Chatbots staan nog in hun kinderschoenen en vele bedrijven zijn nog niet zeker welke processen verbeterd kunnen worden met behulp van een chatbot. Daarom is het belangrijk om te gaan uitzoeken in welke gevallen chatbots wel succesvol zijn en welke problemen chatbots kunnen oplossen.

Problemen van apps en websites

Applicaties en websites kampen met enkele veelvoorkomende problemen, er werd uitgezocht wat deze problemen zijn en hoe chatbots deze problemen oplossen. Ook werd er nagedacht of deze problemen kunnen voorkomen bij chatbots en hoe we deze problemen kunnen voorkomen bij de ontwikkeling van een chatbot.

1. Er is vaak frictie omdat applicaties gedownload moeten worden. Het kan duurt altijd een tijdje voordat een applicatie werd gedownload en geladen. Bovendien nemen applicaties altijd geheugen in beslag, dit kan een probleem zijn voor smartphones met een gelimiteerde geheugencapaciteit. Er kan ook frictie ontstaan bij webapplicaties die traag laden, waardoor gebruikers lang moeten wachten voordat ze aan de nodige informatie kunnen geraken of waardoor er verschrikkelijk veel mobiele data wordt verbruikt tijdens het laden van de website. Chatbots kunnen deze frictie verlagen omdat ze niet moeten geladen of gedownload worden, ze zijn altijd beschikbaar op de verschillende messaging services waarvoor ze werden ontwikkeld. Gebruikers moeten enkel hun vraag of opdracht doorgeven aan de chatbot om een gunstig resultaat te bekomen. Er kan nog steeds frictie ontstaan als de chatbot traag werkt of als de chatbot een ongunstig resultaat teruggeeft, daarom is het belangrijk om goede infrastructuur te gebruiken en om een uitgebreide knowledge base voor de chatbot te voorzien en om de verwachtingen van de gebruiker te beheren zodat hij weet waar de limieten van het systeem liggen.
2. Een slecht design van applicaties en websites kan leiden tot grote frustraties bij gebruikers. Een slecht grafisch ontwerp kan de navigatie van apps en websites zeer complex maken waardoor gebruikers niet aan de nodige informatie kunnen geraken. Chatbots kampen niet of toch veel minder met problemen in verband met het grafische ontwerp omdat de navigatie voornamelijk gebeurd met behulp van taal. Aangezien chatbots eerder gebruik maken van een conversationele user interface is het wel belangrijk om een zeer doordacht ontwerp te maken voor dit formaat van interface.
3. Vaak is er te veel informatie beschikbaar op applicaties en vooral op websites omdat een zo breed mogelijk publiek geïnformeerd moet worden op de verschillende, vaak algemene pagina’s. Hierdoor is vaak het grootste deel van de informatie die beschikbaar wordt gesteld aan een gebruiker irrelevant en afleidend. Informatie is vaak veel behulpzamer als het een antwoord geeft op een zeer specifieke vraag. Chatbots verplichten ontwerpers om na te denken over deze mogelijke vragen die gebruikers hebben en hierop een antwoord te formuleren. Omdat deze systemen worden getraind om op specifieke requests gepast te reageren zal de chatbot altijd de juiste informatie weergeven aan de gebruiker als de chatbot voldoende getraind werd.

Websiteontwikkelaars kunnen in principe al deze veelvoorkomende problemen vermeiden en stappen ondernemen om ze op te lossen, apps daarentegen moeten nog altijd gedownload worden waardoor er altijd frictie zal zijn bij het gebruik ervan. Daarom kan het interessant zijn om uit te zoeken of de functionaliteiten die een app aanbiedt niet vervangen kunnen worden door een chatbot.

Voordelen van chatbots

Er zijn enkele grote voordelen die chatbots hebben, dankzij deze voordelen zijn chatbots een zeer interessante oplossing voor bedrijven.

1. Chatbots zijn 24/7 beschikbaar, ze kunnen gebruikers op elk moment van de dag verder helpen. In het Mobile Messaging Report van Ubisend is gebleken dat meer dan 50% van de ondervraagden verwachten dat bedrijven op elk moment van de dag beschikbaar zijn en direct antwoorden op mogelijke vragen die consumenten hebben. Daarbovenop zeggen 53% van messaging app gebruikers dat ze meer geneigd zijn om klant te worden bij een bedrijf dat ze een bericht kunnen sturen via een messaging app.
2. Chatbots kunnen asynchroon werken. Dit wil zeggen dat gebruikers met de chatbot kunnen praten op hun eigen tempo en wanneer ze maar willen. De chatbots kunnen blijven wachten, voor onbepaalde duur, tot de gebruiker antwoord. De gebruiker zelf zal nooit op een antwoord moeten wachten wat veel frustratie kan vermeiden.
3. Chatbots kunnen een gepersonaliseerde communicatie voorzien voor elke gebruiker. Zo kunnen ze conversaties uit het verleden onthouden waardoor ze meer context kunnen geven aan de conversatie, dit is echter niet mogelijk via de meeste traditionele communicatiemiddelen binnen een bedrijf, zeker niet via een one-to-many communicatiekanaal.
4. Menselijke taal is de meest natuurlijke vorm van communicatie voor de mens. Hierdoor zijn chatbots de perfecte solution voor mensen die nog digitaal onervaren zijn omdat chatbots een intuïtieve gebruikerservaring kunnen aanbieden als ze goed werden ontwikkeld.
5. Business Engagement zal stijgen met behulp van chatbots. E-mails worden gemiddeld slechts 20% van de tijd geopend, terwijl persoonlijke berichten 98% van de tijd worden geopend. De adoptie van messaging apps kan de drempel om in contact te komen met bedrijven verlagen, zal conversaties stimuleren en gebruikers zullen meer betrokken te raken.

