Ali klepetalniki rešujejo prave težave uporabnikov?

Začetki umetne inteligence segajo v leto 1960. Čeprav se na prvi pogled zdi, da se v tem času ni veliko spremenilo, je tehnologija v resnici napredovala do točke, ko jo lahko približamo tudi običajnim uporabnikom. Leta 2016 je takratni Facebook, danes znan kot Meta, napovedal množično uporabo klepetalnikov, kmalu zatem pa mu je sledil tudi Google. Kljub temu do danes ni prišlo do bistvenega izboljšanja. Njihova uporaba je še vedno precej podobna tisti izpred dvajsetih let – večinoma vnesemo nekaj besedila in prejmemo pravilen ali nepravilen odgovor.

Danes so vseprisotni in hitro postajajo nepogrešljiv del naše digitalne interakcije. Čeprav izraz klepetalnik pogosto povezujemo s preprostimi UI-asistenti ali chatboti, pa v resnici zajema širok spekter tehnologij, ki temeljijo na umetni inteligenci.

Večina današnjih klepetalnikov ostaja relativno osnovnih. Zasnovani so tako, da lahko natančno odgovarjajo le na preproste in vnaprej pripravljene ukaze. Zaradi te omejitve je njihova uvedba v poslovna okolja pogosto tvegana, a potencialno zelo koristna poteza. Na eni strani lahko prinesejo občutne prihranke stroškov za podjetja, še posebej na področju podpore strankam. Po drugi strani pa njihova uspešna integracija zahteva obsežne priprave, dostop do velikih količin podatkov in robustno infrastrukturo.

Kljub vse večji prisotnosti se še vedno soočajo s številnimi izzivi, med drugim tudi s tem, da ne razumejo vedno resničnih potreb uporabnikov. Tudi najbolj napredni klepetalniki imajo pomembne omejitve – predvsem to, da ne uspejo rešiti večine poizvedb strank. Najpogosteje lahko odgovarjajo le na enostavna vprašanja, preden je potrebno posredovanje človeškega agenta. Čeprav se umetna inteligenca nenehno izboljšuje, se številne platforme za klepetalnike še vedno ne uspejo učinkovito integrirati s starejšimi sistemi, kar lahko vodi v slabo uporabniško izkušnjo.

Klepetalniki se soočajo z zelo zahtevno tehnično nalogo – kako zgraditi stroj, ki lahko zanesljivo posnema človeško interakcijo in inteligenco. Pravzaprav gre za posodobljeno različico Turingovega testa, ki preverja, ali lahko računalnik ali stroj izkazuje človeške lastnosti in inteligenco. S stalnim napredkom pri razvoju klepetalnikov, ki se vse bolj približujejo uspešnemu prestajanju tega testa, razvijalci ustvarjajo boljšo uporabniško izkušnjo in zagotavljajo dodano vrednost za različna podjetja.

V našem okolju trenutno prevladuje trend enostavnih asistentov oziroma klepetalnikov, ki se ne osredotočajo na reševanje novih problemov, temveč poskušajo že obstoječe težave nasloviti na drugačen način. V večini primerov so te rešitve z vidika uporabnika slabše, prav tako pa tudi v kakovosti rezultatov, ki jih ponujajo. Razloga za to sta predvsem dva: slaba kakovost podatkov, ki jih naročniki lahko zagotovijo, in nerealna pričakovanja glede tega, kaj ti klepetalniki sploh lahko rešujejo.

Podobno kot pri prejšnjem trendu »big data«, kjer so naročniki pričakovali čudeže, ki jih bo prinesla tehnologija, a so kmalu ugotovili, da brez dobrih podatkov to ni mogoče, je tudi v tem primeru. Z umetno inteligenco je namreč nemogoče razviti dobro rešitev brez ogromne količine pravilno pripravljenih podatkov.

Ko je podatkov premalo in niso dovolj kakovostni, se to pogosto poskuša nadomestiti s »kreativno« uporabniško izkušnjo. Rezultat je prisiljen uporabniški vmesnik, ki uporabniku ponuja uporabo na njemu nenaraven način. Takšni so primeri UI-vinskih in kuharskih asistentov. Poleg omejene količine podatkov, ki že sama po sebi vpliva na kakovost rezultatov, je drugi problem uporabniški vmesnik, ki uporabniku ponuja vnaprej določen način uporabe skozi predhodno definirane korake. Kakšna je potem dodana vrednost takšnega asistenta, če lahko do boljšega rezultata pridemo s klasičnim iskalnikom? Ali je za to kriva želja naročnikov po nečem novem, tudi če ni primernega izziva ali potrebnih »sestavin«? Ali pa so krive agencije, ki prodajajo UI-rešitve zgolj zato, ker je to trend, ne pa rešitev, ki izhaja iz realnega problema ali potrebe?

Najpomembneje je imeti jasne cilje, kaj rešujemo. Torej, kako in na kakšen način bomo s svojo rešitvijo pomagali uporabniku. Zato menim, da je trenutno najprimernejša uporaba UI-ja v podpori strankam. Ko ima naročnik izdelek ali storitev, je nabor vprašanj in potencialnih napak običajno enak. To je odličen primer uporabe klepetalnika ali UI-asistenta, s katerim je mogoče učinkovito rešiti problem uporabnika. To je lahko zasedenost klicnih centrov ali pa omejen delovni čas, ko so ljudje na voljo. V teh primerih uporabnik tudi ne pričakuje odgovorov na vprašanja, ki niso povezana z izdelkom, zato omejenost informacij ni slabost. V teh primerih je zgodovina podatkov dostopna ali pa obstaja – če ne drugače, je lahko vir informacij navodilo za uporabo. Če temu dodamo zgodovino klicev v klicni center, dobimo popolno bazo podatkov, ki jo lahko uporabimo.

Verjamem, da bo uporaba klepetalnikov še naprej naraščala, saj podjetjem omogočajo izboljšanje angažiranosti strank in poenostavitev poslovanja. V panogah, kot so finance, nepremičnine, potovanja in izobraževanje, lahko klepetalniki ponudijo prilagojene izkušnje in podporo 24/7, zaradi česar so dragoceni pri izboljšanju zadovoljstva strank in operativne učinkovitosti. Vendar pa bo njihov uspeh odvisen od tega, kako dobro bodo integrirani v obstoječe sisteme in kako učinkovito bodo lahko zadovoljili potrebe strank, ne da bi pri tem izgubili človeški pridih.

*Klepetalnik je izraz, ki ga uporabljam za opis umetne inteligence, v obliki UI-asistentov oziroma chatbotov.

KoluMMna je bila izvorno objavljena v tiskani reviji Marketing magazin, september 2024, #519. Revijo lahko naročite na info@marketingmagazin.si.