Construir e treinar chatbots que aprendem por conta própria: desenvolvedores, vocês podem liderar a revolução chatbot

---

A área de desenvolvimento de chatbots é uma das mais interessantes da inteligência artificial (IA) e automação. Surpreende o progresso recente em assistentes virtuais, e a Austrália está bem-posicionada para liderar a corrida dos chatbots.

 Como a Gartner destacou em seu 19º relatório sobre CIOs, os CIOs da região da APAC estão muito à frente de seus colegas ao redor do mundo na adoção da Internet das Coisas (IoT, em inglês), interfaces conversacionais e de IA que oferecem ambientes de experiência do usuário ricas e dinâmicas. 

 Mas, embora o futuro dos chatbots seja muito promissor, as empresas sediadas na Nova Zelândia e Austrália ainda têm muito a fazer na construção de agentes verdadeiramente autônomos, capazes de autoaprendizagem

 Construindo assistentes autônomos inteligentes para o amanhã

 Atualmente, a maioria dos chatbots realiza tarefas simples, muito específicas. Nos próximos cinco a dez anos, terão muito mais contexto e informação com que trabalhar, tornando-se mais inteligentes. Se estruturados da forma correta e suportados pelas tecnologias adequadas, serão capazes de utilizar todos os dados ao seu dispor para aprender com as interações do passado, e entregar experiências personalizadas tanto para funcionários como para clientes.

 Hoje, a maioria dos chatbots é supervisionado. São programados para identificar uma lista pré-definida de palavras-chave para responder a uma lista pré-definida de questões, o que possibilita que funcionem como agente de atendimento ao consumidor com respostas “tamanho único”. Para se tornarem “autodidatas”, precisam primeiro ser treinados, como qualquer funcionário humano precisa ser antes de se tornar autônomo.

 Para construir os chatbots do amanhã, os desenvolvedores precisam desenvolver modelos adequados, dominando um conjunto específico de tecnologias.

 Capacitando a autoaprendizagem dos chatbots

 Para se tornarem autônomos, os chatbots precisam de modelos de programação declarativa, em que descrevem as metas dos chatbots, em vez de dizer a eles como fazer as coisas.

 Oito elementos-chave que precisam ser tratados:

 A interface: muitos chatbots vêm com interfaces internas como Messenger ou iMessage, ou outra diretamente integrada no canal nativo de seu cliente. Existem muitos níveis de complexidade nisso: texto, voz e visual. O complexo aqui é fazer o chatbot oferecer a correta interface de usuário (UI) para cada contexto de interação.

 O componente de processamento de linguagem natural (PLN): as tecnologias de PLN permitem que os desenvolvedores construam softwares que podem entender verdadeiramente a linguagem humana e interagir com humanos de forma natural. Embora poderoso, o PLN pode apenas ajudar um software a dividir uma frase num conjunto de intenções que um programador de computador pode usar para agir. As empresas querem resolver o desafio de integrar a experiência de chat para atender uma necessidade específica.  

 O contexto ou memória de um bot: para viabilizar uma interação similar à humana, o chatbot precisa manter contexto ou memória, do início ao fim do contato. Alguns precisam manter um contexto por usuário a fim de oferecer experiência e jornada personalizadas.

Loops, Splits e Recursions: aqui é onde provavelmente reside a verdadeira complexidade de um chatbot. Quando você começa a dialogar de forma mais ampla com os chatbots, a necessidade de ele ser capaz de dividir a conversa em partes ou de retomar um diálogo específico do passado é muito difícil hoje, e muitos bots não suportam tal função.

Integração com sistemas-legado: dependendo do tipo de chatbot sendo construído, muitos deles terão que, em algum momento, trabalhar com sistemas-legado, daí tirando informações necessárias para suas tarefas. Se você está construindo um chatbot para empresas, então, é provável que você terá de trabalhar com um sistema CRCM, um ERP ou mesmo um sistema de RH do qual retirará ou inserirá informação.

Analytics: é o segredo para criar chatbots de sucesso, porque é o elemento capaz de identificar e entender engajamento, deflexão e mal-entendidos. É isso que leva a uma experiência personalizada de alta qualidade para o usuário final.

Hand-offs (transição): se você está construindo um bot para trabalhar junto com um serviço de atendimento ao cliente, existe um hand-off (transição) entre bot e humano quando a interação se torna muito complexa para a máquina.

Caráter, tom e persona: existem algumas características de um chatbot que o tornam mais humano. Você quer que seu bot seja um homem ou uma mulher? Quer que seja descolado ou mais formal?

 Tão logo a anatomia do chatbot é decidida, os desenvolvedores precisam introduzir um síntaxe declarativa rica que ajudará a definir as metas do bots, delegando muito do trabalho duro em termos de integração de sistema, gestão de memória e fluxo de conversação ao software.

 Desenvolvedores que dominem essa abordagem e essas capacidades técnicas serão muito demandados no futuro. Graças a eles, a entrega de experiências únicas de atendimento ao consumidor atingirão uma nova dimensão.

 

Este artigo foi traduzido e adaptado do original “Building and training self-learning chatbots: Developers, you can drive the chatbot revolution“, publicado por Faris Sweis no Computer World.