Nadelen van chatbots

Er zijn natuurlijk ook enkele potentiele nadelen die zich kunnen voordoen bij de implementatie van een chatbot.

1. Consumenten kunnen een ondergewaardeerd gevoel krijgen als bedrijven enkel gebruik maken van chatbots. Het is daarom een goed idee om uit te zoeken welke processen best geautomatiseerd kunnen worden en welke niet en eventueel hybride chatbots implementeren die zowel geautomatiseerd werken als werken met behulp van menselijke operatoren.
2. Gebruikers zullen hoge verwachtingen hebben omdat ze automatisch menselijke eigenschappen aan de chatbot zullen toekennen. Daarom is het is belangrijk om chatbots van de eerste keer goed te implementeren omdat het gevaar bestaat dat gebruikers teleurgesteld zullen zijn in de chatbot en deze in de toekomst niet meer zullen gebruiken. Uit een ondervraging van 1000 smartphone users in het Verenigd Koninkrijk tussen de 18 en 65 jaar bleek dat 61% van hen het frustrerender zouden vinden als een chatbot hen niet kan verder helpen dan als een mens hen niet kan verder helpen. Uit een ander onderzoek bleek zelfs dat 73% van Amerikaanse ondervraagden een chatbot niet meer zouden gebruiken als er een slechte ervaring mee hadden.
3. Chatbots representeren een bedrijf en kunnen het imago schaden als de chatbot niet volledig naar de verwachtingen werkt. Zo staat het internet nog steeds vol met artikelen over de chatbot Tay die door Microsoft werd uitgebracht en binnen de 24 uur zeer ongepaste tweets begon te plaatsen.

Chatbot mogelijkheden

1. Customer service optimalisatie

   Chatbots zullen een grote impact hebben op het gebied van customer service. Vandaag moeten personen vaak lang wachten voordat hun probleem werd opgelost of hun vraag werd beantwoord. Denk bijvoorbeeld aan callcenters waar klanten soms tot wel 20 minuten aan de lijn moeten blijven hangen. Daarom staan mensen open om te communiceren met artificiële intelligentie, dit proces beloofd veel sneller en efficiënter te verlopen voor de klant. Uit hetzelfde onderzoek waar eerder al naar werd verwezen, van 1000 smartphone users in het Verenigd Koninkrijk tussen de 18 en 65 jaar is gebleken dat 63% van hen bereid is te communiceren met een chatbot om in contact te komen met een bedrijf.

   Het technologische analyse bedrijf Gartner deed in 2015 zelfs een schatting dat tegen 2017, 66% van alle customer service interacties geautomatiseerd zullen zijn, dit wil zeggen dat slechts één derde van alle customer service interacties nog afgehandeld zouden worden door een mens. Dit cijfer zal dit jaar echter nog niet behaald worden, maar de automatisatie van customer service is een niet te voorkomen trend dat zich in de eerstvolgende jaren zal voortzetten. In 2014 werd er geschat dat 60% van customer service interacties nog moesten afgehandeld worden door een mens.

   De luchtvaartmaatschappij KLM maakt al gebruik van chatbots via Facebook Messenger, het doel van deze chatbot is om de beschikbare informatie over bepaalde vluchten makkelijk beschikbaar te maken op één plaats. Nadat een klant een vlucht heeft geboekt kan hij met de chatbot connecteren. Via het messaging platform zal de klant een bevestiging van zijn boeking, check-in notificaties, zijn boardingpass en status updates over zijn vlucht ontvangen.

   Ook telecombedrijf Globe maakt al gebruik van chatbots in Facebook Messenger, we zien dat bedrijven vooral dit platform verkiezen omdat de meeste mensen hier al mee vertrouwd zijn en omdat de meeste bedrijven al actief zijn op het social media platform van Facebook. Globe wilt met deze chatbot betekenisvolle en efficiënte customer service aanbieden. De chatbot is erin geslaagd om telefoontjes naar hun callcenter te verlagen met 50% met behulp van de chatbot. Ook hebben ze gemerkt dat klanten 22% meer tevreden zijn als ze kunnen communiceren via een messaging platform, dan via een callcenter.

