fbpx

Chatbots und Conversational AI

Chatbots und Conversational AI

Was hat Ingo mit Conversational AI zu tun?

Ingo Steinkellner ist Chief Technology Officer (CTO) beim Zürcher Softwareentwickler aiaibot.  Somit ist er dort für alles technische verantwortlich. Er kümmert sich einerseits um die Entwicklung, andererseits um die Schnittstelle zum Business, also auch um alles technische für Kundenprojekte.

 

Was ist AI?

Artificial Intelligence (AI) ist der Versuch menschliches Verhalten nachzuahmen. Ein Beispiel dafür sind selbstfahrende oder teilautonome Autos. AI unterstütz den Menschen in diesem Fall dabei anhand von Sensoren und Software nachzuahmen, wie er ein Auto lenkt. In diesem Verfahren werden verschiedene Faktoren verarbeitet, um in Realtime Entscheidungen zu treffen. Diese Technologie hat ebenfalls Anwendungsbereiche im Zusammenhang mit Conversational AI und Chatbots. In diesem Kontext erkennt AI was Menschen von ihr möchten und wie sie diese Anliegen bearbeiten und beantworten kann.

 

Was ist Conversational AI?

Conversational AI ist das Anwenden von AI auf Konversationen. Dies kann in verschiedenen Formen stattfinden. Prominente Beispiele dafür sind Systeme wie Google Assistant oder Siri. Hier sprechen Menschen mit einer Maschine, diese versucht das Gesprochene zu erkennen, zu verarbeiten und eine gesprochene oder geschriebene Antwort darauf zu formulieren. aiaibot hingegen, arbeitet textuell mit Chatbots. Dazu geben Menschen ihre Anliegen auf ihrem Computer oder Mobilgerät ein, die Maschine versucht diese zu kategorisieren und eine Antwort oder Lösung darauf zu generieren.

 

Was bringt Conversational AI?

Bei vielen Unternehmen gibt es von Kunden- oder Mitarbeiterseite typische Anliegen und häufig gestellte Fragen. Diese kann man mit der Technologie, die heute zur Verfügung steht, relativ leicht automatisieren. Einerseits im Dialog, andererseits in der Fallbearbeitung, also Antworten und Lösungen, die  direkt generiert und geliefert werden. Mit dieser Anwendung erzeugt man den Kunden gegenüber einen grossen Mehrwert anhand einer relativ günstigen Technologie. Ausserdem steht mit Conversational AI rund um die Uhr ein intelligenter Assistent und Mitarbeiter zur Verfügung. Hinzu kommt, dass viele digitale Touchpoints existieren, die man anhand von Conversational AI nutzen kann, zum Beispiel Homepages oder zusätzliche Kommunikationskanäle wie Slack oder Microsoft Teams.  Über solche Kanäle kann man dann die  Antworten auf Anliegen von Kunden oder Mitarbeitern automatisieren.

 

Regelbasierte Chatbots vs. Conversational AI

An diesem Punkt stellt sich die Frage, was ist der Unterschied zwischen regelbasierten Chatbots und Conversational AI?

Regelbasierte Chatbots schlagen Nutzern direkt Antwort- oder Fragemöglichkeiten vor. Deshalb sind regelbasierte Chatbots nicht mit conversational AI gleichzusetzen, die möglichst offen ist und den Anwender seine Anliegen platzieren lässt. Empfehlenswert für Chatbots ist aber oftmals die Kombination von conversational AI und regelbasiert, wobei man immer die Situation und die Dialogart beachten sollte. Das liegt daran, dass es Stellen gibt in einem Dialog bei denen man möglichst offen sein sollte und andere, wo man kontextbasiert etwas enger geht.

aiaibot hat  mit regelbasierten Chatbots angefangen. Nun sollen aber ab dem 1. September neue Module veröffentlicht werden: das AI Modul und Robot. Das AI Modul will den regelbasierten Bot an entsprechenden Stellen im Dialog mit AI verbinden. Robot funktioniert über Automation und Integration. Über dieses Modul kann man völlig frei Prozesse automatisieren, den Prozessablauf gestalten und AI mit Chabots verbinden. Damit wird Robot zu einem intelligenten Assistenten sowie Daten-Aggregator,  der nebenbei Prozesse abwickeln und mit Kommunikationskanälen interagieren kann.

Ein weiterer Aspekt der neuen Module ist der, der transparenten AI. Viele Anbieter die, mit AI arbeiten geben relativ wenige Daten hinaus zu dem, was diese AI messbar macht. Das Ziel für das Modul von aiaibot ist es transparent zu sein, das heisst wichtige Kennzahlen aufzuzeigen im Kontext von Natural Language Processing, wo man mit Daten Classifier trainieren kann. Dabei sollen transparente Kennzahlen zu den einzelnen Kategorien aufgezeichnet werden, die sie trainieren. Zudem soll eine Confusion Matrix in der Lage sein das Optimierungspotenzial, das in einem Classifier vorhanden ist, zu generieren. Mit diesem Testing Modul kann eingesehen werden, wie man die Classifier weiter optimieren kann, um das Kundenerlebnis zu steigern.

 

Beispiele für Usecases

  • Einstiegsfrage beim Chatbot

Wenn der Nutzer auf eine Homepage kommt und  mit den ganzen Menüpunkten überfordert ist, dann ist das die ideale Situation, um einen Bot zu brauchen, der mit conversational AI funktioniert. An dieser Stelle kann er den Nutzer offen fragen, was sein Anliegen ist. Dieser kann es dann völlig frei eintippen. Der Bot erkennt dieses anschliessend und kann den Nutzer auf den Weg bringen, um beispielsweise seine gewünschte Produktbestellung auszuführen.

  • Schulungsbasierte Bots

Wenn man versucht irgendwo Lerninhalte unterzubringen, kann man den Benutzer etwas fragen, das er gelernt hat. Dieser kann es frei eintippen und anhand von conversational AI kann im Nachhinein analysiert werden, ob seine Antwort in die richtige Richtung geht.

  • Notfälle bei der Kreditkarte

Wenn ein Problem mit der Kreditkarte auftritt, kann man das direkt über den Bot lösen oder auch Rechnungen hochladen, wenn man Probleme mit der Abrechnung hat. Solche Probleme werden völlig automatisiert vom Bot behandelt und können jederzeit behandelt werden, auch wenn gerade kein Kundenservice zur Verfügung steht.

 

Im Zusammenhang mit AI und Konversationen sind die Usecases relativ unbegrenzt. Mittlerweile gibt es einige, die man erfolgreich einsetzen kann, aber man entdeckt ständig neue. Es handelt sich dabei um einen Hype, der gerade entsteht und bei dem  grosses  Entdeckungspotenzial  existiert. Deshalb sieht sich Ingo auch viel bei Konkurrenzprodukten um und inspiriert und orientiert sich daran, wie andere etwas gut gemacht haben.

 

Learnings

1) Artificial Intelligence ist der Versuch menschliches Verhalten nachzuahmen. Im Kontext von conversational AI und Chatbots kann AI erkennen was Menschen von ihr möchten und wie sie diese Anliegen bearbeiten und beantworten kann.

2) Conversational AI ist das Anwenden von AI auf Konversationen. Dazu geben Menschen ihre Anliegen auf ihrem Computer oder Mobilgerät ein und die Maschine versucht diese zu kategorisieren und eine Antwort darauf zu generieren.

3) Empfehlenswert für Chatbots ist oftmals die Kombination von conversational AI und regelbasiert, wobei man immer die Situation und die Dialogart beachten sollte.

4) Egal wie viel AI beim Chatbot verwendet wird, es ist wichtig, dass man sich überlegt, wo man Mehrwerte schaffen kann. Es muss wirklich ein Usecase da sein.

 

Am besten hört ihr gleich mal selbst in die Podcast Folge mit Sophie Hundertmark und Ingo Steinkellner rein. Viel Spass!

Und wenn ihr keine Podcast-Folge mehr verpassen wollt, dann tragt euch unten auf dieser Seite in die Mailang-Liste ein.

Share this post