? Разговорные чат-боты с искусственным интеллектом способны обучаться. Но для этого требуются огромные объемы специально подготовленных данных, собрать которые по силам далеко не каждому банку.

Разговорные чат-боты с искусственным интеллектом способны обучаться. Но для этого требуются огромные объемы специально подготовленных данных, собрать которые по силам далеко не каждому банку. Поэтому из-за недостаточности обучения такие чат-боты могут вести себя непредсказуемо, неправильно отвечать на вопросы, неверно оценивать намерения клиента и т.п. Но поскольку от бота все же требуется, в первую очередь, правильность реакции на запросы пользователя, а не попытка поддержать диалог или завуалировать присутствие робота на другом конце связи, золотая середина видится в разговорных чат-ботах, основанных на языковой модели и правилах. Такие боты в силу своих возможностей «разговаривают» с собеседником, задавая наводящие вопросы, выясняют тематику беседы. А определившись с темой, переходят к выполнению предопределенных правил, которые, в свою очередь, уже приводят к однозначному исполнению конкретного запроса пользователя. Исходя из всего вышесказанного, очевидно, что оптимальный вариант бота — это «гибрид» всего лучшего, что представлено в ботах всех типов. Поэтому стали появляться и «гибридные» чат-боты, в которых, например, часть функций вынесена на кнопки, но при этом они параллельно ведут диалог с собеседником и исполняют текстовые «команды». Вот такой чат-бот и был разработан компанией R-style и получил имя RS-Bot.? В целом RS-Bot относится к типу «Разговорный на основе языковой модели и правил», но с возможностью создания кнопок в веб-виджетах и в тех мессенджерах, которые их поддерживают (Telegram, Viber).

Для поддержки диалога с собеседником RS-Bot-у необходима связь с внешней системой (АБС, ДБО, CRM), откуда он будет черпать информацию для своих ответов или где будет производить запрошенные клиентом действия.

Также RS-Bot может распознавать эмоциональную окраску реплик собеседника. Для этого используется рекуррентная нейронная сеть. Информация о настроении клиента может стать поводом, например, для экстренной передачи беседы оператору-консультанту, если бот «почувствовал», что клиент раздражен или недоволен. Классификатор на основе глубинного обучения определяет состояние клиента по его фразам, различая позитивно окрашенные, негативно окрашенные и нейтральные.

Источник: bankir.ru

Комментарии: