Kako Infobip razvija chatbotove - koji nas mogu zbilja razumjeti?

Želite li chatbota koji vas razumije treba zasukati rukave – evo kako to radi Infobip!

Treniranje chatbotova za komunikaciju s klijentima može biti posao od pet minuta, ili od nekoliko tjedana - pitanje je samo koliko želite da chatbot bude pametan.

Ako ste ikada gledali emisiju Top Gear, sjećate se da gotovo niti jedan auto nema dobar sustav prepoznavanja glasa i zbog toga su ti sustavi uvijek predmet ruganja gotovo cijele industrije. S druge strane, Alexa i Siri sve razumiju, vaš email klijent zna što je spam, a što je prava poruka i čak nadopunjuje vaše rečenice. Zašto neka računala razumiju naš ljudski jezik, a neka ne?

O detaljima razvoja sustava za prepoznavanje prirodnog ljudskog govora (Natural Language Processing ili NLP) imao sam priliku razgovarati s Danijelom Temrazom iz Infobipa, softverskim inženjerom koji razumije sve detalje i kompromise koji ulaze u razvoj ovakvih sustava. No, krenimo ispočetka.

Što je NLP?

Najjednostavnije rečeno, NLP je tehnologija koja omogućava računalima razumijevanje ljudskog jezika, ističe Danijel. Ona se nalazi u mnoštvu aplikacija, servisa i programa, a možda je i najčešća u chatbotovima i digitalnim asistentima. Također, jedna je od najbrže rastućih tehnologija danas, jer gotovo svi softveri polako preuzimaju barem neki vid prepoznavanja govora i teksta korisnika te strojnog učenja.

Danijel mi kaže kako i dan danas imamo svojevrsni kompromis u ovoj tehnologiji između jednostavnijih i kompleksnih modela razumijevanja, jer još uvijek ne možemo imati “savršen NLP”:

S jednostavnijim modelima dobivamo robusnost i interpretabilnost. Model se dobro nosi s većim varijacijama u podacima, a rezultate je lakše objasniti. Sa složenijim modelima možemo rješavati kompleksnije probleme, ali onda tipično gubimo na interpretabilnosti modela. Također, složeniji modeli tipično zahtijevaju i veće količine podataka koje je potrebno ručno označiti te su podložniji raditi lošije na novim podacima koji „značajnije odstupaju“ od onih koje je model vidio prilikom učenja.

Danas je na chatbotovima koji komuniciraju s krajnjim korisnicima lakše raditi jer postoji mnogo dostupnih alata koji vam daju praktički pa ključ u ruke. Iako takvi alati omogućavaju brz takozvani time-to-market, odnosno kratak proces od ideje do realizacije, nijedan alat nije savršen i svaki dolazi sa svojim setom kompromisa.

Infobip je, pak, razvio svoje SaaS rješenje za izgradnju chatbotova – Answers. Ono uključuje vlastitu NLP i machine learning tehnologiju te kompletnu platformu za izradu funkcionalnih chatbotova.

NLP tehnologija u pozadini je svakog kvalitetnog razgovora s chatbotom. Infobip

Razgovor s ljudima nije lak ni nama samima

Koliko god tehnologija prepoznavanja naših riječi bila napredna i brzo se razvijala, siguran sam kako će svatko od nas reći da razgovor s chatbotovima nikada nije baš najugodnije iskustvo. Danijel se šali kako je predviđanje načina na koje će korisnici razgovarati sa chatbotovima prava umjetnost sama za sebe. Neki korisnici jednostavno misle da je chatbot prava osoba te očekuju iskustvo razgovora sa stvarnom osobom. Ipak, kaže kako jednostavno nije moguće predvidjeti svaki mogući korisnički upit.

Danijel kaže kako je temeljna ideja dobrog korisničkog iskustva zapravo izvući što je moguće više informacija od korisnikove poruke – sa što manje pitanja. Također, za dobro korisničko iskustvo nužan je i solidan mehanizam predaje konverzacije ljudskom agentu u situacijama kada chatbot ne uspijeva riješiti upit. Uz to, ističe i neke od glavnih izazova s kojima se susreću prilikom razvoja chatbota: 

Najveći izazov je u tome što klijenti najčešće nemaju uopće podatke koje bi mogli iskoristiti za izgradnju chatbota, posebice ako je riječ o „egzotičnom“ jeziku i nekakvoj specijaliziranoj domeni. Očekivanja klijenata znaju biti da bi htjeli Chatbota treniranog sa 10 rečenica koji razumije ljudski govor, što naravno nije moguće. Upravljanje očekivanjima, edukacija svih stakeholdera i dobra komunikacija je ključna za uspjeh projekta.