   Beide chatbots die werden aangehaald zijn volledig hybride, dit wil zeggen dat menselijke operatoren de conversaties nog steeds in goede banen leiden waar dit nodig is. Hierdoor worden alle nadelen die werden aangehaald in verband met chatbots volledig weggewerkt terwijl de productiviteit wel zeer sterk stijgt. Deze succesvolle implementaties bewijzen dat customer service veel baat kan hebben met de integratie van chatbots.

2. Informatie ophalen

   
   Chatbots kunnen gebruikt worden om snel informatie op te halen in de vorm van een conversatie. Mensen zijn sociale wezens en conversaties liggen aan de basis van onze cultuur, hierdoor voelt deze vorm van ‘information retrieval’ zeer natuurlijk aan. Een gebruiker kan een vraag stellen, waarop de chatbot een antwoord formuleert in natuurlijke taal en teruggeeft aan de gebruiker. Deze info kan snel en efficiënt aangeboden worden aan de gebruiker zonder dat hij moet doorklikken naar verschillende links of op zoek moet gaan naar een antwoord op een FAQ-pagina van een bedrijf of zelfs query’s moet schrijven om informatie op te halen uit een database, al deze functionaliteiten kunnen efficiënter worden gemaakt met behulp van een chatbot.

   Uit nieuw onderzoek, gevoerd door Nuance Communications waarbij wereldwijd 425 consumenten ondervraagd werden, blijkt dat 89% van hen openstaat om een conversatie aan te gaan met een chatbot om snel een antwoord te krijgen op hun vragen in plaats van zelf op zoek te gaan naar de relevante informatie op webpagina’s of in mobiele applicaties.

   Siri, de virtuele assistent van Apple krijgt 1 miljoen verzoeken per week om verschillende vragen te beantwoorden. Ook andere virtuele assistenten, zoals Cortana van Windows en Google Now van Google, kunnen gebruikt worden om informatie op te halen. Kleinere bedrijven kunnen chatbots integreren om veel gestelde vragen automatisch te beantwoorden.

   Een andere succesvolle implementatie van een chatbots als ‘information retrieval tool’ is Growthbot, deze chatbot werd gemaakt door Dharmesh Shah, de CTO van HubSpot, een zeer succesvol bedrijf dat internet marketingtools ontwikkeld. Growthbot connecteert verschillende marketingsystemen zodat gebruikers snel en gemakkelijk aan hun benodigde informatie en services kunnen geraken op één centrale plaats. De chatbot werkt op Slack, Facebook Messenger en Twitter en integreert in totaal 15 marketingsystemen waaronder Google Analytics, Hubspot tools, Hotjar, Wistia, Twitter Ads, Facebook Custom Audience, …

3. E-commerce, shopping assistent

   Chatbots kunnen worden ingezet als shopping assistenten om consumenten te overhalen een product of dienst aan te kopen of te gebruiken. Ze kunnen hun hulp aanbieden, extra informatie geven over producten/diensten en het beslissingsproces vergemakkelijken door een product/dienst te vinden dat voldoet aan de verschillende eisen en beperkingen van de klant.

   

   Reservatie assistent Sephora laat gebruikers toe afspraken te maken met kappers en beauty salons via Facebook Messenger. De reis assistent van SnapTravel helpt klanten bij het vinden en het boeken van hotels op maat van de klant. Kleding retailer H&M bracht een shopping assistent uit op het messaging platform Kik dat gebruikers beter leert kennen en op basis van de voorkeur van de klant outfits, kleding en stijltips aanbiedt aan de gebruikers. Er zijn nog honderden voorbeelden van shopping assistenten die e-commerce platformen ondersteunen en waarschijnlijk zal de adoptie hiervan een standaard worden binnen enkele jaren, zeker als we nu al zien dat meer dan de helft van gebruikers dat aanwezig is op een messaging app zegt dat ze meer geneigd zullen zijn om klant te worden bij een bedrijf dat aanwezig is op deze messging kanalen.

4. Screening automatisatie

   Chatbots kunnen gebruikt worden door bedrijven om potentiële klanten, huidige/bestaande klanten, sollicitanten, patiënten, etc. vragen te stellen om ze deze manier, volledig geautomatiseerd, onder te verdelen in verschillende groepen. Hierdoor kunnen verschillende afdelingen binnen het bedrijf waardevolle tijd besparen en wordt de onderverdeling volledig afgehandeld zonder vooroordelen. Daarbovenop worden mensen die op je pagina komen en een conversatie willen aangaan direct bedient en is het makkelijk hen te contacteren eens het personeel binnen het bedrijf tot een besluit is gekomen, ook kan de chatbot zelf een afspraak vastleggen met de persoon in kwestie en hem vervolgens nog een reminder sturen een dag voordien.

   De recruiting assistent Cyra is een chatbot dat gebruik maakt van Machine Learning en Natural Language Processing technieken om op deze manier de juiste kandidaten te vinden voor bedrijven. De chatbot stelt verschillende vragen aan de werkgevers en vind op basis van hun antwoorden de juiste sollicitanten. Deze chatbot maakt het aanwervingsproces makkelijker voor kleine en middelgrote bedrijven.

