Защо роботите в кол центровете ни разочароват?
През 2022 година 70% от всички връзки с клиенти в обслужването ще се реализират благодарение на изкуствен интелект, демонстрират прогнозите на Gartner. Днес равнището на гласови и писмени цифрови асистенти ви разрешава да обработвате 60% от позвъняванията без човешка интервенция. Все повече банки, телеком оператори и други обслужващи организации ги употребяват за обработка на входящи поръчки. Не всеки обаче съумява да докара до съвършенство сходни връзки, написа в обзорна публикация ТАСС.
Наскоро се обадих в банка, с цел да схвана дали е допустимо да се открие посредническа сметка на малолетно дете, написа създателят на публикацията и разказва усложненията, които среща, до момента в който обясни на робота, че не му трябва нито обикновен акаунт, нито детска карта, преди машината да го трансферира на оператор.
Много консуматори всъщност не желаят да поддържат връзка с дигитален помощник и неотложно желаят да трансферират позвъняването към оператор. Причината е, че можете да получите явен отговор от робота единствено на доста елементарен, общоприет въпрос. Трудности пораждат също, когато човек приказва бързо и прочувствено, защото изкуственият разсъдък е надъхан на спокойна и мудна тирада, къси и разбираеми въпроси. Това се отразява отрицателно на преживяването на клиентите, решаването на казуса се забавя и вследствие на това лоялността на клиентите понижава.
Гласовите ботове са програмен продукт с изкуствен интелект (AI), който може да схваща естествения език и да синтезира тирада, с цел да комуникира с хората. Самият AI няма воля, няма нереално мислене, няма предпочитание да приказва. Той симулира връзка и, с цел да отговори на въпрос, би трябвало да получи входящ сигнал, да разпознава основни думи в човешката тирада, да проучва хиляди случаи от поръчки на клиенти и отговори на компанията, да откри съвпадения и да избере верния сюжет за отговор. За това чатботът би трябвало да бъде вярно подготвен.
Има три съставния елемент на образованието:
Данни - Основна информация, с която ще работи системата. Базата от познания за чатбот се основава въз основа на потребителския опит. Колкото повече потребителски поръчки заредим в системата, толкоз по-добре и по-точно ще работи. Знаци за маркиране на данни и образуване на набори от данни - Необходимо е освен да съберете допустимо най-вече поръчки, само че и да го научите да ги сортира по авансово дефинирани критерии. Алгоритми - Методи за решение на казуса. Те би трябвало да бъдат точни и променливи в това време. Така да вземем за пример някои чат ботове са програмирани да търсят отговор сами и да не трансферират клиента към оператора. И някои желаят да ги оценят, и в случай че в този миг потребителят има нов въпрос, тогава няма да могат да отговорят, ще би трябвало да се обадят още веднъж.
Има два метода за събиране и маркиране на данни за тази цел: ръчен и автоматизиран. Отнема доста време, с цел да го извършите ръчно, само че резултатът е по-точен. Автоматичният способ е бърз, само че в последна сметка можете да получите освен доста неточности, само че и опасности за репутацията. Невронната мрежа изолира модели и образува невронни връзки въз основа на маркиран масив от данни. Маркирането е много обикновен и скучен развой и тук също не можете без хора. Колкото повече инспекции минава наборът от данни, толкоз по-точно ще работи изкуственият разсъдък след това, и толкоз по-ефективно чатботът ще може да обработва поръчките на клиентите.
Когато чатботът стартира да работи, образованието му не свършва. За да коригирате грешките, би трябвало да анализирате противоположната връзка, да изберете обстановки, в които цифровият помощник не може да се оправи, и да коригирате неточности в невронната мрежа - да добавите нови набори от данни и да напишете нови скриптове.
Авторът на публикацията показва два от положителните образци за качествено образование и дейно потребление на изкуствения разсъдък. Първият от тях е на Tesla, която работи за възстановяване на механизма за автопилот на своите коли. За да тренира невронната мрежа, автомобилният производител употребява милиарди подиуми, милиони часове, хиляди терабайти информация, получена от радарите на колите. Това са " отливки " на съответни обстановки, зараждащи на пътя. Анализирайки получените данни, системата прави прогнози: къде да завъртите кормилото, да натиснете газта или спирачката и така нататък Разбира се, процесът е автоматизиран, само че същинското маркиране се прави с човешко присъединяване. Когато човек се качи зад кормилото, дейностите му се записват деликатно. Въз основа на получената информация се образуват набори от данни, които се употребяват за образование на мрежата. Анализът на данните, идващи от машините на потребителя, ни разрешава непрестанно да подобряваме работата на невронната мрежа и да подобряваме автопилота.
Вторият добър образец е на Гугъл преводач. Първоначално компанията заобиколила ограничението за ръчно маркиране на набор от данни, като употребила публични документи и техните преводи от Европейския парламент и Парламентарната асамблея на Организация на обединените нации. Но още на втория стадий разработчиците осъзнали, че за предаване на диалект, културни характерности на речта и други семантични нюанси, ръчното маркиране на данни е належащо. За да създадат това, посредством аутсорсинг компании, те събрали изпълнители, които работели върху маркирането на набори от данни, с цел да усъвършенстват непрекъснато преводите.
