在過去五年中，聊天機器人已被企業廣泛部署在面向客戶和麵向員工的場景中，以支持一系列營銷、客戶支持和 IT 用例。 這些聊天機器人有不同的風格：基於語音或基於文本，並具有網絡界面或移動界面。 聊天機器人不僅被 B2C 和 B2B 企業部署，還被聯邦、州和地方政府以及公民服務機構部署。
然而，儘管有很高的期望和很大的希望，但迄今為止，聊天機器人總體表現不佳或取得了好壞參半的結果。 可以肯定的是，聊天機器人可能通過自動化客戶支持來降低支持成本，但通常是以犧牲客戶體驗 (CX) 為代價的。 企業及其客戶都認為當前的聊天機器人不夠典範。
聊天機器人正在努力應對上下文和交互性
與許多聊天機器人的交互似乎很生硬，或者它們似乎遵循嚴格的基於規則的流程。 聊天機器人只能理解簡單的指令，並難以處理複雜的請求和冗長的問題。 作為補償，開發人員只允許進行有限的交互，而聊天機器人通常必須將交互路由給人類。
此外，聊天機器人維護交互上下文的能力受到限制，這限制了它們對短請求的使用，因為無法有效處理長序列的問題。 簡而言之，儘管取得了進步，當前一代的聊天機器人仍難以理解用戶意圖和保留上下文。
從廣義上講，聊天機器人要想有用，就必須在兩個維度上表現良好。 首先，它必須了解用戶意圖，其次，根據用戶意圖以決議的形式提供所需的信息。 大型語言模型（LLM），例如 GPT-3接受大量文本（比典型聊天機器人大幾個數量級）的訓練，並根據用戶提示生成文本/內容。 ChatGPT 是最近大肆宣傳的專為基於對話的互動而設計的法學碩士。
法學碩士可能是聊天機器人成功的關鍵
在幾週的時間裡， ChatGPT 已生成 很多嗡嗡聲 並代表著對當前狀態的顯著改善。 儘管社交媒體和網絡上流傳著一些令人印象深刻的例子，但仔細觀察就會發現一些局限性。 在當前的頭像中， ChatGPT 生成可能不真實的油嘴滑舌的文本，不提供來源/參考資料，並可能產生潛在的冒犯性或政治不正確的回應。 即便是 OpenAI 團隊表示依賴 ChatGPT 對於事實查詢來說並不是一個好主意。
但即使在所有的“幻覺”中 ChatGPT，有一件事很突出：它擅長理解用戶意圖、維護上下文並跟上對話，同時保持高度互動。
現在，想像一下企業聊天機器人的以下場景：
- 客戶通過您的網站或應用程序與聊天機器人交互；
- 聊天機器人使用法學碩士來理解客戶的問題並確定適當的回應；
- 如果客戶的問題需要查詢企業系統（例如，檢查訂單狀態），聊天機器人會向自定義後端系統發送請求；
- 後端系統查詢適當的企業系統並檢索必要的信息；
- 後端系統將信息格式化並發回聊天機器人；
- 聊天機器人使用 LLM 根據從後端系統收到的信息生成對客戶的響應； 和
- 聊天機器人以友好、互動的方式向客戶呈現響應。
從本質上講，這代表了一種最佳策略，結合了傳統聊天機器人和基於法學碩士的工具的優勢。 雖然傳統的聊天機器人擅長在弄清楚用戶意圖後與企業系統集成，但用戶交互可以由基於 LLM 的工具驅動。 通過選擇性地使用法學碩士功能，它可以避免內容準確性方面的挑戰，並克服對法學碩士的擔憂，例如生成攻擊性文本。
LLM 技術是許多企業用例的有力候選者
正如我們從這些示例中看到的，它可以具有不同的對話風格和內容語氣，從而允許以更具吸引力的方式向用戶呈現內容的多種可能性。 內容甚至可以根據企業風格指南或品牌個性進行定制。 它可以根據客戶偏好或客戶群進行個性化。 簡而言之，預訓練的法學碩士可以根據企業特定的數據進行微調，這為利用法學碩士技術的優勢提供了提升客戶體驗的機會。
這項技術還有其他一些潛在的應用。 此類聊天機器人可以在客戶支持代理的實時交互過程中提供更具吸引力和個性化的腳本。 員工聊天機器人還可以提供有用的文檔和知識庫摘要，而不僅僅是提供指向它們的鏈接。 同一個聊天機器人甚至有可能無縫支持多種語言，允許在對話中進行語言切換或提供翻譯——有時甚至在同一次交互中。
到 2023 年，企業聊天機器人世界將繼續整合我們最近看到的相關最先進的用戶意圖理解和對話管理功能。 這代表了對話的飛躍 AI。