   Babylon health is een chatbot, actief in de gezondheidszorg, dat gebruik maakt van Artificiële intelligentie om het screening proces volledig te automatiseren. Patiënten kunnen de chatbot contacteren als ze gezondheidsproblemen ondervinden, de chatbot zal verschillende vragen stellen, tips geven en de patiënt in contact brengen met een gespecialiseerde arts als dit nodig is. De medische chatbot werd getest en goedgekeurd door meer dan 100 dokters. Daarbovenop worden verschillende parameters bijgehouden die de gezondheid van de patiënt in kwestie kunnen inschatten zoals slaappatronen, sportactiviteiten, hartslag (via smartwatch), etc. Ook Buoy health is een chatbot met soortgelijke functionaliteit dat met behulp van vragen een mogelijke diagnose zal stellen.

5. Educatie, teaching assistent

   Chatbots kunnen ingezet worden in scholen en op E-learning platformen om bijkomende vragen van leerlingen te beantwoorden. Omdat chatbots volledig geautomatiseerde systemen zijn zullen leerlingen meer geneigd zijn om vragen te stellen om verschillende redenen, zo zullen ze zich minder beoordeeld voelen en kunnen ze dezelfde vraag verschillende malen stellen als ze het antwoord op de vraag zijn vergeten. Leerkrachten/lectoren kunnen vervolgens de gestelde vragen analyseren, zien waar de leerlingen het moeilijk mee hebben en vervolgens dieper ingaan op deze onderwerpen, zowel op individueel niveau als voor de hele klas.

   Ook kunnen ‘voice bots’ of spraakassistenten worden ingezet bij het aanleren van verschillende talen. De meest efficiënte manier om een taal aan te leren is de taal gebruiken waardoor het gebruik van deze spraakassistenten een echte meerwaarde kan zijn. De chatbot kan conversaties simuleren met een persoon om zo de taal beter onder de knie te krijgen.

   Bill Gates, de co-founder van Microsoft, ziet een grote toekomst in chatbots die kunnen gebruikt worden als teaching assistenten, zo investeerde hij al 240 miljoen dollar in technologieën die gepersonaliseerde leerplatformen kunnen ondersteunen. Dit zal leerlingen toelaten om op hun eigen tempo te leren.

   Jill Watson is een teaching assistent dat in 2016 een volledig semester vragen beantwoorde van leerlingen zonder dat ze wisten dat deze teaching assistent werd aangedreven door artificiële intelligentie. De chatbot werd getraind door menselijke assistenten voordat deze werd ingezet in een live omgeving. Met behulp van deze chatbot zullen ongeveer 40% van de vragen beantwoord kunnen worden zonder tussenkomst van een menselijke assistent. Naar mate meer vragen worden beantwoord wordt de knowledge base van de AI al maar groter en zal het niveau van automatisatie verhogen.

6. Entertainment

   
   Chatbots kunnen ingezet worden om entertainment te bezorgen aan gebruikers. Bedrijven kunnen dit doen om hun relatie met de klant te verbeteren of om aandacht te trekken naar een nieuw product of service. Verschillende entertainment bedrijven, waaronder Activision, Universal Studios en Disney, hebben al succesvolle chatbots uitgebracht om nieuwe releases van films of games te promoten. Meestal nemen de chatbots de persoonlijkheid van een karakter uit de film of game dat ze willen promoten aan.

   Zo bracht Activision de chatbot genaamd ‘Luitenant Reyes’, waarmee fans van de Call of Duty franchise konden praten om unieke details van hun nieuwe videogame release te ontdekken in de vorm van een puzzel dat moest ontrafeld worden. Deze chatbot had een zeer groot succes en werd meer dan 6 miljoen keer aangesproken in de eerste 24 uur dat hij online stond. Dit soort van virale campagnes komen vaker voor in de gaming industrie, waarbij fans een puzzel moeten ontrafelen om unieke details van een nieuw spel te ontrafelen. Dankzij chatbots kunnen nu de videogame karakters zelf een groot deel van het promotiewerk doen, wat natuurlijk voor meer opwinding zorgt bij de fans.

   Disney bracht de chatbot ‘Officer Judy Hopps’, een karakter in de Disneyfilm Zootopia. De chatbot neemt gebruikers mee op een avontuur waarbij ze een misdaad moeten oplossen. En ook Universal Studios kwam al op de proppen met de chatbot ‘Doc Brown’ om Back tot he Future Day (op 21 oktober 2015) te promoten.

   De sportliga NBA kwam op de proppen met een chatbot die fans updates en highlights doorstuurde via Facebook Messenger. Voor vele sportevenementen kunnen soortgelijke chatbots worden ingezet omdat fans hier veel interesse in hebben. Ook andere chatbots die highlights of onverwachte afwijkingen aangeven kunnen zeer interessant zijn, zo zijn er bijvoorbeeld chatbots die gebruikers waarschuwen op onverwachte weersomstandigheden zoals ‘Poncho’, deze stuurt ook de dagelijkse weersverwachtingen samen met een grappige quote.
   

