ChatGPT و پیامدهای آن برای تجربه مشتری

OpenAI بتای ChatGPT را در اواخر نوامبر 2022 افتتاح کرد، در اقدامی که قدرتمندترین مدل هوش مصنوعی پردازش زبان طبیعی (NLP) تا به امروز را تولید کرد. این به سرعت ویروسی شد و در پنج روز اول یک میلیون کاربر را جذب کرد.

آیا مدل هایی مانند ChatGPT به طور کامل جایگزین چت بات ها خواهند شد؟

فرض اساسی این سوال این است که آیا مدل‌های زبان بزرگ (LLM) مانند ChatGPT شهرت ربات‌های گفتگو را از نامرتب، غیرشخصی و معیوب به الگوریتم‌هایی چنان دقیق تبدیل می‌کنند که (الف) دیگر نیازی به تعامل انسانی نیست، و (ب) روش‌های سنتی ساخت ربات های چت اکنون کاملا منسوخ شده است. ما این مکان‌ها را بررسی می‌کنیم و دیدگاه خود را در مورد اینکه ChatGPT چگونه بر فضای CX تأثیر می‌گذارد، ارائه می‌کنیم.

به طور کلی، ما بین چت ربات های معمولی و چت ربات هایی مانند ChatGPT که بر روی LLM های مولد ساخته شده اند، تفاوت قائل می شویم.

چت ربات های معمولی

این دسته شامل اکثر ربات‌های چت است که در طبیعت با آن‌ها مواجه می‌شوید، از چت‌ربات‌هایی برای بررسی وضعیت تحویل DPD شما تا چت‌ربات‌های خدمات مشتری برای بانک‌های چند ملیتی. ساخته شده بر روی فناوری هایی مانند DialogFlow، IBM Watson یا Rasa، آنها به مجموعه خاصی از موضوعات محدود می شوند و قادر به پاسخگویی به ورودی های خارج از آن موضوعات نیستند (یعنی دامنه بسته هستند). آن‌ها فقط می‌توانند پاسخ‌هایی تولید کنند که از قبل نوشته شده یا از قبل توسط یک انسان تأیید شده باشد (یعنی غیر مولد هستند).

چت ربات های مبتنی بر LLM

اینها می توانند به طیف وسیعی از موضوعات پاسخ دهند (یعنی دامنه باز هستند) و به جای انتخاب از یک لیست از پیش نوشته شده پاسخ ها (یعنی مولد هستند) پاسخ هایی را در لحظه ایجاد کنند. آنها عبارتند از Google Meena، Replika.ai، BlenderBot، ChatGPT و دیگران.

چت ربات های مبتنی بر LLM و چت ربات های معمولی اهداف متفاوتی را انجام می دهند. در واقع، برای بسیاری از برنامه‌های کاربردی CX، ماهیت باز LLM هنگام ساخت یک ربات چت که می‌تواند به طور خاص به سؤالات مربوط به محصول شما پاسخ دهد یا به کاربر در مشکلی که با آن مواجه است کمک کند، کمک کمتری می‌کند و مانع بیشتری می‌شود.

در واقع، LLM ها فردا به دامنه CX رها نمی شوند. روند بسیار ظریف تر خواهد بود. نام بازی تلفیق بیان و روان ChatGPT با کنترل دقیق و مرزهای چت بات های معمولی خواهد بود. این چیزی است که تیم‌های چت بات با تمرکز تحقیقاتی برای آن مناسب‌تر خواهند بود.

امروز در هنگام ایجاد ربات های چت، کجا می توانید از ChatGPT استفاده کنید؟

جنبه های زیادی از ایجاد و نگهداری ربات چت وجود دارد که ChatGPT در وضعیت فعلی مناسب نیست، اما در اینجا برخی از آنها وجود دارد که قبلاً برای آنها مناسب است:

• طوفان فکری پرسش ها و پاسخ های بالقوه برای یک دامنه بسته معین، یا بر اساس داده‌های آموزشی آن، یا بر اساس اطلاعات خاص‌تر تنظیم شده است – یا با OpenAI که توانایی تنظیم دقیق را در زمانی که ChatGPT توسط API در دسترس قرار می‌گیرد، آزاد می‌کند، یا از طریق گنجاندن اطلاعات مورد نظر از طریق مهندسی سریع. (توضیح: هنوز با قطعیت دانستن اینکه یک قطعه اطلاعات از کجا آمده است دشوار است، بنابراین این روند توسعه به یک انسان در حلقه برای تأیید خروجی نیاز دارد.)

