Artikel

Acht zaken waar je op moet letten bij de ontwikkeling van zelflerende chatbots

Artificial intelligence (AI) is typisch zo’n technologie waarover momenteel meer wordt gepraat en geschreven dan dat het al in de praktijk wordt toegepast. Dat is niet zo verwonderlijk, want de technologie is nog jong.

Eén van de toepassingen van AI die wel al veelvuldig in de praktijk te vinden zijn, is die van de chatbots. De afgelopen jaren heeft chatbot-technologie een enorme ontwikkeling doorgemaakt. En volgens Gartner duurt het nog maar een jaar of twee voordat 85 procent van de interacties tussen bedrijven en klanten plaatsvinden zonder tussenkomst van mensen. Het spreekt voor zich dat chatbots daar een belangrijk aandeel in zullen hebben.

Pasklare antwoorden op standaardvragen

Maar laten we eerlijk zijn: veel chatbots die nu al worden ingezet door bedrijven zijn nog relatief eenvoudig. Ze zijn vaak geprogrammeerd om kant-en-klare antwoorden te vinden aan de hand van een aantal trefwoorden. In de meeste gevallen zijn deze chatbots geen volwaardige klantenservice-medewerkers, maar ze komen al een heel eind met antwoorden op standaardvragen.

De komende tien jaar zullen chatbots niet alleen intelligenter worden, maar ze gaan ook beter de context begrijpen, onder meer doordat ze meer data tot hun beschikking krijgen dan nu het geval is. Tenminste, als ze gebruik maken van de juiste frameworks en technologieën.

Er zijn dus wel nog wat stappen te zetten van de vraag-en-aanbod-bots van nu naar de zelflerende chatbots van de toekomst, die getraind kunnen worden en zelfstandig kunnen opereren.

Voor ontwikkelaars is het nu vooral belangrijk om de juiste keuzes te maken qua frameworks en technologieën. De beste manier om chatbots echt autonoom te laten opereren, is door gebruik te maken van declaratieve programmeermethodes. Op die manier kunnen we ze doelen meegeven die ze zouden moeten behalen, in plaats van ze voor te schrijven hoe ze vragen moeten beantwoorden.

Maar hoe?

Er zijn acht zaken in de anatomie van een chatbot waar je als developer rekening mee moet houden.

1. De interface

Veel chatbots maken gebruik van channels als Messenger of iMessage. Dit soort interfaces worden vaak standaard (ingebouwd) aangeleverd of ze worden rechtstreeks gekoppeld aan de native channel die geschikt is voor de client. Dit brengt verschillende niveaus van complexiteit met zich mee:

a. Tekst-only: de interface maakt alleen gebruik van tekst en labels om te communiceren met de klant
b. Tekst en spraak: de klant kan zijn vraag ook via spraak stellen. Ook dat levert een extra laag complexiteit op; zo moet je hiervoor toegang hebben tot een microfoon en een component om spraak om te zetten naar tekst
c. Spraak: denk aan chatbots als Siri, Alexa of Cortana
d. Spraak & visueel: Amazon Echo Show is hier een goed voorbeeld van
e. Tekst, spraak & visueel: dit is de meest complexe variant, die nog het meeste lijkt op de verrijkte interfaces die iMessage biedt. Klanten kunnen in dit geval typen, praten en interacteren met visuele UI-widgets in de context van een chat. De complexiteit zit hem hier met name in het feit dat de chatbot de juiste UI-interactie moet kunnen leveren binnen de juiste context.

2. De Natural Language Processing (NLP) component

Met NLP-technologie kun je als developer software ontwikkelen die mensentaal echt begrijpt en communiceert op een manier die zo natuurlijk mogelijk is. Dat kan heel krachtig zijn, maar het is wel belangrijk om te beseffen dat NLP uiteindelijk niet veel meer doet dan een stukje software helpen om zinnen te ontleden en de input te vertalen naar commando’s die een programmeur vervolgens weer kan omzetten naar vervolgacties. De uitdaging blijft om een chatbot in te zetten zodat deze een specifieke vraag kan beantwoorden of aan een behoefte kan voldoen.

