Cuando los chatbots estuvieron disponibles comercialmente por primera vez, las empresas grandes y pequeñas los recibieron con los brazos abiertos. «¿Tener un autómata que maneje preguntas fáciles de servicio al cliente en segundos? ¡Impresionante!» — pensamos.
El problema era que estos primeros chatbots eran menos C-3PO y más una barrera molesta para un ser humano auténtico. Desde que se les pregunta «¿Puedes repetir la pregunta?» 10 veces hasta que se les dirige a una página de información completamente ajena: los clientes simplemente ya no tienen la paciencia para batallar con chatbots mal hechos.
De hecho, un estudio realizado por Teleobjetivo encontró que más de la centro de los encuestados cambiarían a un competidor a posteriori de solo una o dos malas experiencias de atención al cliente.
Pero, ¿podrían los nuevos avances en tecnología de IA brindarnos los chatbots inteligentes, emocionalmente inteligentes y proactivos de nuestros sueños de ciencia ficción? Echemos un vistazo a dónde fallan los chatbots y cómo la IA puede ayudar.
Se sale del guion
El <3 de la tecnología de la UE
Los últimos rumores de la número tecnológica de la UE, una historia de nuestro inteligente fundador Boris y un arte de IA cuestionable. Es de balde, todas las semanas, en su bandeja de entrada. ¡Regístrate ahora!
Si alguna vez has viajado a un país extranjero para probar tus habilidades lingüísticas, sabrás que lo que te enseñan en clase es completamente diferente de cómo acento la masa en la praxis. «¿Cómo te sientes?» puede ser reemplazado por «¿cómo?» «10 libras» se convierte en «10 libras». No es hasta que pasas tiempo con los lugareños que verdaderamente aprendes a conversar un idioma.
Los primeros bots se parecían mucho a los nuevos profesores de idiomas. Su conocimiento del estilo humano se limitaba a un conjunto precargado de preguntas y respuestas. Olvídese de la germanía o los matices, incluso aseverar «hola» en espacio de «hola» puede confundirlos. Pregúnteles sobre cualquier cosa fuera de su programación y esperaría la infame respuesta: «Lo siento, no entiendo».
El procesamiento del estilo natural (NLP) permite que sus chatbots mejoren sus habilidades de estilo humano. En espacio de someterse de preguntas y respuestas preestablecidas, los chatbots basados en NLP dividen la consulta de un cliente en partes y la analizan en investigación de contexto y significado.
Esto significa que los clientes pueden conversar con estos chatbots avanzados como lo harían con un representante de servicio al cliente auténtico y aceptar a cambio respuestas increíblemente no robóticas. ChatGPT es un buen ejemplo de una aparejo de inteligencia sintético que aprovecha la PNL para comprender mejor las consultas de los usuarios.
Adicionalmente, cuanto más interactúan los chatbots de PNL con los clientes, más aprenden. Esto significa que, con el tiempo, pueden proporcionar respuestas más precisas y relevantes basadas en interacciones anteriores.
Comunicacion mejorada
Entonces, los chatbots mejorados con IA pueden escribir el discurso. ¿Pero pueden conversar el idioma?
El examen de voz y la conversión de voz a texto verdaderamente ponen el «chat» en el chatbot. Retroceda tan solo cinco primaveras y cualquier persona con un toque de acento tendría dificultades para obtener una respuesta de un asistente de voz. Hoy en día, utilizando la comprensión del estilo natural (NLU), los chatbots modernos pueden detectar idiomas y acentos, reponer en el mismo idioma y convertir palabras habladas en respuestas escritas mediante la funcionalidad de voz a texto.
Esto todavía es útil para los agentes de servicio al cliente que desean originar resúmenes de sus conversaciones con fines de mantenimiento de registros y capacitación.
El componente emocional
El propósito de un chatbot está en el nombre: chatear. Por definición, deben ser conversacionales. Pero chatear no se negociación solo de palabras, se negociación de comprender los sentimientos y los matices.
La masa no siempre dice lo que quiere aseverar; el estilo corporal, el tono de voz, la expresión facial y la inflexión pueden indicar un mensaje que no puede ser captado solo con palabras. Lo que hace que sea aún más difícil para los chatbots entender lo que de hecho significar.
A través de técnicas de estudios automotriz, los chatbots modernos pueden entrenarse para convenir la intención subyacente detrás de los mensajes. Esto se conoce como descomposición de sentimientos, que permite que los modelos de IA detecten si el estilo humano tiene un sentimiento positivo, pesimista o ecuánime detrás de él.
Adecuado a que solo somos humanos, tendemos a usar un estilo emocional incluso cuando nos comunicamos con bots.
Las herramientas de descomposición de opinión pueden clasificar los datos en una escalera de cuán positivos o negativos son según el estilo utilizado. Por ejemplo, es posible que incluso el mejor técnico de PNL no pueda entender el sarcasmo, pero el descomposición de sentimientos se puede usar para detectar cuándo un cliente está fumando. Esta tecnología se puede utilizar en una amplia variedad de casos, desde ayudar en el descomposición de riesgos hasta detectar y alertar a los agentes sobre muertes.
Esto es útil para los equipos de servicio al cliente que necesitan categorizar y priorizar casos rápidamente o acechar cuáles redirigir o derivar a un representante humano. Este tipo de escalamiento y enrutamiento inteligente puede someter las tasas de respuesta y guardar tiempo a los equipos de servicio al cliente al tratar de relacionar los casos con los agentes correctos.
Ilustrarse y extraer ideas para el futuro
El sentido global es una cualidad inherente (que la mayoría de los humanos tenemos) que nos diferencia de nuestras máquinas cada vez más inteligentes. Si hacemos poco las suficientes veces sin obtener el resultado deseado, es esa vocecita que nos dice: «Oye, tal vez poco no esté proporcionadamente aquí».
Si proporcionadamente aún no hemos podido programar el sentido global en nuestras máquinas, el descomposición predictivo puede ayudar a los bots a asimilar de los datos anteriores y saludar soporte proactivo.
Si un cliente publica una reseña de un producto en camino y menciona un defecto del producto, las herramientas de descomposición predictivo pueden ayudarlo a rastrear a los clientes que usan el mismo producto y que pueden estar enfrentando problemas similares. Aquí está el truco: puede usar estos datos para saludar soporte específico a los clientes afectados, emitir una notificación masiva sobre el error e influir en el progreso futuro del producto.
El descomposición predictivo todavía puede ayudarlo a afianzar una pequeña traspaso furtiva. Al analizar los datos de compras anteriores de los clientes, las herramientas de descomposición predictivo pueden hacer recomendaciones de productos personalizadas para clientes individuales.
Escalando el éxito: cómo la inteligencia sintético generativa está revolucionando la experiencia del cliente (CX)
Si está avispado para profundizar en el mundo de la IA para el servicio al cliente, consulte este seminario web a pedido en el que los expertos Tim Banting de Omdia e Iqbal Javaid de Teleobjetivo analizan:
- Tendencias de prohijamiento y las tecnologías de IA más populares en este momento
- Algunos de los desafíos cuando se negociación de datos, seguridad y sesgo
- Mejores prácticas en la integración de herramientas de IA en los equipos de atención al cliente
- La plataforma de experiencia del cliente basada en IA de Teleobjetivo