گسترش LLM ها مانند ChatGPT از OpenAI، لاما متا و کلود آنتروپیک منجر به ایجاد یک ربات چت برای هر مناسبت شده است. ربات های چت برای مشاوره شغلی، چت ربات هایی که به شما این امکان را می دهند با خود آینده خود صحبت کنید، و حتی الف چت بات مرغ که توصیه آشپزی می کند.
اما اینها چت ربات های ده سال پیش نیستند – در آن زمان، آنها به “مکالمات” از پیش تعیین شده محدود و سفت و سخت محدود می شدند که اغلب بر اساس یک نمودار جریان بزرگ با چندین گزینه یا پاسخ های معادل است. در اصل، آنها فقط کمی پیچیده‌تر از منوهای تلفن IVR قبل از اینترنت بودند.
از سوی دیگر، چت بات‌های امروزی بیشتر به هوش مصنوعی محاوره‌ای اشاره می‌کنند، ابزاری با قابلیت‌ها و موارد استفاده بسیار گسترده‌تر. و از آنجایی که ما اکنون خود را در میانه چرخه تبلیغات مولد هوش مصنوعی می یابیم، هر سه این اصطلاح به جای یکدیگر مورد استفاده قرار می گیرند. متأسفانه، در نتیجه، سوء تفاهم‌های زیادی در مورد ریسک‌ها، موارد استفاده و بازگشت سرمایه سرمایه‌گذاری در هوش مصنوعی مکالمه‌ای در بین رهبران کسب‌وکار، به‌ویژه در صنایع بسیار تنظیم شده مانند امور مالی
بنابراین می‌خواهم برخی سوء تفاهم‌های رایج در مورد «ربات‌های چت» را درست کنم، در حالی که آنچه ما واقعاً در مورد آن بحث می‌کنیم هوش مصنوعی محاوره‌ای است.
افسانه 1: مشتریان از چت ربات متنفرند
در دهه گذشته از مصرف کنندگان پرسیده شده است که آیا کارگزاران انسانی یا چت بات ها را ترجیح می دهند یا نه – این مانند این است که از کسی بپرسید که آیا ترجیح می دهد یک ماساژ حرفه ای داشته باشد یا روی صندلی ماساژور مرکز خرید بنشیند.
اما اولین ChatGPT در سال 2022 (همراه با تمام ابزارهایی که از آن به وجود آمدند) درک ما از قابلیت‌های یک ربات چت را کاملاً بر روی آن تغییر داد. همانطور که در بالا ذکر شد، چت بات‌های قدیمی‌تر بر روی اسکریپت‌ها کار می‌کردند، به طوری که هر گونه انحراف از مسیرهای تعیین‌شده آنها اغلب منجر به سردرگمی و پاسخ‌های بی‌اثر می‌شد. پاسخ‌های داده شده اغلب عمومی و غیر مفید بودند و ظرفیت محدودی برای جمع‌آوری، ذخیره و ارائه اطلاعات داشتند.
در مقابل، هوش مصنوعی محاوره‌ای افراد را درگیر مکالمات طبیعی می‌کند که آینه گفتار انسان است و امکان تبادل روان‌تر و شهودی را فراهم می‌کند. این انعطاف پذیری و سازگاری قابل توجهی را با نتایج غیر منتظره نشان می دهد. قادر به درک زمینه های اطراف قصد کاربر، تشخیص احساسات و پاسخ همدلانه است.
این سطح عمیق‌تر از درک، هوش مصنوعی امروزی را قادر می‌سازد تا به طور مؤثری کاربران را در مسیرهای منطقی به سمت اهدافشان هدایت کند. این شامل تحویل سریع مشتریان به دستیاران انسانی در صورت لزوم است. علاوه بر این، هوش مصنوعی مکالمه‌ای از فیلترهای اطلاعاتی پیشرفته، مکانیسم‌های بازیابی و توانایی حفظ داده‌های مرتبط استفاده می‌کند که به طور قابل‌توجهی توانایی‌های حل مشکل آنها را افزایش می‌دهد که تجربه کاربری بهتری را برای کاربر به ارمغان می‌آورد.