3. De context of het geheugen van een bot

Als je de interactie met een chatbot wilt laten lijken op communicatie tussen twee mensen, dan is het vooral belangrijk dat de bot context begrijpt en een geheugen heeft. Soms zal het nodig zijn om die context per gebruiker op te slaan, zodat je een volledige gepersonaliseerde ervaring kunt bieden aan de klant.

4. Loops, splits en repeats

Dit is waar de meeste complexiteit van een chatbot in zit. Hoe meer mens en machine op een open manier met elkaar gaan communiceren, des te belangrijker het wordt het om conversaties over te dragen aan anderen (splits) of terug te verwijzen naar een eerder gesprekken (loops). Dat alles is met de huidige generatie chatbots nog best ingewikkeld.

5. Integratie met legacy-systemen

Afhankelijk van het type chatbot kan het nodig zijn om agents te integreren met bestaande systemen, hetzij als archief of als informatiebron. Als je een bot bouwt voor de business, dan is er bijvoorbeeld een koppeling nodig met een CRM-, ERP- of HR-systeem waar je data uit moet halen of in stoppen.

6. Analytics

De complexiteit van een chatbot is zwaar afhankelijk van analytics, omdat dit zorgt voor het identificeren en begrijpen van interactie, afwijkingen en misverstanden. Slimmere analytics zorgen dus voor betere interactie met de klant (en dus hogere klanttevredenheid).

7. Hands-offs

Als een chatbot naast klantenservicemedewerkers opereert, dan is het belangrijk dat de medewerker een conversatie (waar nodig) kan overnemen.

8. Karakter, toon en persona

Er zijn van die ‘zachte’ karaktertrekken die een chatbot meer menselijk doen lijken. Moet een bot bijvoorbeeld mannelijk of vrouwelijk zijn? Zijn zijn/haar antwoorden formeel of juist bewust informeel?

De echte uitdaging van het ontwikkelen van een productieve chatbot (zeg maar stappen 4 tot en met 8) komt vaak pas nadat je NLP hebt geïntegreerd (stap 3). Waar veel developers in de praktijk pas achter komen in deze fases is dat ze in feite weer een systeem aan het ontwikkelen zijn met veel handmatig gecodeerde logica, beslisbomen en opslagbeheer die ook nog eens gepersonaliseerd moet worden per gebruiker.

Een manier om dat te voorkomen is door gebruik te maken van een rijkere declaratieve programmeertaal waarmee je een chatbot doelen kunt meegeven. Ook kun je hierdoor een belangrijk deel van systeemintegratie, het geheugenbeheer en het verloop van de conversatie aan het systeem overlaten. Wie hier niet voor kiest, zal er al vlug achter komen dat chatbots een stuk kostbaarder zijn om te ontwikkelen en onderhouden dan traditionele applicaties.

Faris Sweis, Senior Vice President en General Manager of Developer Tooling Business/Telerik Platform bij Progress

Categorie:   
Auteur(s)
afbeelding van Progress
- Progress -

Progress offers the leading platform for developing and deploying mission-critical, cognitive-first business applications for competitive advantage.

Nieuwe reactie inzenden

De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.
Indien het niet lukt om een reactie te plaatsen, stuur dan uw reactie naar redactie@xr-magazine.nl.
Alle inzendingen dienen correct, professioneel en beschaafd te zijn. IP-adressen worden gelogd, maar niet gepubliceerd. De redactie van XR Magazine behoudt zich het recht voor om anonieme reacties (niet op naam) of zonder geldig e-mailadres, te verwijderen zonder kennisgeving. Ook reacties waarin commerciële uitingen worden gedaan en/of commerciële producten en diensten worden aangeboden worden door de redactie verwijderd of ontdaan van commerciële uitingen zonder kennisgeving.