Heeft deze post je geïnspireerd en wil je ook een chatbot voor jouw bedrijf? Neem dan snel contact op met Edge.be om na te gaan wat wij voor jou kunnen betekenen.

Wij kennen de oplossing voor jouw probleem

1. Artificiële intelligentie (AI)

Met artificiële intelligentie wordt gerefereerd naar gesimuleerde intelligentie dat wordt vertoond door machines. Het centrale idee binnen het onderzoeksveld van Artificiële intelligentie is dat menselijke intelligentie door machines kan worden nagebootst. Artificieel intelligente machines worden over het algemeen geprogrammeerd om het denken van de mens te simuleren en de acties van een echte persoon na te bootsen en vaak zelfs efficiënter af te handelen. De belangrijkste eigenschap van ‘intelligente agenten’ is dat ze rationeel kunnen nadenken en actie kunnen ondernemen om hun kans op succes te verbeteren bij het behalen van een specifiek doel. Machines die kunnen bijleren, dankzij machine learning, en problemen oplossen worden beschouwd als artificieel intelligent.

De criteria waaraan machines moeten voldoen om als artificieel intelligent te worden beschouwd veranderen constant.

Naargelang de technologie steeds geavanceerder wordt veranderen ook steeds de criteria waaraan een machine moet voldoen om als artificieel intelligent te worden beschouwd. Men zegt weleens dat een bepaalde technologie wordt beschouwd als artificieel intelligent tot het succesvol werd geïmplementeerd, daarna wordt het als vanzelfsprekend beschouwd. Zo worden bijvoorbeeld machines die basisfuncties kunnen uitrekenen of de zoekmachine technologie die Google gebruikt niet langer herkend als artificieel intelligente systemen.

Een goed voorbeeld van systemen die nog steeds worden beschouwd als artificieel intelligent zijn computers die kunnen schaken en zelfrijdende auto’s. Schakende computers bestaan al jaren, zelfrijdende auto’s zijn een vrij nieuwe technologie. Deze systemen moeten telkens de gevolgen van elke actie die ze nemen afwegen om hun doel zo efficiënt mogelijk te bereiken, aangezien elke actie een impact heeft op het eindresultaat. Bij schaken is het doel het winnen van het spel, hiervoor moet het systeem rekening houden met elke pion op het veld, zijn mogelijke bewegingen en de locatie van de pionnen. Bij zelfrijdende auto’s is het doel het bereiken van een bepaalde locatie, hiervoor moet het systeem rekening houden met de routeberekening, andere auto’s, verkeersregels, wegomstandigheden, en andere externe data. Al deze data moet verwerkt worden om ongevallen te vermijden.

De centrale problemen binnen het onderzoeksveld van AI die worden onderzocht zijn redenerend vermogen, kennis, planningsvermogen, leervermogen, NLP (natural language processing), waarnemend vermogen en de mogelijkheid om zich voort te bewegen en objecten te manipuleren in de omgeving. In het geval van chatbots zijn vooral het redenerend vermogen, het vermogen om bij te leren en NLP van belang.

AI is een controversieel onderwerp, een thema dat vaak aan bod komt is dat artificieel intelligente systemen op een bepaald moment zo slim zullen worden dat ze zichzelf zullen kunnen verbeteren aan een exponentieel tempo. Dit punt in de toekomst wordt de ‘singularity’ genoemd, dit onderwerp werd uitgebreid besproken in het boek “The Singularity is Near” geschreven door Ray Kurzweil. In zijn boek schat Ray Karzweil dat we dit punt zullen bereiken in 2045. Hij kreeg wel zeer veel commentaar op zijn theorie. Enkele andere controversen gaan over de ethiek van artificiële intelligentie.

2. Machine learning (ML)

Machine learning stelt ons in staat machines taken te laten uitvoeren die te moeilijk zijn om handmatig te ontwerpen of te programmeren. Vanuit een wetenschappelijk en filosofisch perspectief is dit een zeer interessant onderzoeksveld omdat het onderzoek naar machine learning ons meer inzichten geeft in ons fundamentele begrip van intelligentie.

ML stelt programma’s in staat bij te leren zonder dat ze expliciet geprogrammeerd moeten worden

We kunnen chatbots in staat stellen om te communiceren op twee verschillende manieren, namelijk door de chatbot te programmeren en te specifiëren hoe hij moet communiceren, of door de chatbot te programmeren zodat hij kan leren hoe hij moet communiceren.

Machines kunnen dankzij machine learning acties en beslissingen die ze namen in het verleden evalueren en naargelang de uitkomst hun gedrag in de toekomst aanpassen. Machine learning wordt mogelijk doordat developers een aantal algoritmes implementeren die het leerproces automatiseren. Deze automatisatie wordt mogelijk door vaak voorkomende patronen in de data te detecteren of door de data in verschillende categorieën in te delen en vervolgens te herkennen tot welke categorie de data behoort. Op deze manier kunnen machines goed onderbouwde beslissingen nemen wanneer ze nieuwe, onbekende data binnenkrijgen.

