Vincent Lenngren, AI-tränare, förklarar i detta blogginlägg hur en chatbot fungerar avseende avsikter s.k. ”intents”. Det är avsikter som gör att chatbotten förstår och leder dialogen vidare. Vincents enkla förklaringsmodell bygger på att varje ”intent” är en egen separat låda som innehåller ett svar som motsvarar användarens fråga eller påstående.
En chatbot (bot) arbetar med avsikter eller s.k. ”intents”. Du kan se varje ”intent” som en separat låda som innehåller ett svar, vilket leder konversationen vidare.
Varje låda är fylld med meningar som innehåller avsiktens betydelse, på olika uttryckssätt. Det gör att man hamnar i rätt låda. Vissa chatbot-plattformar lägger skokartonger i lådorna och staplar sedan lådorna uppe på varandra, för att skapa en hierarki.
Oavsett plattform har du en utmaning i att namnge avsikterna och arrangera dem på ett bra sätt. Lådorna måste kunna skiljas åt på något sätt. I de systemen jag arbetat i använder man sannolikhet för att matcha orden som en användare skriver in för att förutse vilken låda som svarar bäst.
Jag ska ge ett exempel:
Meningen ”Hur lång är Silverstone” innehåller fyra ord. Om de orden finns i meningarna som utgör adressen till lådan ’Silverstonebane-längd’ kommer det vara en högre %-sats än för lådan ’Hochenheimbane-längd’. Tre av orden finns i båda lådorna men ordet Silverstone kommer att skilja de åt.
Jag ser dagligen exempel på att användare och intressenter som inte är tränare av bottar saknar förståelse för hur principerna fungerar. Skriver användaren en mening som ”öh, moped” kommer inte systemet veta vilken av moped-lådorna användaren vill till. Den kommer leta efter ordet ’moped’ och ordet ’öh’. Sedan hamnar användaren där det är högst sannolikhet.
En människa kan erfarenhetsmässigt veta hur detta ska avkodas till ”pappa, jag vill ha en moped”, det kan inte en bot.
”När jag var liten hade jag en Zündap nu vill grabben ha en EU-moppe” innehåller massa irrelevant information. Vill användaren veta något om Zündap eller vill man veta till exempel priser på EU-moppar? Din förväntan på en bot är kanske lite närmare verkligheten nu.
När man går in i ett chatbot-projekt kommer man att ha en förväntan och en massa ambitioner. Det kan t.ex. vara att 70% av alla dialoger ger korrekt svar. En annan ambition kan vara att man löpande vill bygga ut chatbottens förmåga att svara på fler avsikter. Rätt snart kommer man till insikten att man behöver egen personal som i detalj förstår verksamheten och hur användarna uttrycker sig.
En bot är inte i närheten av komplexiteten av vad en människa kan hantera över telefon. Däremot kan den avlasta med de repetitiva frågorna som är vanligast. Om användaren vill använda dubbla negationer och lägga till onödig information väntar frustration och telefonkö. Är användaren beredd på att dela upp sin specifika fråga i generella öppna frågor kan den få smarta svar som räcker långt.
Min slutsats är att det kräver träning och erfarenhet att designa en chatbot som förstår alla användares avsikter. Det kräver också ett stort engagemang från verksamheten att bidra i arbetet med att ta fram och analysera all data. Vi har flera AI-tränare som är vana att göra detta arbete och tillsammans med dig som kund kan vi bidra till att er chatbot blir av högsta kvalitet som levererar värde till användarna på ett trevligt och snabbt sätt.
Blogginlägg skrivet av Vincent Lenngren för Softronic AB.
Andra blogginlägg skrivna av Vincent:
- Kvalitet kräver träning och erfarenhet
- Why, how, What – vad driver mig?
- Hur kommunicerar du som användare med en chatbot
