Conversational AI: cos’è e come funziona l’intelligenza artificiale conversazionale

L'intelligenza artificiale conversazionale si riferisce a quelle tecnologie, come chatbot e agenti virtuali, con cui gli utenti possono interagire.  La conversational AI impiega grandi volumi di dati, l'apprendimento automatico e l'elaborazione del linguaggio naturale per imitare le interazioni umane e riconoscere input vocali e di testo. La conversational AI si basa dunque su componenti che le consentono di elaborare, comprendere e generare risposte in modo naturale. 

Conversational AI: comunicazione automatizzata e intenzioni degli utenti 

L'intelligenza artificiale conversazionale può quindi essere considerata come una sorta di potenza cerebrale sintetica, che rende le macchine in grado di comprendere, elaborare e rispondere al linguaggio umano.  

Si può pensare alla conversational AI come ad un "cervello" che alimenta un chatboat o un agente virtuale in grado di comprendere le intenzioni di un utente, decifrarne il linguaggio e il contesto, per poi rispondere in modo "umano". 

Algoritmi, funzionalità, dati ed elementi basilari del machine learning, si migliorano continuamente con l'esperienza. Man mano che l'input si perfeziona, anche la piattaforma di intelligenza artificiale migliora. 

Come funziona la conversational AI 

Un antico proverbio recita: "Per aiutare qualcuno, devi prima capire di cosa ha bisogno". La conversational AI traduce il linguaggio umano in modo che la macchina possa comprenderlo e lo abilita a rispondere in un modo simile a quello umano. Ci sono diversi "passaggi" dietro le quinte per fare in modo che questo processo avvenga. 

Il primo step prevede l'elaborazione del linguaggio naturale. L'NLP ha il compito di correggere l'ortografia, identificare i sinonimi, interpretare la grammatica, riconoscere il sentiment e scomporre una richiesta in parole e frasi che rendano più facile la comprensione per l'agente virtuale. Successivamente subentrano una serie di modelli di machine learning, come i cosiddetti "natural language understanding" (NLU), che consentono all'intelligenza artificiale conversazionale di identificare l'intento corretto di una richiesta e di estrarre le informazioni più importanti.  

Una volta che la richiesta è stata compresa correttamente, bisogna formulare una risposta all'utente. L'agente virtuale deve essere in grado di comunicare in modo personalizzato e la conversational AI, combinando le informazioni raccolte utilizzando l'NLU, può rispondere in modo appropriato e in una maniera più simile all'interazione con un essere umano che con una macchina. Nel corso del tempo, man mano che l'agente virtuale risponde a più domande e man mano che i formatori AI aiutano a migliorare le sue conoscenze, l'IA conversazionale diventa più intelligente, apprendendo nuove variazioni per ogni intento e migliorando le sue risposte. 

Conversational AI ed elaborazione del linguaggio: gli assistenti virtuali si avvicinano agli umani 

L'elaborazione del linguaggio naturale prevede quattro fasi: generazione di input, analisi di input, generazione di output, apprendimento per rinforzo. In sostanza una serie di dati non strutturati viene trasformata in un formato leggibile, il quale viene poi analizzato per generare una risposta appropriata da parte del sistema di intelligenza artificiale. Gli algoritmi sottostanti migliorano la qualità delle risposte nel corso del tempo: più interagiscono con un utente e più imparano dall'esperienza. 

• Generazione di input. Gli utenti forniscono input, in maniera vocale o testuale. 
• Analisi degli input. Se l'input è testuale, allora l'intelligenza artificiale conversazionale utilizzerà la comprensione del linguaggio naturale per decifrare il significato dell'input e ricavarne l'intenzione. Se invece è vocale, allora sfrutterà una combinazione di riconoscimento vocale automatico e della comprensione del linguaggio naturale in modo da analizzare i dati. 
• Gestione del dialogo. Durante questa fase, è il natural language generation a formulare una risposta. 
• Apprendimento per rinforzo. Gli algoritmi di apprendimento automatico perfezionano le risposte nel corso del tempo, migliorandone l'accuratezza e garantendo uno standard sempre più elevato. 

Come impostare un’intelligenza artificiale conversazionale 

L'intelligenza artificiale conversazionale inizia nel momento in cui si pensa a come dei potenziali utenti potrebbero voler interagire con un determinato prodotto e alle domande principali che potrebbero fare. Gli strumenti di conversational AI potrebbero dunque essere impiegati per indirizzare i clienti verso le informazioni pertinenti. Si possono seguire dunque delle procedure precise per impostare un'intelligenza artificiale conversazionale: 

• Definire l'elenco delle domande frequenti per gli utenti finali. Questo procedimento aiuta a stabilire le principali esigenze degli users. 
• Bisognerà insegnare allo strumento AI i modi in cui un utente può formulare o chiedere un determinato tipo di informazioni. 

