Établir des relations avec les clients grâce à l'IA conversationnelle

En association avec Force de vente

Nous y avons tous été. Veuillez écouter notre menu complet car nos options ont changé. Dites ou appuyez sur un pour obtenir des informations sur le produit... Parfois, ces expériences de service client automatisées sont efficaces et efficientes, d'autres fois, pas tellement.

De nombreuses organisations utilisent déjà des chatbots et des assistants virtuels pour mieux servir leurs clients. Ces agents intelligents et automatisés en libre-service peuvent gérer les questions fréquemment posées, fournir des articles et des ressources pertinents pour répondre aux demandes des clients et aider les clients à remplir des formulaires et à effectuer d'autres procédures de routine. Dans le cas de demandes plus complexes, ces agents automatisés en libre-service peuvent trier ces demandes vers un agent humain en direct.

En période d'incertitude et d'urgence, les opérations de service client alimentées par l'intelligence artificielle (IA) peuvent être inestimables pour les entreprises, aidant le service client ou les centres d'appels des ressources humaines à faire face aux pics de demande et à réduire les temps d'attente et la frustration des clients. Selon des estimations récentes, Gartner prédit que d'ici 2022 , 70 % des interactions avec les clients impliqueront des technologies émergentes telles que les applications d'apprentissage automatique, les chatbots et la messagerie mobile. Soit une augmentation de 15 % par rapport à 2018.

Dans ces types d'interactions conversationnelles, les chatbots IA peuvent étendre la portée du service client d'une organisation et maintenir un niveau de réciprocité avec leurs clients, explique Greg Bennett, responsable de la conception des conversations chez Salesforce. L'entreprise a également la possibilité d'exprimer sa marque, sa voix et son ton à travers les mots et le langage qu'elle utilise pour créer un plus grand degré d'intimité. Bennett est profondément impliqué dans la formation des systèmes d'IA qui alimentent les chatbots conversationnels et s'assurent qu'ils sont inclusifs et capables de comprendre un large éventail de dialectes, d'accents et d'autres expressions linguistiques.

Non seulement l'utilisation de l'automatisation de l'IA se généralise, mais elle s'avère également être un moteur commercial important. Gartner prévoit qu'en 2021, l'augmentation de l'IA générera 2,6 billions de dollars d'affaires valeur. Cela pourrait également économiser jusqu'à 6,2 milliards d'heures de travail.

Définition de l'intelligence conversationnelle

Selon recherche menée par le cabinet de conseil en management Korn Ferry, l'intelligence conversationnelle est un effort collaboratif. Et cet effort de collaboration est la réciprocité de deux participants pour communiquer de manière à aboutir à un concept partagé de la réalité. Cela comble le fossé entre la réalité individuelle des deux intervenants et aide les entreprises à aider leurs clients.

Dans cet esprit, Salesforce et d'autres entreprises ont poussé ce concept un peu plus loin en cherchant des moyens de combiner l'intelligence conversationnelle avec la technologie. En fait, grâce à ces efforts, l'intelligence conversationnelle alimentée par l'IA s'est considérablement améliorée au fil du temps. Cela a commencé par une simple reconnaissance de texte dans laquelle il est assez facile d'atteindre un degré de précision significatif. Mais la reconnaissance de texte peut être quelque peu bidimensionnelle, c'est pourquoi la recherche a progressé pour inclure la reconnaissance vocale automatisée. Les systèmes de reconnaissance vocale automatisés doivent tenir compte des différentes langues, accents et inflexions acoustiques, ce qui est beaucoup plus difficile et nuancé. Alors que les algorithmes d'IA sont devenus plus sophistiqués et ont eu le temps et l'expérience nécessaires pour intégrer davantage de variations linguistiques, la technologie d'IA a amélioré sa capacité à comprendre avec précision les subtilités plus profondes des interactions conversationnelles humaines.

L'intelligence conversationnelle est la constellation de fonctionnalités et de technologies qui permettent aux humains et aux machines d'échanger à tour de rôle un langage et de travailler à la réalisation d'un objectif discursif, explique Bennett.

