વર્ષોથી, ઘણી કંપનીઓ માનતી હતી કે ગ્રાહકોને સેવા આપવા માટે ફક્ત "ચેટ" ઓફર કરવી પૂરતું છે. વ્યવહારમાં, જે અસ્તિત્વમાં હતું તે વાતચીત ઇન્ટરફેસ સાથે વારંવાર પૂછાતા પ્રશ્નો હતા, પુનરાવર્તિત અને મર્યાદિત. વપરાશકર્તા પ્રશ્ન લખતો અને સંદર્ભને ધ્યાનમાં લીધા વિના હંમેશા એક જ જવાબ મેળવતો. કોઈ શીખવાની કર્વ નહીં, કોઈ અનુકૂલન નહીં, કોઈ પ્રવાહીતા નહીં.
આ પરંપરાગત બોટ્સ પાછળનો તર્ક છે, જે પૂર્વવ્યાખ્યાયિત પ્રવાહો પર બનેલા છે. તેઓ કઠોર મેનુઓ અને અગમ્ય ટેક્સ્ટ બ્લોક્સમાં કાર્ય કરે છે. તેઓ જમાવવા માટે સરળ અને ઝડપથી શરૂ થાય છે, પરંતુ હતાશા પેદા કરવા માટે પણ ઝડપી છે. છેવટે, આયોજિત રૂટથી એક સરળ વિચલન વપરાશકર્તાને સામાન્ય પ્રતિભાવો અથવા, વધુ ખરાબ, ભયાનક ભૂલ સંદેશનો સામનો કરવા માટે પૂરતું છે: "માફ કરશો, હું સમજી શક્યો નહીં."
લાર્જ-સ્કેલ લેંગ્વેજ મોડેલ્સ (LLMs) ના આગમન સાથે, આ દાખલો બદલાઈ ગયો છે. નિશ્ચિત માર્ગોને અનુસરવાને બદલે, AI એ વાસ્તવિક સમયમાં કુદરતી ભાષા પર પ્રક્રિયા કરવાનું શરૂ કર્યું છે. આનો અર્થ એ છે કે તે ઉદ્દેશ્યમાં ભિન્નતા સમજે છે, સંદર્ભમાં તેના પ્રતિભાવને અનુકૂલિત કરે છે, અને જ્યારે વપરાશકર્તા વિષય બદલવાનું અથવા વાતચીતના પાછલા તબક્કામાં પાછા જવાનું નક્કી કરે છે ત્યારે પણ સુસંગતતા જાળવી રાખે છે.
પ્રવાહ ફરી શરૂ કરવાની કોઈ જરૂર નથી. કોઈ ડેટા ખોવાતો નથી. પહેલા અપવાદમાં કોઈ સ્થિરતા નથી. દરેક ક્રિયાપ્રતિક્રિયા સાથે, મોડેલ માહિતીને ફરીથી ગોઠવે છે અને સંવાદને જીવંત, પ્રવાહી અને બુદ્ધિશાળી રાખે છે.
આ ક્ષમતા ત્રણ મુખ્ય મુદ્દાઓમાં અનુવાદ કરે છે: સમાન ઇનપુટ ડેટા, બહુવિધ શક્ય આઉટપુટ; સમાન વ્યવસાયિક ઉદ્દેશ્ય, બહુવિધ ભાષા વ્યૂહરચનાઓ; અને સમાન ધ્યાન અવધિ, જેના પરિણામે ઓછા ઘર્ષણ અને વધુ રૂપાંતર થાય છે.
વ્યવહારમાં તફાવત
ગ્રાહક સેવા, સંગ્રહ અને વેચાણ જેવા મહત્વપૂર્ણ ક્ષેત્રોમાં, આ ફેરફાર મહત્વપૂર્ણ છે. સોદો પૂર્ણ કરવા અથવા સમય ચૂકી જવા વચ્ચેનો તફાવત એઆઈની પ્રવાહને તોડ્યા વિના તેના તર્કને ટકાવી રાખવાની ક્ષમતામાં રહેલો છે.
કલ્પના કરો કે કોઈ ગ્રાહક હપ્તાની ચુકવણી વિશે પૂછપરછ કરી રહ્યો છે. પરંપરાગત ચેટબોટમાં, મૂલ્યમાં કોઈપણ ફેરફાર વપરાશકર્તાને પ્રક્રિયા ફરીથી શરૂ કરવાની ફરજ પાડે છે. જોકે, LLM (લોડેબલ લાઇફટાઇમ મેનેજમેન્ટ) સિસ્ટમ ફેરફારને સમજે છે, ઓફરને સમાયોજિત કરે છે અને વાટાઘાટો ચાલુ રાખે છે. બચાવેલી દરેક મિનિટ સોદો પૂર્ણ થવાની શક્યતા વધારે છે.
વધુમાં, જ્યારે નિશ્ચિત પ્રવાહો યાંત્રિક અને પુનરાવર્તિત લાગે છે, ત્યારે અદ્યતન મોડેલો દરેક વાતચીતમાં અનન્ય પ્રતિભાવો આપે છે. વપરાશકર્તાને એવું લાગતું નથી કે તેઓ કોઈ સ્ક્રિપ્ટ સાંભળી રહ્યા છે, પરંતુ વાસ્તવિક સંવાદમાં વ્યસ્ત છે. ભલે સંખ્યાઓ અને માહિતી સુસંગત રહે છે, વાતચીત કરવાની રીત બદલાય છે. વાતચીતનું આ માનવીકરણ એ છે જે AI ને સરળ ઓટોમેશનથી અલગ પાડે છે.
સત્ય એ છે કે ઘણા વ્યવસાયો હજુ પણ AI ના વેશમાં "મેનુઓ" સાથે કામ કરે છે. જો કે, ગ્રાહકોને ઝડપથી ખ્યાલ આવે છે કે જ્યારે તેઓ એવી કોઈ વસ્તુ સાથે વાત કરી રહ્યા છે જે ફક્ત પૂર્વ-પ્રોગ્રામ કરેલા પ્રતિભાવોનું પુનરાવર્તન કરે છે. તેનાથી વિપરીત, LLM પર આધારિત ક્રિયાપ્રતિક્રિયાઓ ગતિશીલતા, સુગમતા અને માપી શકાય તેવા રૂપાંતર પરિણામો પ્રદાન કરે છે.
બજારને જે સમજવાની જરૂર છે તે સરળ છે: ગ્રાહક સેવા હવે પુનરાવર્તિત ન હોઈ શકે; તે બુદ્ધિશાળી હોવી જરૂરી છે.
આનો અર્થ એ છે કે "ઝડપી શોર્ટકટ" તર્ક છોડી દેવો જે ફક્ત નવીનતાનો દેખાવ આપવા માટે કામ કરે છે પરંતુ વાસ્તવિક મૂલ્ય ઉત્પન્ન કરતું નથી. આજના ગ્રાહક પહેલાથી જ કહી શકે છે કે તેઓ ક્યારે કઠોર ક્રિયાપ્રતિક્રિયાનો સામનો કરે છે અને હવે અનંત મેનુઓ નેવિગેટ કરવામાં સમય બગાડવાનું સ્વીકારતા નથી. તેઓ પ્રવાહીતા, સ્પષ્ટતા અને સૌથી ઉપર, એવા જવાબોની અપેક્ષા રાખે છે જે તેમના ચોક્કસ સંદર્ભમાં અર્થપૂર્ણ બને.
જે કંપનીઓ હજુ પણ સ્થિર પ્રવાહો પર આધારિત સ્થિર ચેટબોટ્સ સાથે કામ કરવાનો આગ્રહ રાખે છે, તેઓ માત્ર તકનીકી રીતે પાછળ નથી: તેઓ વ્યવસાયની તકો ગુમાવી રહ્યા છે. દરેક હતાશ ગ્રાહક વિક્ષેપિત વાટાઘાટો, ખોવાયેલી ચુકવણી, વિલંબિત વેચાણ છે. બીજી બાજુ, જે કંપનીઓ LLM અપનાવે છે તેઓ દરેક ક્રિયાપ્રતિક્રિયાને સંબંધ બનાવવાની, ઘર્ષણ ઘટાડવાની અને વાસ્તવિક સમયમાં રૂપાંતર વધારવાની તકમાં પરિવર્તિત કરે છે.
આખરે, તે ફક્ત વધુ આધુનિક ટેકનોલોજી અપનાવવા વિશે નથી. તે નક્કી કરવા વિશે છે કે શું કંપની ગ્રાહકના સમય અને બુદ્ધિમત્તાનો આદર કરે તેવો અનુભવ પ્રદાન કરવા માંગે છે. અને આ મુદ્દા પર, કોઈ મધ્યમ જમીન નથી: કાં તો ગ્રાહક સેવા બુદ્ધિશાળી વાતચીત તરફ વિકસિત થાય છે, અથવા તે પુનરાવર્તિત જવાબો અને મર્યાદિત પરિણામોના ભૂતકાળમાં અટવાયેલી રહેશે.
પ્રશ્ન એ રહે છે: શું તમારી ગ્રાહક સેવા કાર્યપ્રવાહથી આગળ વધી ગઈ છે, અથવા તે હજુ પણ મેનુમાં અટવાયેલી છે?
ડેનિયલ ફ્રાન્સિસ બ્રાઝિલમાં અગ્રણી વાતચીત કરતી AI કંપની, ફિન્ટાલ્કના COO છે. ઇમેઇલ: finatalk@nbpress.com.br