Kada se dogode ovakve stvari, potrebno je mnogo strpljenja od strane tvrtke koja razvija chatbota i klijenta, i naravno dosta toga ovisi o tome koliko zahtjevan sustav se traži.

Što više podataka, bolje prepoznavanje

Najveća snaga dobrog NLP sustava su podaci kojima raspolaže. Primjerice, aplikacija SignAll pomoću velike baze može prepoznati znakovni jezik i pretvoriti ga u tekst. U pravilu, što više materijala kroz koje chatbot ili asistent može proći – to bolje.

Danijel mi kaže kako je proces prikupljanja podataka za NLP sustave moguće podijeliti u dvije faze: inicijalnu, u kojoj se razvija sustav (chatbot), i produkcijsku, koja se odvija nakon što je sustav “upogonjen”.

Inicijalna faza

Nažalost, većina klijenata u inicijalnoj fazi nema svoje podatke, a bez kojih nije moguće osnažiti chatbota. Za rješenje ovog problema Infobip nudi dvije opcije – vlastitu rastuću bazu skupova podataka koja može biti korištena u slučaju poznatih jezika, odnosno domena te crowdsourcing podataka:

Možemo crowdsourceati podatke za klijenta. Naime, moguće je kupiti podatke iz određene regije, za neki jezik, za neku demografsku skupinu, domenu itd. Postoje kompanije specijalizirane za crowdsourcing podataka gdje vam oni osiguraju tim ljudi koji će generirati dataset na temelju vaših preferencija. Infobip ima globalne partnerske suradnje s nekoliko takvih kompanija.

Produkcijska faza

U produkcijskoj fazi možemo imati obrnuti problem, kaže Danijel, odnosno previše podataka koje je potrebno ručno označiti za daljnje poboljšavanje chatbota:

Ovdje nam pomažu tehnike aktivnog učenja gdje sam sustav korisniku predlaže minimalni skup podataka koje je potrebno označiti kako bi se chatbot poboljšao. Infobip razvija vlastito rješenje koje prati ponašanje chatbota u stvarnom vremenu i smanjuje manualni posao potreban da se chatbot trenira novim podacima.

sučelje Infobipove Answers chatbot building platforme.

Snaga Infobipa za svijet korisničke podrške

Infobip je svoje Answers rješenje, unutar kojeg se primjenjuje NLP tehnologija, razvio za segmente korisničke podrške. Danijel mi kaže kako je njihov cilj postići globalnu adaptaciju vlastitog chatbot rješenja koje u isto vrijeme rješava probleme krajnjim korisnicima, ali i smanje zahtjeve za ljudskim resursima u sektoru korisničke podrške.

To ne znači da ćete uskoro, umjesto s agentom korisničke podrške na kojeg vičete kada neka usluga telekoma ne radi, razgovarati sa chatbotom, ali znači da će u sve više slučajeva chatbotovi i drugi sustavi strojnog učenja moći prepoznati što vi želite reći i biti na “prvoj crti” podrške – a one probleme koje oni ne razumiju i dalje će preuzimati agenti. 

Sukladno članku 94. Zakona o elektroničkim medijima, komentiranje članaka na Netokraciji dopušteno je samo korisnicima koji ostave svoje ime i prezime te mail adresu i prihvate pravila ponašanja.

