Conversationele AI

3 obstakels voor de evolutie van gespreks-AI

Dankzij de voortdurende vooruitgang op het gebied van kunstmatige intelligentie en machinaal leren, kunnen computers een groeiend aantal cognitieve taken uitvoeren. Als gevolg hiervan kunnen bedrijven vertrouwen op machines voor kritieke functies die voorheen onmogelijk te automatiseren waren. Met name de opkomst van AI-platforms voor conversatie, zoals chatbots en virtuele cognitieve agenten, heeft organisaties in een breed scala van industrieën de mogelijkheid gegeven om de klantenondersteuning te verbeteren en HR-activiteiten - en deze platforms worden alleen maar slimmer.

De belangstelling voor conversatie-AI schoot omhoog in 2020, net als de bedrijfsinvesteringen in machine learning-platforms. Dit was grotendeels te wijten aan de COVID-19-pandemie, die bedrijven in bijna elke sector dwong manieren te vinden om meer te doen met minder. De plotselinge piek in klantvragen die door banken, retailers en luchtvaartmaatschappijen werden ontvangen, legde bijvoorbeeld de beperkingen van menselijke klantenserviceteams en de dringende behoefte aan geautomatiseerde mogelijkheden bloot. Bovendien heeft de pandemie onze verwachtingen als consumenten veranderd, waardoor de vraag naar digital-first klantervaringen is toegenomen.

Dus waar zijn we nu?

Dus waar is Shaip nu? Uit een Salesforce-enquête voorafgaand aan de pandemie bleek dat: 62% van de consumenten stonden open voor bedrijven die AI integreren in klantinteracties. Dat percentage is waarschijnlijk toegenomen, evenals de mogelijkheden van AI-platforms. Om conversatie-AI echt alomtegenwoordig te maken als tool voor klantbetrokkenheid, moeten er echter nog een paar obstakels worden overwonnen:

  1. Emoties detecteren:

    Om te beginnen zijn de meeste platforms nog relatief eenvoudig als het gaat om het detecteren van emoties. Menselijke communicatie hangt evenzeer af van emotie als van taal, en een verandering in toon zou de betekenis van gesproken of geschreven dialoog volledig kunnen veranderen. Om computers te trainen om subtiele contextuele signalen te detecteren, hebben productteams grote hoeveelheden gegevens nodig die veel verschillende menselijke stemmen bevatten. Het vinden van al die gegevens is geen kleine uitdaging.

  2. Nieuwe talen leren:

    Het grootste deel van de wereldbevolking spreekt geen Engels. Wereldwijde organisaties die conversatie-AI willen gebruiken om met klanten buiten de Verenigde Staten te communiceren, hebben platforms nodig die niet alleen verschillende talen begrijpen, maar ook verschillende regionale dialecten en culturele verschillen. Nogmaals, dit zou grote hoeveelheden meertalige spraak- en audiogegevens van verschillende gemeenschappen en een breed scala aan situaties vereisen (bijv. TED Talks, debatten, telefoongesprekken, monologen, enz.), en die gegevens zouden een verscheidenheid aan onderwerpen moeten bestrijken .

  3. De juiste stem identificeren:

    AI trainen om een ​​enkele luidspreker tussen een veelvoud aan stemmen te detecteren, is een andere uitdaging, een die waarschijnlijk bekend is bij iedereen met een slimme luidspreker in huis, zoals Google Home of Amazon's Alexa. In een overvolle woonkamer reageren deze platforms mogelijk op opdrachten die niet voor hen bedoeld zijn of zijn ze mogelijk niet in staat om opdrachten van meerdere gesprekken te onderscheiden. Dit zorgt meestal voor kleine frustratie en misschien wat komische opluchting, maar wanneer zakelijke transacties met gevoelige klantgegevens worden uitgevoerd via spraakopdrachten, is het absoluut noodzakelijk dat de AI geen gebruikersaccounts in de war brengt.

Laten we vandaag uw AI-trainingsgegevensvereiste bespreken.

Ondanks deze obstakels heeft conversatie-AI een enorm potentieel voor allerlei soorten bedrijven. Shaip is hier om u te helpen dat potentieel te ontsluiten, en het begint allemaal met gegevens. We kunnen productteams voorzien van uren aan getranscribeerde, geannoteerde audiogegevens in meer dan 50 talen. Met behulp van onze eigen data-acquisitie-app kunnen we de distributie van dataverzamelingstaken naar wereldwijde teams van ervaren dataverzamelaars stroomlijnen. Met de app-interface kunnen leveranciers van gegevensverzamelings- en annotatieservices eenvoudig hun toegewezen verzameltaken bekijken, gedetailleerde projectrichtlijnen bekijken, inclusief voorbeelden, en snel gegevens indienen en uploaden voor goedkeuring door projectauditors.

Gebruikt in combinatie met de ShaipCloud-platform, onze app is slechts een van de vele tools waarmee we gegevens kunnen sourcen, transcriberen en annoteren op vrijwel elke schaal die nodig is om geavanceerde algoritmen te trainen voor gebruik in echte klantinteracties. Wil je weten wat ons nog meer de leiders maakt op het gebied van gespreks-AI? Neem contact op, en laten we uw AI aan het praten krijgen.

Sociale Share