Samtaler AI

3 Hindringer for udviklingen af ​​konversations AI

Takket være løbende fremskridt inden for kunstig intelligens og maskinlæring kan computere udføre et stigende antal kognitive opgaver. Som et resultat heraf er virksomheder i stand til at stole på maskiner til kritiske funktioner, som engang ansås for umulige at automatisere. Især har fremkomsten af ​​samtale-AI-platforme såsom chatbots og virtuelle kognitive agenter givet organisationer i en lang række brancher muligheden for at forbedre kundesupport og HR-aktiviteter - og disse platforme bliver kun smartere.

Interessen for konversations-AI steg i vejret i 2020, og det samme gjorde virksomhedernes investeringer i maskinlæringsplatforme. Dette skyldtes i høj grad COVID-19-pandemien, som tvang virksomheder i næsten alle sektorer til at finde måder at gøre mere med mindre. Den pludselige stigning i kundehenvendelser modtaget af banker, detailhandlere og flyselskaber afslørede for eksempel begrænsningerne for menneskelige kundesupportteams og det presserende behov for automatiserede funktioner. Desuden har pandemien ændret vores forventninger som forbrugere, hvilket øger efterspørgslen efter digital-first kundeoplevelser.

Så hvor er vi nu?

Så hvor er Shaip nu? En Salesforce-undersøgelse foretaget forud for pandemien afslørede det 62% af forbrugerne var åbne for virksomheder, der integrerede AI i kundeinteraktioner. Denne procentdel er sandsynligvis steget, ligesom mulighederne for AI-platforme. For at samtaleali virkelig kan blive allestedsnærværende som et kundeengagementværktøj, skal der dog stadig overvindes et par forhindringer:

  1. Opdage følelser:

    For det første er de fleste platforme stadig relativt usofistikerede, når det kommer til at opdage følelser. Menneskelig kommunikation afhænger lige så meget af følelser som af sprog, og en ændring i tonen kan ændre betydningen af ​​den talte eller skriftlige dialog fuldstændigt. For at træne computere til at opdage subtile kontekstuelle signaler, har produktteams brug for data fra data, der indeholder mange forskellige menneskelige stemmer. At finde alle disse data er ikke en lille udfordring.

  2. At lære nye sprog:

    Det meste af verdens befolkning taler ikke engelsk. Globale organisationer, der håber at bruge konversations-AI til at interagere med kunder uden for USA, ville have brug for platforme, der ikke kun forstår forskellige sprog, men også forskellige regionale dialekter og kulturelle forskelle. Igen vil dette kræve store mængder flersprogede tale- og lyddata fra forskellige samfund og en bred vifte af situationer (f.eks. TED Talks, debatter, telefonsamtaler, monologer osv.), og disse data vil skulle dække en række forskellige emner .

  3. Identificering af den rigtige stemme:

    At træne AI til at registrere en enkelt højttaler blandt et væld af stemmer er en anden udfordring, en udfordring, som sandsynligvis er bekendt for alle med en smart-højttaler i hjemmet, såsom Google Home eller Amazons Alexa. I en overfyldt stue kan disse platforme reagere på kommandoer, der ikke er beregnet til dem, eller måske ikke være i stand til at skelne kommandoer over flere samtaler. Dette skaber normalt mindre frustration og måske en vis komisk lettelse, men når forretningstransaktioner, der involverer følsomme kundedata, udføres via stemmekommandoer, er det bydende nødvendigt, at AI ikke forvirrer brugerkonti.

Lad os diskutere dit krav til AI -træningsdata i dag.

På trods af disse forhindringer har konversations-AI enormt potentiale for virksomheder af enhver art. Shaip er her for at hjælpe dig med at frigøre dette potentiale, og det hele starter med data. Vi kan tilbyde produktteams timer med transskriberede, kommenterede lyddata på mere end 50 sprog. Ved hjælp af vores egen dataindsamlings-app er vi i stand til at strømline distributionen af ​​dataindsamlingsopgaver til globale teams af erfarne dataindsamlere. Appgrænsefladen giver dataindsamlings- og annoteringstjenesteudbydere mulighed for nemt at se deres tildelte indsamlingsopgaver, gennemgå detaljerede projektretningslinjer inklusive eksempler og hurtigt indsende og uploade data til godkendelse af projektrevisorer.

Anvendes sammen med ShaipCloud-platformen, vores app er blot et af mange værktøjer, der udruster os til at kilde, transkribe og kommentere data i stort set enhver skala, der er nødvendig for at træne sofistikerede algoritmer til brug i virkelige kundeinteraktioner. Vil du lære, hvad der ellers gør os til lederne inden for samtal AI? Kontakt os, og lad os få din AI til at tale.

Social Share