• Utilizzare gli obiettivi per comprendere e costruire nomi e parole chiave pertinenti, pensando ad esempio a quello che può determinare gli intenti degli utenti. 
• Creare un dialogo significativo con l'utente. Gli intenti consentono ad una macchina di decifrare ciò che l'utente sta chiedendo, in modo da fornire risposte pertinenti. 

Quali sono i vantaggi della conversational AI? 

L'intelligenza artificiale conversazionale permette di efficientare la gestione delle richieste di assistenza di primo livello. In questo modo, le risorse umane possono dedicarsi ad attività di assistenza più complesse e a valore. Il numero di richieste risolte aumenta e il flusso di contatti è gestito al meglio. I tempi di attesa risultano più brevi e la messaggistica diretta garantisce interazioni più veloci e semplici. 

La conversational AI è una soluzione conveniente per molti processi aziendali e favorisce un risparmio in termini di tempo e risorse. Fornire assistenza ai clienti tramite interfacce conversazionali può ridurre i costi aziendali. I chatbot e gli assistenti virtuali possono rispondere istantaneamente, fornendo disponibilità 24 ore su 24 ai potenziali clienti. Le aziende possono programmare l'AI conversazionale per gestire vari casi d'uso, riuscendo a garantire completezza e coerenza, oltre a consentire alle risorse umane di essere disponibili per query più complesse.  

I clienti possono interagire più rapidamente e frequentemente con i brand, l'intelligenza artificiale conversazionale permette di evitare lunghi tempi di attesa al call center e di migliorare l'esperienza complessiva del cliente: se la soddisfazione dell'utente cresce, le aziende usufruiranno di una maggiore fedeltà e conversione all’acquisto. L'intelligenza artificiale conversazionale inoltre è molto scalabile e consente una gestione flessibile e snella di grandi volumi di interazioni. 

XCALLY e conversational AI: come perfezionare la customer experience 

XCALLY permette di creare un voice bot grazie al quale gestire una telefonata. Si può impiegare Google per la comprensione del linguaggio umano (Natural Language Understanding, NLU), la conversione di vocale in testo (speech to text) e di testo in vocale (text to speech). Nella pratica, un utente chiama il customer care di un brand, parla con un robot e il sistema risponde in maniera testuale, convertendo il messaggio in vocale e fornendo tutto il supporto necessario al cliente. 

XCALLY perfeziona l'esperienza più classica, riuscendo a cogliere il silenzio e rilevando il momento in cui l'utente smette di parlare. Nel sistema è infatti stato implementato un server UniMRCP, grazie al quale si genera una comunicazione tra XCALLY e Google Speech Recognition: il voice bot interviene istantaneamente quando l’utente smette di parlare, senza dover aspettare o senza essere interrotti. 

Se il voice bot risponde in tempo reale, l'esperienza dell'utente sarà di maggior livello e la fluidità dell'interazione migliorerà il flusso IVR del contact center e la soddisfazione del cliente. Inoltre la conversational AI permetterà di gestire le telefonate fuori dall'orario di lavoro, risolvere i problemi dei clienti, prenotare automaticamente un incontro o appuntamento. I risultati vengono monitorati costantemente, ottimizzando le prestazioni dei bot giorno dopo giorno e perfezionando costantemente l'interazione con i clienti. 

IA conversazionale: un case study. Come migliorare la gestione dei lead con XCALLY e Dialogflow 

La società spagnola Colabora ha scelto il partner XCALLY Inicia Soluciones con l'intento di migliorare la gestione dei lead e aumentare la conversione del funnel di vendita per quanto riguarda sistemi di sorveglianza e allarme. Si è così creato un voice bot IVA (Intelligent Virtual Assistant) utilizzando Cally Square IVR Designer - perfettamente integrato con Google Dialogflow, TTS e ASR - combinato con le campagne di dialing. 

XCALLY Dialer chiama così i potenziali clienti e XCALLY Conversational AI IVR fornisce un'introduzione sull'offerta del prodotto e chiede al potenziale cliente se è interessato a ricevere maggiori informazioni. In base alla risposta, il voice bot esegue tre operazioni differenti: inoltra la chiamata a un agente (nel caso in cui si manifesti un interesse); il numero viene salvato in una lista di callback (in caso di richiesta di contatto a seguire); se invece il cliente non è interessato, il bot chiede la motivazione e memorizza le informazioni a scopo di analisi. 

Grazie all’implementazione di un sistema di Conversational AI si è registrato quasi l'80% di miglioramento delle prestazioni degli agenti del servizio clienti, grazie al prefiltraggio dei contatti gestiti dal bot, e quasi il 30% di miglioramento nel coinvolgimento iniziale con lead sconosciuti.