• آموزش چت بات خود: ChatGPT را می توان برای بازنویسی سوالاتی که کاربر ممکن است بپرسد، به ویژه در سبک های مختلف، و حتی ایجاد مکالمات نمونه استفاده کرد، در نتیجه بخش های بزرگی از آموزش را خودکار می کند.
• تست و QA. استفاده از ChatGPT برای آزمایش یک ربات چت موجود با شبیه سازی ورودی های کاربر، بسیار نویدبخش است، به خصوص زمانی که با آزمایشگرهای انسانی ترکیب شود. می‌توان به ChatGPT موضوعاتی را که باید در تست آن پوشش دهد، با سطوح مختلف جزئیات، و مانند تولید داده‌های آموزشی، سبک و لحن استفاده‌شده را می‌توان متفاوت دانست.

ما می بینیم که نسل بعدی چت ربات های CX همچنان بر اساس فناوری های معمولی و غیر مولد هستند، اما مدل های مولد به شدت در فرآیند ایجاد استفاده می شوند.

چت ربات ها به گونه ای تنظیم شده اند که فضای CX فعلی را افزایش دهند

تأثیرات کلیدی LLM بر انتظارات مصرف کنندگان شامل افزایش دید چت بات ها، فوریت بیشتر برای گنجاندن آنها در CX، شهرت بیشتر برای چت بات ها و استاندارد بالاتر است. به عبارت دیگر، چت بات ها در حال درخشش هستند!

همه ما آن‌ها را تجربه کرده‌ایم – چت‌بات‌های بی‌نقص با گزینه‌های گفتگوی بسیار محدود که خطوط رباتیک دردناکی را ایجاد می‌کنند (اگر اصلاً بتوانند چیزی را بفهمند). در حالی که ربات‌های چت با عملکرد ضعیف در حال حاضر در راه هستند، استانداردها اکنون برای جلوگیری از این تجربه از پشت بام تیراندازی می‌کنند و تغییر از انسان به هوش مصنوعی به سرعت ادامه خواهد یافت.

یک گزارش اخیر پیش‌بینی می‌کند که تعداد تعاملات بین مشتریان و مراکز تماسی که توسط هوش مصنوعی مدیریت می‌شوند از 2 درصد در سال 2022 به بیش از 15 درصد در سال 2026 افزایش می‌یابد، سپس تا سال 2031 به 30 درصد افزایش می‌یابد. اما با توجه به پذیرش سریع و پیشرفت‌های نمایی. در هوش مصنوعی طی سه تا پنج سال گذشته، پیش‌بینی می‌کنیم که رشد واقعی بسیار بیشتر باشد.

برندهایی مانند Lemonaid، Oura، AirBnb و ExpressVPN راه را برای پشتیبانی عالی 24/7 هموار کرده‌اند – به طوری که مشتریان امروزی اکنون به سادگی انتظار یک تجربه یکپارچه را دارند. عواقب از دست دادن ارائه خدمات عالی شوخی نیست. خدمات ضعیف می‌تواند تأثیر قابل‌توجهی بر نرخ حفظ یک برند داشته باشد و باعث شود خریداران بالقوه به جای دیگری نگاه کنند: طبق گفته فوربز، خدمات بد به مشتریان سالانه مجموعاً 62 میلیارد دلار برای کسب‌وکارها هزینه دارد.

خطرات در استفاده از چت ربات های امروزی مبتنی بر LMM

ChatGPT مطمئناً در مرحله تبلیغات قرار دارد، اما استفاده از آن همانطور که در حال حاضر است خطرات قابل توجهی دارد. ما معتقدیم که اکثر خطرات فعلی ناشی از غیرقابل پیش بینی بودن ChatGPT است که باعث ایجاد شهرت، برند و نگرانی های قانونی می شود. در حالی که سروصدای ChatGPT خوب است، نباید خطرات مرتبط با آن و اهمیت انتخاب شریک مناسب برای جلوگیری از هر گونه دام را فراموش کنید.

