Quando os chatbots se tornaram comercialmente acessíveis, grandes e pequenas empresas os abraçaram de braços abertos. “Fazer um robô lidar com perguntas fáceis de atendimento ao cliente em segundos? Incrível!” — nós pensamos.
O problema era que esses primeiros chatbots eram menos C-3PO e mais uma barreira irritante para um ser humano real. De ser perguntado: “Você pode repetir a pergunta” 10 vezes a ser direcionado para uma página de informações completamente não relacionada – os clientes simplesmente não têm mais paciência para lidar com chatbots mal feitos.
De fato, um estudo da Zoom descobriu que mais da metade dos entrevistados mudaria para um concorrente depois de apenas uma ou duas experiências ruins de suporte ao cliente.
Mas os novos avanços na tecnologia de IA poderiam nos dar os chatbots inteligentes, emocionalmente inteligentes e proativos de nossos sonhos de ficção científica? Vamos dar uma olhada em onde os chatbots erram e como a IA pode ajudar.
Saindo do roteiro
Acompanhe nossas palestras em conferências
Assista a vídeos de nossas palestras anteriores gratuitamente com o TNW All Access →
Se você já viajou para um país estrangeiro para testar suas habilidades no idioma, saberá que o que eles ensinam em sala de aula é completamente diferente de como as pessoas realmente falam na prática. “Como vai você?” pode ser substituído por “howzit?” “10 libras” se torna “10 libras”. Só depois de passar um tempo com os locais é que você realmente aprende a falar um idioma.
Os primeiros bots eram muito parecidos com novos aprendizes de idiomas. Seu conhecimento da linguagem humana era limitado a um conjunto pré-carregado de perguntas e respostas. Esqueça as gírias ou nuances, até mesmo dizer “oi” em vez de “olá” pode jogá-los fora. Pergunte a eles algo fora de sua programação e você pode esperar a resposta infame: “Desculpe, não entendo”.
O Processamento de Linguagem Natural (NLP) permite que seus chatbots melhorem suas habilidades de linguagem humana. Em vez de depender de perguntas e respostas predefinidas, os chatbots baseados em NLP dividem a consulta de um cliente em partes e analisam seu contexto e significado.
Isso significa que os clientes podem falar com esses chatbots avançados da mesma forma que falariam com um representante de atendimento ao cliente real e receber respostas incrivelmente não robóticas em troca. O ChatGPT é um bom exemplo de uma ferramenta de IA que aproveita o NLP para entender melhor as consultas dos usuários.
Além disso, quanto mais os chatbots da NLP interagem com os clientes, mais eles aprendem. Isso significa que, com o tempo, eles podem fornecer respostas mais precisas e relevantes com base em interações anteriores.
Comunicação aprimorada
Portanto, os chatbots aprimorados por IA podem digitar a conversa. Mas eles podem falar a língua?
O reconhecimento de voz e a conversão de voz para texto estão realmente colocando o ‘chat’ no chatbot. Volte em menos de cinco anos, e qualquer pessoa com apenas um toque de sotaque lutaria para obter uma resposta de um assistente de voz. Hoje, usando o Natural Language Understanding (NLU), os chatbots modernos podem detectar idiomas e sotaques, responder no mesmo idioma e converter palavras faladas em respostas escritas usando a funcionalidade de fala para texto.
Isso também é útil para agentes de atendimento ao cliente que desejam gerar resumos de suas conversas para fins de manutenção de registros e treinamento.
O componente emocional
O propósito de um chatbot está no nome – conversar. Por definição, eles devem ser conversacionais. Mas conversar não é apenas sobre palavras – é sobre entender emoções e nuances.
Os humanos nem sempre dizem o que querem dizer; linguagem corporal, tom de voz, expressão facial e inflexão podem indicar uma mensagem que não pode ser captada apenas por palavras. O que torna ainda mais difícil para os chatbots entenderem o que na verdade significar.
Por meio de técnicas de aprendizado de máquina, os chatbots modernos podem ser treinados para reconhecer a intenção subjacente por trás das mensagens. Isso é chamado de análise de sentimento, que permite que os modelos de IA detectem se a linguagem humana tem um sentimento positivo, negativo ou neutro por trás dela.
Como somos apenas humanos, tendemos a usar uma linguagem emotiva, mesmo quando nos comunicamos com bots.
As ferramentas de análise de sentimentos podem classificar os dados em uma escala de quão positivos ou negativos são, com base no idioma usado. Por exemplo, mesmo o melhor técnico de PNL pode não ser capaz de entender o sarcasmo, mas a análise de sentimento pode ser usada para detectar quando um cliente pode estar furioso. Essa tecnologia pode ser usada em uma ampla variedade de instâncias, desde auxiliar na análise de risco até detectar e alertar agentes sobre casos de luto.
Isso é útil para equipes de atendimento ao cliente que precisam categorizar e priorizar casos rapidamente ou identificar quais precisam ser redirecionados ou escalados para um representante humano. Esse tipo de roteamento e escalonamento inteligentes pode reduzir as taxas de resposta e economizar o tempo das equipes de atendimento ao cliente tentando combinar os casos com os agentes certos.
Aprendendo e desenhando insights para o futuro
O bom senso é uma característica inerente (que a maioria dos humanos possui), que nos diferencia de nossas máquinas cada vez mais inteligentes. Se fazemos algo várias vezes sem obter o resultado desejado, é a vozinha que nos diz: “Ei, talvez algo não esteja certo aqui.”
Embora ainda não tenhamos conseguido programar o bom senso em nossas máquinas, a análise preditiva pode ajudar os bots a aprender com dados anteriores e fornecer suporte proativo
Se um cliente publicar uma avaliação de produto online e mencionar uma falha no produto, as ferramentas de análise preditiva podem ajudá-lo a rastrear clientes que usam o mesmo produto e que podem enfrentar problemas semelhantes. Aqui está a parte inteligente: você pode usar esses dados para fornecer suporte direcionado aos clientes afetados, emitir uma declaração em massa sobre a falha e influenciar o desenvolvimento de produtos futuros.
A análise preditiva também pode ajudá-lo a garantir um pequeno upsell sorrateiro. Ao analisar os dados de compras anteriores dos clientes, as ferramentas de análise preditiva podem fazer recomendações personalizadas de produtos para clientes individuais.
Escalando o sucesso: como a IA generativa está revolucionando a experiência do cliente (CX)
Se você está pronto para mergulhar mais fundo no mundo da IA para atendimento ao cliente, confira este webinar sob demanda onde os especialistas Tim Banting da Omdia e Iqbal Javaid da Zoom discutem:
- Tendências de adoção e as tecnologias de IA mais populares no momento
- Alguns dos desafios quando se trata de dados, segurança e viés
- Melhores práticas na integração de ferramentas de IA nas equipes de atendimento ao cliente
- A plataforma de experiência do cliente baseada em IA da Zoom