Systemen die machine learning technieken gebruiken hebben grote voordelen in vergelijking met systemen die gebruik maken van voorgeprogrammeerde regels:

• De leerprocedures die gebruikt worden bij machine learning focussen automatisch op de meest voorkomende gevallen, als je regels definieert en wilt hard coden is het vaak niet duidelijk waar de focus moet liggen.
• Deze algoritmes zorgen ervoor dat je systeem robuuster wordt in het geval dat er onbekende input werd ingegeven, zoals bijvoorbeeld onbekende woorden of wanneer andere grammatische structuren worden gebruikt of in het geval dat er foutieve input werd ingegeven, zoals bijvoorbeeld fout gespelde woorden of weggelaten woorden. Dit soort potentiële fouten opvangen met handgeschreven code is vaak zeer moeilijk, foutgevoelig en tijdrovend.
• Systemen die automatisch leren worden nauwkeuriger op langere termijn doordat de pool van input data die ze hebben gekregen groter wordt, terwijl systemen gebaseerd op handgeschreven regels enkel nauwkeuriger kunnen worden door de complexiteit van de regels te vergroten.

Natural Language Processing (NLP)

NLP stelt chatbots in staat om de uitgebreide en ingewikkelde menselijke taal te interpreteren en te verstaan wat er gezegd wordt zodat het systeem waat wat er verwacht wordt en een antwoord kan formuleren. Dit proces komt overeen met het onderbewuste denkproces dat mensen toepassen wanneer ze met elkaar communiceren.

NLP laat ons toe in menselijke taal te communiceren met artificieel intelligente systemen.
Conversational user interfaces (CUI’s) worden aangedreven door NLP-technieken.

Om NLP succesvol te laten werken wordt gebruik gemaakt van 5 verschillende taalkundige stappen die in algoritmes worden omgezet. Met behulp van deze stappen kan een computerprogramma natuurlijke taal gaan verwerken.

1. Lexicale analyse – In deze eerste stap worden teksten onderverdeeld in paragrafen, zinnen en woorden. Aan elk woord worden tags toegekend die de woordsoort van het woord bepalen. Zinnen kunnen bestaan uit: lidwoorden, bijwoorden, werkwoorden zelfstandige naamwoorden, bijvoeglijke naamwoorden, voornaamwoorden, telwoorden, voegwoorden, voorzetsels en tussenwerpsels.
2. Syntactische analyse – In deze stap wordt nagegaan wat de onderlinge relatie is tussen de verschillende woorden. Zo worden er grammaticale checks gedaan en wordt de onderlinge volgorde van de woorden geanalyseerd.
3. Semantische analyse – In deze stap wordt nagegaan wat de exacte betekenis is van de ingegeven tekst. Hierbij wordt rekening gehouden met de analyses in de vorige twee stappen om misinterpretatie van woorden en hun betekenissen te vermijden.
4. Referentie analyse – In deze stap wordt rekening gehouden met verschillende verwijzingen in de tekst.
5. Pragmatische analyse – In deze laatste stap wordt geïnterpreteerd wat de intentie van de tekst is door gebruik te maken van wereldkennis. Dit is echter de moeilijkste stap voor computers omdat ze deze wereldkennis vaak missen.

Dit is een zeer belangrijk onderzoeksveld binnen de wereld van chatbots en deze technologie boekt zeer sterke vooruitgang op korte termijn. Dit komt doordat Tech Giants zoals Facebook, Microsoft en Google zich achter de ontwikkeling van NLP hebben gezet. Deze bedrijven ontwikkelen deep learning netwerken en andere machine learning technieken om zo NLP te revolutioneren.

Chatbot verwachtingen

Chatbots, ook gekend onder de noemer Chatterbot, Chatterbox, Talkbot of gewoon Bot. Het zijn systemen die volledig geautomatiseerd gesprekken voeren met gebruikers in menselijke taal door middel van spraakopdrachten of tekst chats. Chatbots worden ingezet in verschillende sectoren en voor verschillende scenario’s. Daarbovenop werken ze cross-platform, dit wil zeggen dat ze ingezet kunnen worden in verschillende chat applicaties en werken op alle toestellen dat deze chat apps ondersteunen.

Meestal reageren chatbots op voorgeprogrammeerde vragen of zinnen met een voorgedefinieerd antwoord, meer complexe chatbots worden aangedreven door artificiële intelligentie. Om een duidelijk onderscheid te maken tussen de verschillende systemen die de chatbots aandrijven definieerden we 3 niveaus of levels, elk met een extra laag complexiteit.