بنابراین، اینطور نیست که مشتریان کورکورانه از چت بات ها متنفرند، آنچه که آنها از آن متنفرند خدمات بدی است که نسخه های قبلی چت بات ها قطعاً در ارائه آن مقصر بودند. عوامل مکالمه امروزی بسیار پیچیده تر هستند که بیش از یک چهارم مصرف کنندگان به توانایی آنها در تمایز بین عوامل انسانی و هوش مصنوعی و حتی برخی از آنها اطمینان ندارند چت ربات های هوش مصنوعی را درک کنید بودن بهتر در وظایف انتخاب شده نسبت به همتایان انسانی خود.
در آزمایش‌های آزمایشی، شرکت من شاهد سه برابر شدن نرخ تبدیل سرنخ توسط عوامل هوش مصنوعی است، که نشانه‌ای قوی است که به ربات بودن یا نبودن آن مربوط نمی‌شود، بلکه به کیفیت کار انجام شده مربوط می‌شود.
افسانه 2: چت بات ها بسیار خطرناک هستند
در بحث با رهبران کسب‌وکار در مورد هوش مصنوعی، نگرانی‌هایی در مورد توهمات، حفاظت از داده‌ها و سوگیری‌هایی که به طور بالقوه منجر به نقض مقررات می‌شوند، به وجود می‌آیند. اگرچه خطرات مشروع، همه آنها را می توان از طریق چند رویکرد مختلف کاهش داد: تنظیم دقیق، بازیابی-افزایش نسل (RAG)، و مهندسی سریع.
اگرچه در همه LLM ها در دسترس نیست، تنظیم دقیق می تواند یک مدل از پیش آموزش دیده را برای یک کار یا دامنه خاص تخصصی کند، و در نتیجه هوش مصنوعی برای نیازهای خاص مناسب تر است. به عنوان مثال، یک شرکت مراقبت های بهداشتی می تواند یک مدل را برای درک بهتر و پاسخ به سوالات پزشکی تنظیم کند.
RAG با ادغام پویا دانش خارجی، دقت ربات چت را افزایش می دهد. این به چت بات اجازه می دهد تا اطلاعات به روز را از پایگاه داده های خارجی بازیابی کند. به عنوان مثال، یک چت ربات خدمات مالی می تواند از RAG برای ارائه پاسخ های زمان واقعی در مورد قیمت سهام استفاده کند.
در نهایت، مهندسی سریع LLM ها را با ایجاد اعلان هایی که ربات چت را برای تولید پاسخ های دقیق تر یا آگاهانه از متن راهنمایی می کند، بهینه می کند. به عنوان مثال، یک پلتفرم تجارت الکترونیکی می‌تواند از پیام‌های سفارشی برای کمک به چت بات برای ارائه توصیه‌های شخصی‌شده محصول بر اساس ترجیحات مشتری و سابقه جستجو استفاده کند.
علاوه بر استفاده از یک یا چند مورد از این رویکردها، می‌توانید «دمای» خلاقیت هوش مصنوعی مکالمه‌ای را نیز کنترل کنید تا از توهم جلوگیری کنید. تنظیم دمای پایین‌تر در فراخوان‌های API، هوش مصنوعی را به ارائه پاسخ‌های قطعی‌تر و منسجم‌تر محدود می‌کند، به‌ویژه زمانی که با یک پایگاه دانش ترکیب می‌شود که تضمین می‌کند هوش مصنوعی از مجموعه داده‌های مشخص و قابل اعتماد استفاده می‌کند. برای کاهش بیشتر خطرات، از استقرار هوش مصنوعی در نقش‌های تصمیم‌گیری که سوگیری یا اطلاعات نادرست می‌تواند منجر به مشکلات قانونی شود، خودداری کنید.
