
Os humanos nem sempre dizem o que querem dizer; linguagem corporal, tom de voz, expressão facial e inflexão podem indicar uma mensagem que não pode ser capturada apenas por palavras. O que torna ainda mais difícil para os chatbots entenderem o que realmente queremos dizer.
Através de técnicas de aprendizado de máquina, os chatbots modernos podem ser treinados para reconhecer a intenção subjacente por trás das mensagens. Isso é chamado de análise de sentimento, que permite que os modelos de IA detectem se a linguagem humana tem um sentimento positivo, negativo ou neutro por trás dela.
Por sermos apenas humanos, tendemos a usar linguagem emotiva, mesmo quando nos comunicamos com bots.
Ferramentas de análise de sentimento podem classificar dados em uma escala de quanto eles são positivos ou negativos, com base na linguagem usada. Por exemplo, mesmo a melhor tecnologia de PLN pode não ser capaz de entender sarcasmo, mas a análise de sentimento pode ser usada para detectar quando um cliente pode estar furioso. Essa tecnologia pode ser usada em uma ampla variedade de situações, desde auxiliar na análise de riscos até detectar e alertar agentes sobre casos de luto.
Isso é útil para equipes de atendimento ao cliente que precisam categorizar e priorizar casos rapidamente ou identificar quais precisam ser redirecionados ou escalados para um representante humano. Esse tipo de roteamento e escalonamento inteligente pode reduzir os índices de resposta e economizar tempo das equipes de atendimento ao cliente ao tentar combinar casos com os agentes certos.
Aprendendo e tirando insights para o futuro
O senso comum é uma característica inerente (que a maioria dos seres humanos possui), que nos diferencia das nossas máquinas cada vez mais inteligentes. Se fizermos algo várias vezes sem obter o resultado desejado, é a vozinha que nos diz: “Ei, talvez algo não esteja certo aqui”.
Embora ainda não tenhamos conseguido programar o senso comum em nossas máquinas, a análise preditiva pode ajudar os bots a aprender com dados passados e fornecer suporte proativo.
Se um cliente publicar uma avaliação de produto online e mencionar um defeito do produto, as ferramentas de análise preditiva podem ajudar a rastrear os clientes que estão usando o mesmo produto e que podem enfrentar problemas semelhantes. Aqui está a parte inteligente: você pode usar esses dados para fornecer suporte direcionado aos clientes afetados, emitir um comunicado em massa sobre o defeito e influenciar o desenvolvimento futuro do produto.
A análise preditiva também pode ajudá-lo a garantir uma pequena venda adicional. Ao analisar os dados de compras passadas dos clientes, as ferramentas de análise preditiva podem fazer recomendações de produtos personalizadas para cada cliente.
Escalando o Sucesso: Como a IA Generativa está Revolucionando a Experiência do Cliente (CX)
Se você está pronto para se aprofundar no mundo da IA para o atendimento ao cliente, confira este webinar sob demanda onde os especialistas Tim Banting da Omdia e Iqbal Javaid da Zoom discutem:
- Tendências de adoção e as tecnologias de IA mais populares atualmente
- Alguns dos desafios quando se trata de dados, segurança e viés
- Melhores práticas na integração de ferramentas de IA em equipes de atendimento ao cliente
- A plataforma de experiência do cliente baseada em IA da Zoom