1. Rule based chatbot

Op dit eerste niveau definiëren we de rule based chatbot. Chatbots die op dit niveau functioneren ondersteunen de user flow in een gesloten loop die de gebruiker kan doorlopen, maar waarvan hij niet mag afwijken. Aan de basis ligt een systeem gebaseerd op voorgedefinieerde regels (als … dan …). De volledige conversationele flow die de gebruiker doorloopt kan worden voorgesteld in een boomstructuur, is zeer lineair en wordt vooral gebruikt bij ‘single purpose’ doeleinden. De chatbot kan worden ingezet in het geval dat er een duidelijk doel is gedefinieerd dat de chatbot moet behalen, we kunnen ook spreken van een goal oriented of transaction oriented chatbot.

Rule based chatbots kunnen helpen bij het behalen van specifieke doelstellingen.

Aangezien de gebruiker niet mag afwijken van de vastgelegde flow wordt de gebruiker begeleidt tijdens de conversatie met de chatbot met behulp van buttons of tekst. Het grote voordeel van rule based chatbots is dat ontwikkelaars volledige controle hebben over de richting van het gesprek waardoor de gebruikers door een pad geleid kunnen worden om zo een bepaald doel te bereiken. De chatbot zal nooit zelf antwoorden genereren of interpreteren waardoor grote grammaticale fouten of andere onvoorziene fouten volledig vermeden kunnen worden. Een nadeel van dit soort chatbots is dat ze vaak geen contextuele informatie kunnen opslaan waardoor de conversatie niet natuurlijk aanvoelt en dat gebruikers zich vrij gelimiteerd kunnen voelen tijdens de interactie met de chatbot.

2. Conversationele chatbot

Op het tweede niveau definiëren we de conversationele chatbot, deze chatbots worden vaak aangedreven door AI (Artificiële Intelligentie). Dit laat gebruikers toe om normale gesprekken te voeren met de chatbot die zeer natuurlijk aanvoelen en minimaal begrensd zijn. De chatbots die werden uitgerust met AI leren geleidelijk aan meer bij met behulp van machine learning technieken. Het voordeel van conversationele chatbots is dat ze zowel taal kunnen interpreteren als contextuele informatie kunnen opslaan en interpreteren dankzij NLP (Natural Language Processing) technieken, de NLP-technologie is van kritiek belang bij de werking van de conversational chatbots.

Conversational chatbots laten gebruikers toe snel en gemakkelijk een conversatie te starten met een bedrijf.

Een voorbeeld van een primitieve conversational chatbot is ELIZA, ontwikkeld in 1966. ELIZA maak gebruik van pattern matching technieken die het programma toelaten om antwoorden te formuleren op bepaalde zinnen. ELIZA was de eerste chatbot die voor een begrensde Turing Test slaagde. Een conversatie met een chatbot, zoals ELIZA, die gebruik maakt van pattern matching is met andere woorden maar zo slim als de gedefinieerde woorden die beschikbaar zijn in de database.

Conversationele chatbots waarnaar nu research wordt gedaan maken altijd gebruik van Machine Learning (ML) technieken om de restricties van vroegere modellen tegen te gaan. Natuurlijk zijn er enkele factoren die de performantie van chatbots en het niveau van automatisatie sterk kunnen beïnvloeden. Zo is het voorlopig vaak nog zo dat conversaties moeten overgenomen worden door mensen. De systemen zijn dus nog niet volledig geautomatiseerd. Dit menselijke contact kan wel gezien worden als een meerwaarde en kan gebruikers meer gewaardeerd doen voelen, het is dus belangrijk om een goede afweging te maken tussen welke processen geautomatiseerd kunnen worden en welke niet.

• Een factor die het moeilijker kan maken om conversaties te automatiseren is de lengte van de conversatie. Bij lange conversaties, waar er verschillende vragen en antwoorden worden uitgewisseld die elkaar opvolgen moet er vaak bijgehouden worden wat er werd gezegd tijdens de conversatie. De context van de conversatie is in dit geval dus belangrijk.
• Een tweede factor die de automatisatie van een conversatie sterk kan impliceren is het feit dat de conversatie begrensd of onbegrensd is binnen een bepaald domein. Bij een begrensde conversatie is de input vrij gelimiteerd en focust het systeem zich op het zo efficiënt mogelijk behalen van een vrij specifiek doel. Enkele mooie voorbeelden van een begrensde conversationele chatbot zijn een shopping assistent of een customer support bot. Een chatbot die ontwikkeld wordt om onbegrensde conversaties mee te voeren zal logischerwijs veel complexer zijn omdat er geen welgedefinieerd doel is. Er zijn een oneindig aantal thema’s voor conversatie.