در مورد حریم خصوصی داده‌ها، اطمینان حاصل کنید که ارائه‌دهندگان هوش مصنوعی خارجی از مقررات پیروی می‌کنند یا مدل‌های منبع باز را در زیرساخت‌های خود به منظور حفظ کنترل کامل بر داده‌های خود که برای رعایت GDPR ضروری است، استقرار می‌دهند.
در نهایت، همیشه عاقلانه است که در بیمه غرامت حرفه ای سرمایه گذاری کنید که می تواند محافظت بیشتری را ارائه دهد و مشاغل را در سناریوهای بعید مانند تلاش برای دادخواهی تحت پوشش قرار دهد. از طریق این اقدامات، کسب‌وکارها می‌توانند با اطمینان از هوش مصنوعی استفاده کنند و در عین حال امنیت برند و مشتری را حفظ کنند.
افسانه 3: چت بات ها برای کارهای پیچیده آماده نیستند
پس از دیدن مشکلات شرکت های بزرگ فناوری هستند داشتن با استقرار ابزارهای هوش مصنوعی، ممکن است ساده‌لوحانه به نظر برسد که فکر کنیم یک SME زمان آسان‌تری خواهد داشت. اما هوش مصنوعی در حال حاضر در مرحله ای است که عبارت «جک همه معاملات و استاد هیچ» خیلی نادرست نیست. این عمدتاً به این دلیل است که از این ابزارها خواسته می شود تا وظایف بسیار متفاوتی را در محیط هایی انجام دهند که هنوز برای استقرار مؤثر هوش مصنوعی طراحی نشده اند. به عبارت دیگر، این نیست که آنها توانایی ندارند، بلکه از آنها خواسته می شود تا روی حوضچه ای پر از یخ نازک و شکسته اسکیت بازی کنند.
برای مثال، سازمان‌هایی که مملو از داده‌های مخفی و/یا سازمان‌دهی نشده هستند، بیشتر مستعد انتشار اطلاعات قدیمی، نادرست یا متناقض هوش مصنوعی خواهند بود. از قضا این نتیجه پیچیدگی آنهاست! در حالی که چت ربات‌های قدیمی‌تر به سادگی اطلاعات اولیه را به صورت خطی جمع‌آوری می‌کردند، هوش مصنوعی مکالمه می‌تواند مجموعه داده‌های قوی را با در نظر گرفتن چندین عامل تأثیرگذار به طور همزمان تجزیه و تحلیل کند تا مناسب‌ترین مسیر را ترسیم کند.
در نتیجه، موفقیت با هوش مصنوعی محاوره ای منوط به پارامترهای دقیق و مرزهای بسیار واضح در مورد منابع داده و وظایف است. با داده های آموزشی مناسب و اعلان های ماهرانه طراحی شده، عملکرد هوش مصنوعی مکالمه می تواند بسیار فراتر از محدوده یک چت بات ساده باشد. به عنوان مثال، می تواند داده ها را از مکالمات مشتری جمع آوری و فیلتر کند و از آن برای به روز رسانی خودکار یک CRM استفاده کند. این نه تنها وظایف اداری را ساده می کند، بلکه تضمین می کند که اطلاعات مشتری به طور مداوم دقیق و به روز است. با خودکارسازی چنین وظایفی، کسب‌وکارها می‌توانند بیشتر بر فعالیت‌های استراتژیک تمرکز کنند تا بار اداری.
اگر می‌خواهیم به استفاده از اصطلاح «چت بات» ادامه دهیم، ضروری است که بین پلتفرم‌هایی که از هوش مصنوعی محاوره‌ای پیشرفته استفاده می‌کنند و پلتفرم‌هایی که هنوز ابزارهای محدود دیروز را ارائه می‌کنند، تفاوت قائل شویم. همانطور که امروزه کلمه “تلفن” اغلب تصویر یک تلفن هوشمند با صفحه نمایش لمسی را به تصویر می کشد تا یک خط ثابت با سیم مارپیچ، من معتقدم که ما خیلی دور نیستیم که “chatbot” با ایده عوامل هوش مصنوعی پیشرفته جایگزین شود. از آواتارهای چندگزینه‌ای بی‌نقص.
