Voláte či píšete do banky nebo pojišťovny a potřebujete vyřešit svůj dotaz či problém? V tu chvíli si to ani neuvědomujeme, ale v okamžiku, kdy operátor zvedne telefon nebo odešleme zprávu, ať už e-mailem, nebo přes chatbot, ocitáme se v náručí umělé inteligence. Firmy, které pro velké společnosti s tisíci klienty vyvíjejí komunikační kanály, jakými jsou třeba právě banky a pojišťovny, budou mít letos perný rok. Ten bude ve znamení vzestupu praktických aplikací generativní umělé inteligence (AI). Dá se očekávat, že si na ní dají všichni pěkně záležet.
Víte, co se odehrává, jakmile vejdete do kontaktu se svojí finanční institucí? Generativní AI na bázi NLP (zpracování přirozeného jazyka) představil na konferenci FIN (R)Evoluce pořádané serverem Měšec.cz specialista Mário Mitas ze společnosti Agnostix, která se zabývá umělou inteligencí a hlasovou syntézou.
Často se nás lidé ptají, zda se mají umělé inteligence bát, nebo ji vítat. My vždycky odpovídáme: Určitě ji vítejte a ilustrujeme to příkladem horolezce. Vezměte si, že byste v 18. století byli horolezec Robin Pražan, který chce zdolat Mount Everest. Tak dny, týdny a měsíce strávíte ve vlacích, než se k Mount Everestu vůbec dostanete,
říká Mário Mitas. Bude vás to stát strašně moc úsilí, hodně peněz, podstoupíte velká rizika, abyste vůbec přišli k úpatí hory, a až tam teprve na ni začnete lézt. Přitom dnes se tam horolezec dostane za pár hodin, do základního tábora se nechá vyvézt vrtulníkem a odtamtud už leze. To je AI dneška. Umožňuje vám dostat se velmi rychle k tomu bodu, od kterého už použijete váš klíčový ‚skill set‘, tedy soubor dovedností, na to, abyste splnili nějaký úkol, který splnit potřebujete,
popisuje.
Jako konkrétní příklad uvádí využití velkých jazykových modelů, které se skrývají pod generativní AI, a tím je sémantické vyhledávání.
Dáte nějakou otázku nebo frázi, systém se pokouší najít dokument nebo informaci na základě přesné textové shody mezi tím, co má v databázi a na co jste se zeptali. Pokud ten ‚search‘ okomentujete pomocí velkého jazykového modelu, což je poměrně jednoduše vykonatelné, tak v desítkách procent urychlíte a zpřesníte vyhledání informací, které to opravdu najde. Můžete se dokonce ptát i neúplné otázky, špatně formulovat dotaz, ten vyhledávací model bude fungovat stále spolehlivě,
říká Mitas.
Každý rozhovor je pod dohledem
Právě na takto uspořádaných informacích se dá postavit chatbot. Zadáte otázku a následně ji můžete zpřesňovat, abyste se dostali ke konkrétní oblasti, která vás zajímá. Nejenže je to rychlé, ale chatbot také dokáže servírovat konkrétní odkazy na konkrétní dokumenty.
Analýza konverzací chatbota
Další oblastí, na kterou se dají použít velké jazykové modely a generativní AI, je monitoring hovorů se zákazníky. V call centrech proběhne velké množství hovorů, z nichž se některé nahrávají a jiné přepisují do textů. Společnost Agnostix získala od jednoho ze svých klientů, nejmenované pojišťovny, obrovské množství anonymizovaných hovorů, které dostala za úkol zpracovat.
Zadaný úkol zněl: Vytáhněte z toho relevantní informace, dostaňte je do CRM systému a pomocí jazykového modelu vyzdvihněte esenci toho hovoru,
popisuje Mitas. Dá se to udělat, funguje to pěkně, jasně a jste schopní nejen udělat souhrn, ale rovnou i generovat úkoly. Co se mi v tomto případě nejvíc líbilo, že jsme dokázali hodnotit i kvalitu těch hovorů. Typicky v call centru máte tzv. call scripty, tedy návody, jak by hovor měl v ideálním případě probíhat. Na co se má operátor zeptat, co má nabídnout, co naopak říkat nemá. My jsme schopni porovnat ten call script se samotným hovorem, na základě kterého vytáhnete potřebnou esenci. Z ní se dá potom získat informace, co by daný operátor na lince měl udělat nebo říct jinak, aby se co nejvíce přiblížil k požadovanému call scriptu.
Takto vypadá výstup z monitorovaného hovoru, který provedla AI. Co udělal operátor dobře a co špatně?
Stejná práce se dá samozřejmě udělat ručně, ale v případě tisíců hovorů by zabrala spoustu času. Umělá inteligence se o to postará efektivně a přesně.
Podobným způsobem se dají monitorovat a posuzovat servisní e-mailové schránky, do kterých chodí e-maily od zákazníků. Lidé potřebují něco vyřešit, reklamovat, zkrátka popsat svůj problém. Pracovník pojišťovny či banky s pomocí AI a jazykového modelu vytvoří abstrakt a prostřednictvím CRM systému získá informaci, co má prověřit, prohlédnout a kde pravděpodobně bude řešení schované.
Jakou měl zákazník náladu? A zlepšili jsme mu ji?
Umělá inteligence dokáže odhalovat i takové nuance, jakou je nálada (sentiment) zákazníků. Tady pomáhá typicky u servisních telefonických rozhovorů, kde podle „tónu“ rozhovoru zjišťuje, jestli byl zákazník spokojený, nebo ne.
Ale ještě víc nás zajímá ani ne tak sentiment, jako spíš jeho gradient,
podotýká Mário Mitas. Na servisní linku většinou volají naštvaní lidé, takže je jasné, že ten sentiment tam v průběhu nebude nic moc. Co nás však zajímá, je to, s jakou náladou ten rozhovor začal a s jakou skončil. To je to klíčové. Pomohli jsme tomu klientovi, anebo jsme ho ještě víc naštvali? To všechno se dá pěkně těmito nástroji odhalovat,
uzavírá.