Ces systèmes d'IA axés sur la linguistique utilisent un certain nombre de technologies différentes pour comprendre les interactions écrites et orales avec les humains. Certains d'entre eux incluent les éléments suivants :

• La reconnaissance vocale automatisée, qui est utilisée pour comprendre le langage parlé pour les systèmes vocaux ;
• Le traitement du langage naturel, qui aide les ordinateurs à comprendre, interpréter et analyser le langage parlé et écrit ; et
• Compréhension du langage naturel, qui permet à l'IA de comprendre l'intention.

Bien au-delà de la simple reconnaissance de texte, c'est dans la compréhension du langage naturel que l'IA met véritablement ses forces à profit. En facilitant une conversation plus profonde et plus nuancée, il augmente l'efficacité des interactions homme-IA. Lorsqu'un système de service client alimenté par l'IA est mieux équipé pour reconnaître et discerner le langage naturel avec moins d'erreurs, il peut guider un client tout au long d'une interaction sans avoir à engager un agent de service humain. Cela permet aux agents de se concentrer sur des cas plus complexes.

Et l'utilisation de ces fonctionnalités dans les environnements de service client peut aider les entreprises non seulement à accélérer et à améliorer les interactions avec leurs clients, mais également à améliorer la relation client globale. Si nous pouvons avoir une machine qui aide à faciliter ce type d'interaction entre une entreprise et un client, alors cela aide à construire davantage une relation avec ce client d'une manière qu'un article d'aide ne ferait pas, dit Bennett.

Et plus un système d'IA interagit avec les humains, plus ses algorithmes deviennent efficaces. En interagissant avec les humains, un système d'IA peut recueillir les données nécessaires pour améliorer la compréhension du langage naturel afin de mieux comprendre l'intention, contribuant ainsi à faciliter des conversations homme-ordinateur plus nuancées. L'interaction humaine aide également ces systèmes d'IA à améliorer les capacités de reconnaissance et de prédiction pour fournir un contenu plus personnalisé. En apprenant les nombreuses façons dont les gens se comportent et interagissent, la réponse du système devient plus précise.

Les algorithmes d'IA absorbent, traitent et analysent les ensembles de données introduits dans le système en utilisant leurs propres équations spécifiques. Ce traitement est effectué dans l'une des deux modalités de base : supervisé ou non supervisé. Dans l'amélioration supervisée, les ensembles de données auront une valeur ou une catégorie cible assignée. Dans une amélioration non supervisée, l'algorithme analyse l'ensemble de données par lui-même, sans conseils ni restrictions.

Au fur et à mesure qu'ils reçoivent et traitent davantage de données, les algorithmes évoluent, s'adaptent et améliorent leurs modèles analytiques. Ainsi, les algorithmes s'améliorent et s'affinent en fonction à la fois de la qualité et de la quantité de données traitées. Selon Bennett, il existe des notions selon lesquelles l'IA peut glaner une intention, une portée et un contexte distincts en interagissant avec les humains. Ces améliorations progressives de la capacité prédictive et de la profondeur de compréhension augmentent l'efficacité de l'engagement client.

Apprécier les défis linguistiques

Bien que le traitement du langage naturel ait parcouru un long chemin, la technologie de reconnaissance vocale automatisée continue de rencontrer des difficultés pour reconnaître l'éventail complet des variations linguistiques. Il y a tous ces différents accents anglais, tous sont robustes et valides et devraient être célébrés, dit Bennett. D'autres variations linguistiques qui défient l'IA incluent différents argots ou expressions familières pour transmettre des significations similaires et d'autres caractéristiques paralinguistiques comme le ton, l'intonation, le rythme, la pause et la hauteur.

Il est primordial d'aider l'IA à gérer les niveaux inhérents de biais présents dans le système et à s'étendre pour reconnaître toute la gamme des variations linguistiques. Ces améliorations progressives de la capacité prédictive des algorithmes d'IA contribuent à améliorer l'expérience client en réduisant le nombre d'échanges de va-et-vient et les moments de frustration provoqués par un manque de reconnaissance précise.

Mais ces efforts et avancées présentent certaines énigmes éthiques. Considérez, par exemple, comment les minorités sont représentées dans les ensembles de données de formation ou, plus précisément, comment elles ne sont pas représentées. Les ensembles de données les plus largement utilisés excluent les expressions plus diverses du dialecte et de l'identité sociale. Assurer une représentation diversifiée au sein des équipes développant des technologies d'IA est une étape essentielle vers le développement et l'évolution des algorithmes d'IA pour reconnaître un plus large éventail d'expressions linguistiques.

Maintenant que l'IA est capable de permettre un plus grand degré de variation, elle devrait pouvoir tenir compte d'une pertinence contextuelle plus large et être plus inclusive. Bien que la conversation et la langue soient le conduit, il incombe aux humains travaillant avec des systèmes d'IA de continuer à considérer l'accessibilité à travers les dialectes, les accents et autres variations stylistiques.

Les minorités sous-représentées ont très peu de représentation de leur dialecte et de l'expression de leur identité sociale à travers la langue dans ces systèmes. C'est principalement à cause de leur manque de représentation parmi les équipes qui créent la technologie, explique Bennett. S'assurer que les entreprises qui développent et déploient des systèmes d'IA intègrent des équipes plus diversifiées peut aider à résoudre ce biais inhérent.

Les systèmes d'IA ont la capacité de permettre un plus grand degré de variation. Lorsque les systèmes pourront interpréter avec précision ces variations et générer une réponse contextuelle pertinente, l'IA aura évolué à un degré plus élevé que jamais. C'est vraiment là que je pense que l'évolution [du terrain] nous a menés, dit Bennett.

Bien sûr, cela ne veut pas dire qu'il n'y a pas d'autres préoccupations éthiques et pratiques entourant l'utilisation élargie de l'IA. Les préoccupations en matière de confidentialité, de responsabilité, de transparence et de délégation précise et appropriée des processus décisionnels sont toujours d'actualité. Et puis il y a l'utilisation éthique des enregistrements vocaux. C'est un domaine en pleine expansion dans lequel des paramètres importants doivent encore être définis.

Forger une connexion homme-IA plus profonde

Aborder l'éventail complet des variations linguistiques et inclure des groupes plus diversifiés et des minorités historiquement sous-représentées dans le processus construit véritablement l'avenir de la connexion homme-IA. Cela conduira également à des cas d'utilisation plus répandus pour les entreprises. En fait, le plus grand différenciateur concurrentiel dans l'avenir de la technologie conversationnelle sera la capacité de fournir une compréhension conversationnelle robuste indépendamment de la langue, de l'accent, de l'argot, du dialecte ou d'autres aspects de l'identité sociale.

Bennett se souvient d'une leçon d'un professeur d'université : ' Avoir une conversation, c'est comme grimper à un arbre qui remonte.' la conversation comme pratique comportementale. La conversation n'est pas un acte solitaire. C'est une rue à double sens. La vraie conversation est l'acte - certains pourraient même dire l'art - de parler et d'écouter à tour de rôle, d'échanger des idées, d'échanger des sentiments et d'échanger des informations.

En linguistique, les caractéristiques paralinguistiques de la parole comme l'inflexion, l'intonation, le rythme, la pause et la hauteur fournissent la couche pragmatique de sens à une conversation, dit Bennett. Au lieu de nous concentrer sur la façon dont les utilisateurs peuvent aider les systèmes d'IA, nous devrions nous demander comment nous pouvons faire évoluer le système pour rencontrer les utilisateurs là où ils se trouvent. Compte tenu de ce que nous savons de la linguistique, je ne pense pas que vous puissiez forcer un changement de langue, dit-il. La technologie d'IA conversationnelle est configurée d'une manière qui pourrait réussir si nous adoptions cette approche au niveau pragmatique - le côté paralinguistique des choses.

La capacité de comprendre, de comprendre pleinement et de s'adapter à ce niveau de diversité linguistique est la direction que prend l'IA, déclare Bennett. Les startups dans l'espace de l'IA conversationnelle indexent cela comme un facteur de différenciation. Et quand vous y réfléchissez, si vous incluez des groupes plus diversifiés et des minorités historiquement sous-représentées dans le processus, cela élargit en fait votre marché adressable total.

Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n'a pas été écrit par la rédaction de MIT Technology Review.

cacher