Pravila ponašanja

Na Netokraciji za vas stvaramo kvalitetan, autorski potpisan sadržaj i zaista se veselimo vašim kvalitetnim, kontruktivnim komentarima. Poštujmo stoga jedni druge prilikom komentiranja, kao i Zakon, držeći se sljedećih pravila ponašanja:

  • Ne budite 💩: Nema vrijeđanja, diskriminiranja, ni psovanja (osim ako nije osobni izričaj, ali onda neka psovka bude općenita, a ne usmjerena prema nekome). Također, upoznajte se sa stavkom 2. članka 94. Zakona o elektroničkim medijima prije no što ostavite komentar.
  • Samo kvalitetna rasprava, manje trolanja: Ne morate se ni sa kim slagati, ali budite konstruktivni i doprinesite raspravi! Svako trolanje, flameanje, koliko god "plesalo" na granici, leti van.
  • Imenom i prezimenom, nismo Anonymous 👤: Autor sadržaja stoji iza svog sadržaja, stoga stojite i vi iza svog komentara. Koristimo ime i prezime te pravu email adresu.

Kako koristimo podatke koje ostavljate? Bacite oko na našu izjavu o privatnosti.

Sve ostale komentare ćemo s guštom spaliti, jer ne zaslužuju svoje mjesto na internetu.

Komentari

Odgovori

Tvoja e-mail adresa neće biti objavljena.

Popularno

Zabava i zanimljivosti

Hrvati napokon mogu glasati elektronski, i to zahvaljujući Samu Altmanu (i botovima)

Već niz godina naklapa se i navija za uvođenje elektronskog glasanja u Hrvatskoj. Ako nismo tijekom pandemije koronavirusa, kad ćemo, pitaju se mnogi. Ova superizborna godina, u kojoj nas čekaju parlamentarni, europski i predsjednički izbori jedina je još sila (ne)prilika koja bi mogla nagnati Državno izborno povjerenstvo da poduzmu mjere po tom pitanju.

Tvrtke i poslovanje

Znate li koristiti svoj “mozak izvan mozga”?

Proces u kojem naš mozak prati samog sebe i procjenjuje koliko mu dobro ide radimo svakodnevno, s više ili manje uspjeha. Riječ je o metakogniciji koja utječe na svaki aspekt našeg ponašanja - od definiranja životnih ciljeva i kako do njih doći do procjenjivanja vlastitih osjetila.

Digitalni marketing

“Želim samo logo za svoj brend” je kao naručivanje hrane bez soli i začina

U dinamičnom svijetu poslovanja, gdje nam se svakodnevno servira tona sadržaja i reklama i gdje se prvi dojam često stvara jednim pogledom – dobro osmišljen logotip izuzetno je važan. Međutim, put kroz brendiranje ide daleko izvan stvaranja logotipa.

Što ste propustili

Startupi

ZICER otvorio prijave za nove akceleracijske programe – startupe čeka preko 200.000 eura

Hrvatski startup hub ZICER otvorio je natječaje za akceleracijske programe kroz koje je na raspolaganju 200.000 eura bespovratnih novčanih sredstava i in-kind potpora od 18.000 eura.

Umjetna inteligencija

Umjetna inteligencija ima razorni potencijal, treba je zauzdati etikom, kaže poznati futurolog

Digitalna transformacija je i kulturološka promjena, koja traži stalno izazivanje statusa quo, eksperimentiranje i prihvaćanje neuspjeha.

Društvene mreže

Saga ReeseTeese pokazala je da TikTok postaje novi reality TV

Od 15-sekundnih plesnih videa do osobne drame ispričane kroz 500 minuta nastavaka snimljenih usput: analiziramo zašto sadržaj na TikToku postaje sve sličniji televizijskim emisijama i zašto je sve češće početna točka na putu do slave i ugovora s Netflixom.

Intervju

10 godina Marketing Meet Upa: Ilija Brajković prisjeća se kako je sve počelo

Tko bi rekao da je Marketing Meetup počeo s desetak sudionika u pivnici, a sada broji skoro 6000 članova.

Karijere

Učenice su dobre u STEM-u, ali ih ne zanima karijera u programiranju

Iako tijekom školovanja raste interes za STEM zanimanjima među oba spola, postoje značajne rodne razlike u odabirima. Područja informatike i računarstva snažno su obilježena stereotipima i poslovi u ovom području i dalje djevojkama nisu dovoljno interesantni

Intervju

Što donosi studij primijenjene kognitivne znanosti koji je spojio snage FER-a i Filozofskog?

Do prije samo nekoliko godina suradnja FER-a i zagrebačkog Filozofskog fakulteta smatrala bi se  protuprirodnim činom, a danas zajednički izvode studij za kojim vlada ogroman interes.