به ویژه، ما خطرات زیر را برای کسب و کارهای بزرگی که LLM را مستقیماً در سفر مشتری خود اتخاذ می کنند، می بینیم:

1. آسیب به تصویر برند – اشتراک گذاری محتوای توهین آمیز
2. گمراه کردن مشتریان – اشتراک گذاری مطالب نادرست
3. احتمال حمله دشمن – افرادی که سعی در شکستن ربات چت برای آسیب رساندن به شهرت دارند
4. خلاقیت کاذب – کاربران «طوطی تصادفی» را با خلاقیت/ارتباط واقعی انسانی اشتباه می گیرند
5. اقتدار دروغین – ChatGPT متنی با صدای معتبر تولید می کند که انسان ها در رد کردن آن به شدت بد هستند.
6. امنیت داده ها و مالکیت و محرمانه بودن داده ها – OpenAI بینش و دسترسی به تمام داده‌های به اشتراک گذاشته شده از طریق ChatGPT دارد، و دریچه‌های خطر بزرگی را برای نقض محرمانگی باز می‌کند.

به عبارت دیگر: “فقط به این دلیل که می توانید به این معنی نیست که باید”

استارت‌آپ‌ها و سازمان‌های مستقر ناگزیر تلاش خواهند کرد تا پادمان‌ها و سایر اقدامات را برای کاهش برخی از این خطرات ارائه کنند. با این حال، بسیاری از شرکت‌ها، از جمله بسیاری از شرکت‌هایی که با آنها کار می‌کنیم، همچنان می‌خواهند (یا از نظر قانونی موظف هستند) کنترل کامل محتوا را حفظ کنند. مشتریان قانونی و تحت نظارت FCA ما نمونه خوبی هستند. با LLM های مولد مانند ChatGPT که محتوای کامل را حفظ می کنند، کنترل غیرممکن است.

وقتی نوبت به خود توسعه ربات چت می‌رسد، بازیکنانی که از پشته‌های منبع باز مانند Rasa یا Botpress استفاده می‌کنند، به دلیل انعطاف‌پذیری و تطبیق‌پذیری این سیستم‌های باز، از مزیت چابکی برخوردار خواهند بود. در کوتاه‌مدت تا میان‌مدت، توسعه‌دهندگان ربات‌های چت با تجربه در NLP و استفاده از LLM، کسانی هستند که این فناوری را به بازار چت‌بات‌ها می‌آورند، زیرا آنها می‌توانند به طور موثر مدل‌ها را برای خود (یا مشتریانشان) تنظیم کنند. نیازها و موارد استفاده

در بلند مدت، شرکت‌های کوچک نسبت به پلتفرم‌های بزرگ و جاافتاده مانند ChatGPT، موقعیت بهتری برای اجرای سریع تغییرات خواهند داشت. با این حال، در میان نوسانات بازار مالی کنونی، ما پیش‌بینی می‌کنیم که در 12 تا 24 ماه آینده یکپارچگی بالقوه بازیگران در بازار وجود داشته باشد، با بازیکنان بزرگ‌تر که بازیکنان کوچک‌تری را به دست آورند، و – یک اتفاق رایج در فضای چت بات – مشتریانی که تامین‌کنندگان ربات‌های چت خود را می‌خرند.

کدام صنایع ابتدا ChatGPT را در فرآیندهای CX خود اتخاذ می کنند؟

علیرغم اینکه ChatGPT فقط در نسخه بتا است و هنوز API در دسترس نیست، تعداد بی‌شماری از موارد استفاده هیجان‌انگیز توسط افراد منتشر شده است، از جمله تعدادی افزونه مرورگر، عمدتاً از طریق توییتر.

تا زمانی که ChatGPT در دسترس عموم باشد (ما انتظار داریم یک مدل قیمت گذاری مبتنی بر حجم ارائه شود، مانند مدل های قبلی مانند GPT-3)، بازیکنان کوچک همچنان کسانی هستند که با برنامه های جدید مرزها را پیش می برند.

ویکتوریا آلبرشت یکی از بنیانگذاران و مدیر عامل Springbok AI است.