Fin da piccoli impariamo a comprendere quanto ci viene detto, a valutarlo secondo il contesto e capire l’intenzione di chi ci parla. Man mano diventiamo sempre più esperti fino a comprendere il senso anche quando l’informazione è apparentemente incompleta. Per esempio, la frase “voglio una margherita” può riferirsi ad almeno due oggetti, un fiore o una pizza.
Ma noi, in base al contesto, non facciamo confusione sappiamo benissimo comprendere cosa vuole veramente il nostro interlocutore.
Gli studi di linguistica e semantica hanno chiarito perfettamente i meccanismi che ci permettono in modo naturale di conversare e comprenderci. Sulla base di questi stessi studi, utilizzando tecnologie di intelligenza artificiale, oggi si addestrano le macchine a replicare le nostre abilità e renderle in grado di dedurre quel che vogliamo esattamente dire con la nostra domanda, indipendentemente da come la formuliamo, in base al riconoscimento delle entità, degli intenti e del contesto.
Con il Natural Language Processing e in particolare il Natural Language Understanding si programmano sistemi capaci non solo di capire le singole parole ma anche, contestualizzandole, di comprendere le intenzioni di chi sta parlando e di dare risposte appropriate. Un’evoluzione che ha fatto nascere i sistemi conversazionali che possono essere inseriti in chat, smart speaker e messaggistica per interagire con i clienti in ogni momento della giornata e lungo tutto il percorso d’acquisto, coinvolgendo i clienti in dialoghi pertinenti ed efficaci.
Comprendere il cliente
Il Natural Language Understanding utilizza l’intelligenza artificiale per riconoscere le caratteristiche linguistiche del discorso parlato o del testo scritto – semantica, contesto e intenzione – e permette alle macchine di gestire le numerose informazioni contenute in frasi complesse, comprendendole anche se nascoste, e di riconoscere le diverse sfumature e variazioni di uno stesso concetto.
L’addestramento parte dalla definizione del dominio di conoscenza, i sistemi conversazionali vengono programmati per lo specifico ambito in cui verranno utilizzati. Ci sarà il sistema che sa tutto sulle pizze, quello sulle scarpe e l’abbigliamento, l’esperto in assicurazioni e quello in programmi televisivi e serie TV, giusto per fare degli esempi.
Definito il dominio di conoscenza viene creato il flusso conversazionale sulla base delle mappe concettuali che sono state disegnate e viene addestrato il motore semantico. Il sistema in base alle parole utilizzate dal cliente sulla base di questo addestramento comprende cosa sta cercando e interagisce utilizzando il flusso conversazionale impostato precedentemente. Ogni interazione fornisce informazioni che vengono utilizzate sia per verificare l’efficacia del sistema, la sua capacità di comprendere quanto gli viene chiesto sia per aggiungere altri elementi che per aumentare l’abilità di comprensione.
Addestrare l’intelligenza artificiale
“Sono tre gli elementi del design conversazionale: intento, entità e contesto” spiega Marco Lunghini, Ceo di Ellysse. “L’intento che corrisponde all’espressione di uno specifico scopo o di un’idea contenuti nella frase/enunciato. Gli intenti determinano verso quale direzione una conversazione deve andare e cosa deve essere in grado di fare l’agente. L’entità ovvero quel termine od oggetto che fornisce il contesto dell’intento. In un dialogo le entità sono i nomi o i quantificatori che specificano gli intenti (es: i nomi di persona, i gusti del gelato ecc.). I contesti servono a creare la “memoria a breve termine del bot”. Per ogni nodo si può selezionare un numero di nodi successivi per i quali il contesto sarà quello corrispondente all’intento del primo nodo. Sulla base di queste informazioni si addestra il bot e si continua a svilupparlo, sia in ottica manutentiva, aggiornando e inserendo nuovi intenti nel corso del tempo, per far sì che la conoscenza del bot vada di pari passo con le trasformazioni del mondo che deve rappresentare, sia in quella evolutiva addestrando continuamente la macchina per ottenere un costante miglioramento delle performance”.
Ma quali sono i passaggi che permettono di creare un sistema capace di comprendere le richieste dei clienti e rispondere in modo appropriato?
I linguisti computazionali selezionano e analizzano i contenuti che formeranno la base di conoscenza del bot. Il materiale di partenza è composto da tutto ciò che è disponibile in azienda: FAQ, documentazione istituzionale, registrazioni delle interazioni con i clienti. Vengono creati macroargomenti cercando di immaginare il tipo di richieste che i clienti possono fare.
Quindi si passa allo studio e messa a punto dei flussi conversazionali definendo le modalità di interazione – bottoni, menu a caroselle, interazioni libere – e i nodi dell’alberatura.
A questo punto è possibile specificare gli intenti inserendo il maggior numero di esempi possibili che possano ben rappresentare il panorama di richieste reali degli utenti (sinonimi, tipologia di utenti, caratteristiche human-robot interaction…). In ultimo, vengono aggiunte al flusso conversazionale le entità e i contesti.
Ora è possibile avviare l’addestramento caricando le informazioni nel motore semantico: il bot imparando dagli esempi inseriti sarà in grado
di riconoscere le richieste anche formulate in diversi modi.
Infine, prima di rendere pubblico il bot si procede a testare la capacità di comprensione effettuando richieste diverse da quelle settate, per esempio utilizzando sinonimi o simulando errori di digitazione.
Guidare il cliente nella scelta
Sono diverse le occasioni in cui rispondere al cliente rapidamente permette di convertire le intenzioni in acquisti e spesso anche un piccolo miglioramento aumenta le vendite in modo significativo.
Per esempio, se il cliente sta consultando un catalogo di prodotti ed è indeciso, consultando un chatbot conversazionale trova un vero e proprio assistente personale che ha registrato i suoi movimenti e che in base a queste informazioni gli può fornire le informazioni più opportune o porre domande specifiche che gli permettono di guidarlo verso l’acquisto più adatto.
I sistemi conversazionali, supportati da tecnologie di Natural Language Processing e di Natural Language Understanding, comprendono non solo quello che il cliente sta dicendo ma anche l’intenzione che sottende la sua domanda e rispondono con messaggi strettamente legati a quell’intenzione. L’obiettivo è quello di far pensare al cliente “Ecco è proprio quello che sto cercando, di cui ho bisogno”.
COMMENTI