Er zijn enkele veelvoorkomende uitdagingen bij het creëren van conversationele chatbots, waaronder de meeste actief worden onderzocht, de uitdagingen zijn:

1. Het interpreteren van context. Om zinnige antwoorden te genereren moeten systemen zowel linguïstische context als fysieke context interpreteren. Bij lange dialogen is het belangrijk dat chatbots bijhouden wat er is gezegd en welke informatie er werd uitgewisseld tussen beide partijen, dit is de linguïstische context van de conversatie. Maar vaak moet ook rekening gehouden worden met zaken zoals datum/tijd, locatie en andere informatie over de gebruiker, dit is de fysieke context.
2. Het representeren van een identiteit. Het systeem moet ook consistente antwoorden geven op semantisch vergelijkbare vragen. De menselijke taal is zeer complex en zinnen die hetzelfde betekenen kunnen vaak verschillende schrijfwijzen hebben, het is belangrijk dat het systeem consistent blijft in zulke omstandigheden, chatbots die verschillende antwoorden genereren op semantisch vergelijkbare vragen zullen het zeer moeilijk hebben om vertrouwen op te bouwen met gebruikers. Dit is een bestaand probleem omdat chatbots vaak getraind worden met veel uiteenlopende data van verschillende gebruikers tijdens het ML-proces.
3. Het evalueren van de chatbot. De beste manier om de performantie van een conversationele chatbot te meten is door te testen of de chatbot zijn doel behaald tijdens specifieke conversaties. Hier kan echter veel tijd in kruipen omdat voorlopig elke mogelijke conversatie getest en geëvalueerd moet worden door een mens. Soms zijn er ook geen gedefinieerde doelen voor de chatbot, als deze onbegrensd is binnen een bepaald domein.
4. Diversiteit van antwoorden. Een veelvoorkomend probleem is dat systemen die gebruik maken van ML-technieken vaak dezelfde generieke antwoorden genereren die juist zijn in vele gevallen, maar geen duidelijke intentie hebben en niets bijdragen tot de conversatie.

3. Virtual agent

Op het derde niveau, en meteen ook het hoogste niveau definiëren we de virtual agent. Virtuele agenten leren op grote schaal, kunnen redeneren en communiceren op natuurlijke wijze met mensen. In tegenstelling tot de chatbots op lagere niveau’s zijn deze virtuele agenten niet enkel reactief, maar zijn ze ook proactief. Dit wil zeggen dat de chatbots op dit niveau de gebruikers kunnen contacteren als zei inschatten dat de nood van de gebruiker het hoogste is in plaats van te wachten op input van de gebruikers. Deze virtuele agenten zullen vooral nuttig zijn in een wereld waar the IoT (the Internet of Things) volledig tot stand is gekomen. Deze chatbots worden aangedreven door een volledige architectuur bestaande uit verschillende AI-subsystemen die onderling samenwerken. De achterliggende architectuur bij virtuele agenten wordt ook wel cognitieve artificiële intelligentie genoemd. (Cognitief –> betrekking hebbend op de mentale processen zoals waarneming, geheugen, oordeel en redenering, in tegenstelling tot emotionele en wilskrachtige processen).

Virtuele agenten zijn verschrikkelijk intelligent en kunnen niet alleen menselijke taal interpreteren en begrijpen met behulp van NLP (natural language processing), maar kunnen ook intelligente conclusies trekken uit vragen en antwoorden die mensen hen geven en kunnen in hun redenering zelfs rekening houden met data dat betrekking heeft op een bepaalde groep, een individu of de omgeving.

We kunnen concluderen dat virtuele agenten cognitief artificieel intelligent zijn, ze kunnen redeneren en tot inzichten komen op een hoger niveau en dit op een wijze dat vaak analoog is aan het cognitieve vermogen van een mens. Virtuele agenten kunnen handelen op basis van symbolische en conceptuele informatie in plaats van pure data, met als doel tot high-level beslissingen te komen in complexe situaties.

Use cases

1. Virtuele agenten kunnen gebruikers notificeren wanneer ze een elektronisch apparaat vergaten uit te schakelen en zelf stappen ondernemen om dit probleem voor de gebruiker op te lossen.
2. Een elektronisch apparaat stopt met werken (bijvoorbeeld boiler, diepvriezer, frigo). Aangezien deze apparaten geconnecteerd zullen zijn zal de virtual agent dit direct oppikken en proactief een notificatie versturen, bovendien kan de chatbot zelf een afspraak met een technieker maken om jouw probleem op te lossen of zelfs een volledig nieuw apparaat aanbieden wanneer de nood voor de gebruiker het grootste is.

Virtuele agenten kunnen producten of diensten aanbieden aan de consument op het moment dat zijn nood het grootst is.

Dergelijke functionaliteit zal betekenen dat consumenten niet meer zelf op zoek zullen gaan naar een oplossing voor hun probleem, maar een oplossing aangeboden zullen krijgen op het moment dat ze een product of dienst nodig hebben. Dit geeft ongelofelijk veel macht aan de partij die deze virtuele agenten aanbiedt aangezien zij controleren wat de consumenten te zien zullen krijgen. Dit is onder andere waarom tech giants zoals Google, Amazon, Apple, Facebook, etc zoveel interesse tonen in de ontwikkeling van chatbots. Er wordt verwacht dat de partij die als eerste een volledig functionele virtuele agent aanbied een monopolie zal creëren en gebruikers deze direct zullen gebruiken. Penetratie van andere virtuele agenten zeer moeilijk zal zijn aangezien gebruikers alle nodige functionaliteiten al aangeboden krijgen door hun vertrouwde agent, kijk maar naar Google en hun search engine.

AI, Machine Learning en NLP