Източник: ТАСС
Наскоро се обадих в банка, с цел да схвана дали е допустимо да се открие посредническа сметка на малолетно дете, написа създателят на публикацията и разказва усложненията, които среща, до момента в който обясни на робота, че не му трябва нито обикновен акаунт, нито детска карта, преди машината да го трансферира на оператор.
Много консуматори всъщност не желаят да поддържат връзка с дигитален помощник и неотложно желаят да трансферират позвъняването към оператор. Причината е, че можете да получите явен отговор от робота единствено на доста елементарен, общоприет въпрос. Трудности пораждат също, когато човек приказва бързо и прочувствено, защото изкуственият разсъдък е надъхан на спокойна и мудна тирада, къси и разбираеми въпроси. Това се отразява отрицателно на преживяването на клиентите, решаването на казуса се забавя и вследствие на това лоялността на клиентите понижава.
Гласовите ботове са програмен продукт с изкуствен интелект (AI), който може да схваща естествения език и да синтезира тирада, с цел да комуникира с хората. Самият AI няма воля, няма нереално мислене, няма предпочитание да приказва. Той симулира връзка и, с цел да отговори на въпрос, би трябвало да получи входящ сигнал, да разпознава основни думи в човешката тирада, да проучва хиляди случаи от поръчки на клиенти и отговори на компанията, да откри съвпадения и да избере верния сюжет за отговор. За това чатботът би трябвало да бъде вярно подготвен.
Има три съставния елемент на образованието:
Данни - Основна информация, с която ще работи системата. Базата от познания за чатбот се основава въз основа на потребителския опит. Колкото повече потребителски поръчки заредим в системата, толкоз по-добре и по-точно ще работи. Знаци за маркиране на данни и образуване на набори от данни - Необходимо е освен да съберете допустимо най-вече поръчки, само че и да го научите да ги сортира по авансово дефинирани критерии. Алгоритми - Методи за решение на казуса. Те би трябвало да бъдат точни и променливи в това време. Така да вземем за пример някои чат ботове са програмирани да търсят отговор сами и да не трансферират клиента към оператора. И някои желаят да ги оценят, и в случай че в този миг потребителят има нов въпрос, тогава няма да могат да отговорят, ще би трябвало да се обадят още веднъж.
Има два метода за събиране и маркиране на данни за тази цел: ръчен и автоматизиран. Отнема доста време, с цел да го извършите ръчно, само че резултатът е по-точен. Автоматичният способ е бърз, само че в последна сметка можете да получите освен доста неточности, само че и опасности за репутацията. Невронната мрежа изолира модели и образува невронни връзки въз основа на маркиран масив от данни. Маркирането е много обикновен и скучен развой и тук също не можете без хора. Колкото повече инспекции минава наборът от данни, толкоз по-точно ще работи изкуственият разсъдък след това, и толкоз по-ефективно чатботът ще може да обработва поръчките на клиентите.
Когато чатботът стартира да работи, образованието му не свършва. За да коригирате грешките, би трябвало да анализирате противоположната връзка, да изберете обстановки, в които цифровият помощник не може да се оправи, и да коригирате неточности в невронната мрежа - да добавите нови набори от данни и да напишете нови скриптове.
Авторът на публикацията показва два от положителните образци за качествено образование и дейно потребление на изкуствения разсъдък. Първият от тях е на Tesla, която работи за възстановяване на механизма за автопилот на своите коли. За да тренира невронната мрежа, автомобилният производител употребява милиарди подиуми, милиони часове, хиляди терабайти информация, получена от радарите на колите. Това са " отливки " на съответни обстановки, зараждащи на пътя. Анализирайки получените данни, системата прави прогнози: къде да завъртите кормилото, да натиснете газта или спирачката и така нататък Разбира се, процесът е автоматизиран, само че същинското маркиране се прави с човешко присъединяване. Когато човек се качи зад кормилото, дейностите му се записват деликатно. Въз основа на получената информация се образуват набори от данни, които се употребяват за образование на мрежата. Анализът на данните, идващи от машините на потребителя, ни разрешава непрестанно да подобряваме работата на невронната мрежа и да подобряваме автопилота.
Вторият добър образец е на Гугъл преводач. Първоначално компанията заобиколила ограничението за ръчно маркиране на набор от данни, като употребила публични документи и техните преводи от Европейския парламент и Парламентарната асамблея на Организация на обединените нации. Но още на втория стадий разработчиците осъзнали, че за предаване на диалект, културни характерности на речта и други семантични нюанси, ръчното маркиране на данни е належащо. За да създадат това, посредством аутсорсинг компании, те събрали изпълнители, които работели върху маркирането на набори от данни, с цел да усъвършенстват непрекъснато преводите.
Източник: ТАСС
Източник: manager.bg
КОМЕНТАРИ