Af Partner Erik Rosenkrantz i samarbejde med seniorkonsulent i R&D Janni Johnsen

Oplevelser omkring opstartsfasen af en Chatbot

Da vi startede op på vores projekt, undersøgte vi hvordan vi hurtigst og nemmest kunne komme i gang.
Der var fire større leverandører og et hav af mindre. Vi valgte at se på de fire store. Det gør nemlig vores kunder mere trygge, når en stor leverandør står bag produktet og gerne en amerikansk. Disse var:

  • Microsoft
  • Google
  • IBM
  • Oracle

Vi valgte primært at fokusere på Microsoft BOT Framework herunder QNA, da det kræver meget lidt viden for at komme hurtigt i gang. Derudover kunne vi læse at BOT-værktøjet er brugt af over 130.000 udviklere, hvilket plejer at sikre at de mere generelle fejl bliver løst hurtigt.

Vi kiggede selvfølgelig også på Google, som kom med deres Google Allo ca. et halvt år efter Microsoft. Senere så vi på Google Dialogflow, da vi havde oplevede nogle problemer med Microsofts måde at forstå ordene/sætningerne på. Vi arbejder i dag sekundært med Googleplatformen, da det arbejde der ligges i at træne BOT’en ikke er spildt selv om man vælger at skifte fra Microsoft til Google midt i processen.

Vi valgte i første omgang IBM og dermed deres Watson fra, da der har været dårlig presse, fx med valg af forkert medicin o.a., kombineret med at vi havde svært ved at vurdere hvad det kostede at komme i gang. Så indtil videre er den parkeret, men Watson, som kan læse enorme mængde data, kunne godt gå hen og blive interessant – så den tænker vi, at vi skal se på igen. Oracle nåede vi ikke at evaluere.

Chatbots og kunstig intelligens

Chatbots har været på den digitale agenda længe, og især fået fokus de sidste to år. Ofte når vi taler med kunder/kollegaer omkring chatbots, taler de på samme tid også om kunstig intelligens – som om de to ting hænger uløseligt sammen. Det er ikke noget vi umiddelbart kan genkende. På sigt kan det godt være, at man kommer til at bruge kunstig intelligens når man forsøger at gætte på, hvad det er brugeren spørger om. Senere måske også til at formulere svarene, men det hører ikke til i en opstartsfase.

Man kan illustrere det ved, at når vi og vores kunder er nået op på cirka 1.000 måder man kan spørge på (og her tæller stavefejl og mærkelige formulering også med), så er det vores erfaring at BOT’en begynder at fungere. Især hvis man ved i hvilken kontekst der bliver spurgt. Det svarer til 1.000 rækker i et Excel regneark med tilhørende svar (hvoraf mange svar sikkert vil være de samme).  Begynder man at tale om kunstig intelligens vil vi umiddelbart tro, at man skal over 100.000 spørgsmål. Og måden man indhenter den viden og svar på vil f.eks. være ved at pløje alle e-mails igennem, der er skrevet i virksomheden, og så forsøge at arrangere den viden på en måde så den kan bruges. Der er forskellige værktøjer der allerede kan hjælpe med det, men det er en stor opgave og hører ikke til i en opstartsfase.

“Træningscenteret”

Vi kom ret hurtigt i gang og så resultater. Vi så dog også hurtig behovet for et træningscenter, hvis vi ville have vores medarbejdere i kundecenteret til at træne BOT’en og ikke programmører. Det er kundecenterets medarbejdere, der har den løbende kundekontakt og ved hvordan kunden tænker. Derfor udviklede vi et værktøj, der gjorde det muligt for almindelige mennesker at træne BOT’en. Dette værktøj kalder vi i dag ”Træningscenteret”.

I træningscenteret har vi etableret to lag: En rolle til medarbejdere, der opdaterer svarene og et andet lag til en chef, der godkender dem. Det sidste for at sikre, at svarene er i overensstemmelse med det virksomhedens ledelse ønsker at kommunikere. Værktøjret et hurtigt lært og indeholder derudover statistiker, der viser hvor god en BOT er til at svare.

Hvor hurtig kan man træne BOT’en

Har man fokus på, at opdatering skal ske hurtigt, kan man i følgende lille scenario få en idé om, hvor hurtigt man kan oplære den:

  • BOT’en modtager et spørgsmål, den ikke kan genkende og siger derfor til kunden, at den bliver nød til at kontakte en menneskelig kollega
  • BOT’en sender spørgsmålet ind i organisationen til den person, den mener der kan svare på spørgsmålet. (Dette har noget at gøre med i hvilken kontekst spørgsmålet fremkom, og hvilke roller man tildeler personer i backoffice)
  • En medarbejder svarer prompte på spørgsmålet (hvis de kan)
  • Spørgsmål og svar dukker dernæst op hos compliance-officeren– typisk chefen – enten som en mail eller en notifikation. Vedkommende godkender svaret (eller redigerer det, så det passer).
  • Spørgsmålet er, når compliance-officeren har godkendt, så samtidigt opdateret i BOT’en, som kan svare kunden på spørgsmålet

Tiden der medgår til dette er naturligvis afhængig af svarenes længde og kompleksitet. De mere simple svar kan være tilbage i BOT’en inden for et minut, som svarer til at et menneske spørger en anden kollega om hjælp, og så svarer kunden! (Men ligesom dem, der har set dækskifte i Formel 1-løb så gør fokus meget. Man kan helt sikkert komme meget længere ned).

Fordelene ved en BOT

Fordelene er mangfoldige – for det første glemmer en BOT aldrig, når den først har lært noget. Dernæst kan den svare 24/7, og den kan skalere sig selv til at besvare lige så mange henvendelser det skulle være, samtidigt med at svarene er i overensstemmelse med ledelsens ønsker.
En anden skæg ting er, at en BOT vil, hvis den er trænet til det, spørge efter orden – hver gang!

Start med et lille område

Vores bedste råd til dem, der vil med på rejsen er at komme i gang. Start med et lille område.
Test i et mindre forum, og skaler derfra når brugerne vurderer kvaliteten til at være tilfredsstillende i minimum 60% af svarene.

Fremtiden

Selvom det danske sprog nu er frigivet af Google, og der sker rigtig meget på området, så har vi ikke, ud over ”SIRI” og nogle få andre fx ”Sophia” fra Hanson Robotics, set nogle værktøjer der gør, at vi kan lave en robot, som gav os følelsen af at være menneskelig. Det må være det næste (også før AI). Så vi er begyndt at lege med mimik, lyd, tale og humor.

Google har netop frigivet noget der adresserer dette, hvor interface til BOT’en er tale og svarene indeholder lyttelyde o.a. Vi har ikke haft tid til at forske nærme i dette endnu, men det ser spændende ud, og dansk som sprog blev frigivet i oktober!

Du kan se et eksempel på følgende link i Youtube, hvor det er en BOT der bestiller tid hos frisøren. Klik på dette link.

Næste indlæg

Læs i næste uge om de praktiske problemstillinger vores kundeservicemedarbejdere har når de træner vores BOT. Når de samtidigt ved, at den vil erstatte 80% af deres menneskelige kollegaer inden for en overskuelig fremtid!

1 Comment

  1. Fin gennemgang. Tak.
    Måske skulle det ind i proceduren, at når chefen har rettet svaret, så skal medarbejderen læse dette, så menneske oplæring finder sket 🙂

    Reply

Submit a Comment

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *

Erik Rosenkrantz
CEO myHouse
& Partner CDM A/S

Email: ecr@cdm.dk