AIの新しい進歩によって、「人間の感覚」を持たないチャットボットにもたらされている不足を補うことができるのでしょうか?

AIの新しい進歩によって、チャットボットの不足を補うことができるか?

チャットボットが最初に商業的に利用可能になったとき、大手企業から中小企業までが歓迎しました。「簡単な顧客サービスの質問をロボットに数秒で処理してもらえる?素晴らしい!」と思いました。

しかし、問題は、これらの初期のチャットボットはC-3POよりも実際の人間との邪魔なバリアでした。同じ質問を10回も繰り返されたり、関係ない情報ページに誘導されたりすることから、お客様はもはや手抜きなチャットボットに耐える忍耐力を持っていません。

実際、Zoomの調査によると、半数以上の回答者がたった1、2回の悪い顧客サポート体験の後、競合他社に乗り換えるという結果が出ています。

しかし、AI技術の新たな進歩が、私たちのSFの夢のようなスマートで感情的に知能があるプロアクティブなチャットボットを提供してくれるのでしょうか?チャットボットが間違える理由とAIがどのように役立つかを見てみましょう。

台本から外れる

もしもあなたが言語スキルを試すために外国へ旅行したことがあるなら、授業で教わることと実際の人々が話すことは全く異なることを知っているでしょう。「調子はどう?」は「元気?」と置き換えられ、「10ポンド」は「10クイド」となります。現地の人々と時間を過ごすまで、本当に言語を話す方法を学ぶことはありません。

初期のボットは新しい言語学習者のようでした。彼らの人間の言語の知識は、事前に設定された質問と回答のセットに限定されていました。スラングやニュアンスについては忘れてください。「こんにちは」と「hello」の代わりに「hi」と言っても彼らを混乱させることがありました。彼らのプログラミングの範囲外のことを尋ねると、「申し訳ありませんが、理解できません」という悪名高い返答を期待できます。

自然言語処理(NLP)により、チャットボットは人間の言語スキルを向上させることができます。事前に設定された質問と回答に頼らず、NLPベースのチャットボットは顧客の問い合わせを部分に分解し、文脈と意味を分析します。

これにより、顧客は実際の顧客サービス担当者と同じように、高度なチャットボットと話すことができ、非ロボット的な回答を受け取ることができます。ChatGPTは、NLPを利用してユーザーのクエリをより良く理解するAIツールの良い例です。

さらに、NLPチャットボットが顧客と対話する回数が多いほど、彼らは学習します。これにより、過去の対話に基づいてより正確かつ関連性のある回答を提供することができるようになります。

コミュニケーションの向上

AIによって強化されたチャットボットは、話を打つことができます。しかし、言語を話すことはできるのでしょうか?

音声認識と音声テキスト変換は、本当に「チャット」ボットにしています。わずか5年前に遡れば、わずかなアクセントがあるだけで、声のアシスタントからの返答を得るのは困難でした。今日、自然言語理解(NLU)を使用することで、現代のチャットボットは言語とアクセントを検出し、同じ言語で応答し、音声をテキストに変換する機能を備えています。

これは、記録やトレーニング目的で会話の要約を生成したい顧客サービス担当者にも便利です。

感情の要素

チャットボットの目的は、その名前の通り「チャット」することです。定義上、彼らは会話的であるべきです。しかし、チャットは単語だけでなく、感情やニュアンスを理解することでもあります。

人間は常に言いたいことを言わないものです。ボディランゲージや声のトーン、表情、抑揚はすべて、単語だけでは捉えられないメッセージを示すことができます。これが、チャットボットが私たちが本当に言いたいことを理解するのをますます困難にしています。

機械学習技術を通じて、現代のチャットボットはメッセージの裏にある意図を認識するようにトレーニングすることができます。これを感情分析と呼び、AIモデルが人間の言語にポジティブ、ネガティブ、またはニュートラルな感情があるかどうかを検出することができます。

私たちは人間であるため、ボットとコミュニケーションを取る場合でも感情的な言葉を使う傾向があります。

感情分析ツールは、使用された言語に基づいてデータをポジティブまたはネガティブなスケールで評価することができます。たとえば、最高のNLP技術でも皮肉を理解することができないかもしれませんが、感情分析はお客様が怒っている可能性がある場合に検出するために使用されます。この技術は、リスク分析の支援から喪失ケースの検出とエージェントへの通知まで、さまざまな場面で使用することができます。

これは、迅速にケースを分類し優先順位付けする必要がある顧客サービスチームにとって便利です。また、どのケースを再ルーティングまたは人間の代表者にエスカレーションする必要があるかを特定するのにも時間を節約することができます。

将来の学習と洞察の獲得

常識は、私たちをますますスマートな機械から区別する、ほとんどの人間が持っている固有の特徴です。望ましい結果を得ることなく何度も何かを行う場合、それは私たちに「ねえ、ここに何かが少し違うかもしれない」と伝える小さな声です。

私たちはまだ機械に常識をプログラムすることができていませんが、予測分析はボットが過去のデータから学び、積極的なサポートを提供するのに役立ちます。

顧客がオンラインで製品レビューを公開し、製品の欠陥に言及した場合、予測分析ツールを使用して同じ製品を使用している顧客を追跡し、同様の問題に直面する可能性のある顧客を特定することができます。ここが賢いところです:そのデータを使用して、影響を受ける顧客に対してターゲットされたサポートを提供し、欠陥に関する大量の声明を発行し、将来の製品開発に影響を与えることができます。

予測分析は、こっそりとしたアップセルを確保するのにも役立ちます。顧客の過去のショッピングデータを分析することで、予測分析ツールは個々の顧客に対してパーソナライズされた製品の推奨を行うことができます。

成功のスケーリング:生成型AIが顧客体験(CX)を革新する方法

もし顧客サービスのAIの世界にもっと深く潜りたいのであれば、このオンデマンドのウェビナーをチェックしてみてください。そこでは、OmdiaのTim Banting氏とZoomのIqbal Javaid氏が以下のことについて議論しています:

  • 現在の採用トレンドと最も人気のあるAI技術
  • データ、セキュリティ、バイアスに関連するいくつかの課題
  • AIツールを顧客サービスチームに統合するためのベストプラクティス
  • ZoomのAIベースの顧客体験プラットフォーム