Sa loob ng maraming taon, maraming kumpanya ang naniniwala na ang simpleng pag-aalok ng "chat" ay sapat na upang mapaglingkuran ang mga customer. Sa pagsasagawa, ang umiiral ay isang FAQ na may interface na pang-usap, paulit-ulit at limitado. Nagta-type ang gumagamit ng isang tanong at palaging natatanggap ang parehong sagot, anuman ang konteksto. Walang kurba ng pagkatuto, walang pag-aangkop, walang pagkalikido.
Ito ang lohika sa likod ng mga tradisyonal na bot, na binuo sa mga paunang natukoy na daloy. Gumagana ang mga ito sa loob ng mga matibay na menu at mga hindi nababaluktot na bloke ng teksto. Madali silang i-deploy at mabilis na patakbuhin, ngunit mas mabilis pa itong magdulot ng pagkadismaya. Tutal, ang isang simpleng paglihis mula sa nakaplanong ruta ay sapat na para makaranas ang user ng mga pangkalahatang tugon o, mas malala pa, ang kinatatakutang mensahe ng error: "Paumanhin, hindi ko naintindihan."
Sa pagdating ng mga Large-Scale Language Models (LLM), nagbago ang paradigma na ito. Sa halip na sumunod sa mga nakapirming landas, sinimulan na ng AI ang pagproseso ng natural na wika sa totoong oras. Nangangahulugan ito na nauunawaan nito ang mga pagkakaiba-iba sa layunin, inaangkop ang tugon nito sa konteksto, at pinapanatili ang pagkakaugnay-ugnay kahit na magpasya ang gumagamit na baguhin ang paksa o bumalik sa mga nakaraang yugto ng pag-uusap.
Hindi na kailangang simulan muli ang daloy. Walang pagkawala ng data. Walang pagyeyelo sa unang eksepsiyon. Sa bawat interaksyon, muling inaayos ng modelo ang impormasyon at pinapanatiling buhay, maayos, at matalino ang diyalogo.
Ang kakayahang ito ay isinasalin sa tatlong pangunahing punto: parehong input data, maraming posibleng output; parehong layunin sa negosyo, maraming estratehiya sa wika; at parehong saklaw ng atensyon, na nagreresulta sa mas kaunting alitan at mas maraming conversion.
Ang pagkakaiba sa pagsasagawa
Sa mga kritikal na aspeto tulad ng serbisyo sa customer, mga koleksyon, at mga benta, ang pagbabagong ito ay napakahalaga. Ang pagkakaiba sa pagitan ng pagsasara ng isang deal o hindi pagtupad sa tiyempo ay nakasalalay sa kakayahan ng AI na mapanatili ang pangangatwiran nito nang hindi nababagabag ang daloy.
Isipin ang isang kostumer na nagtatanong tungkol sa isang hulugan na bayad. Sa isang tradisyonal na chatbot, ang anumang pagbabago sa halaga ay pinipilit ang gumagamit na simulan muli ang proseso. Gayunpaman, nauunawaan ng isang LLM (Loadable Lifetime Management) system ang pagbabago, inaayos ang alok, at ipinagpapatuloy ang negosasyon. Ang bawat minutong natitipid ay nagpapataas ng posibilidad na maisara ang kasunduan.
Bukod pa rito, habang ang mga nakapirming daloy ay parang mekanikal at paulit-ulit, ang mga advanced na modelo ay naghahatid ng mga natatanging tugon sa bawat pag-uusap. Pakiramdam ng gumagamit ay hindi sila nakikinig sa isang script, ngunit nakikibahagi sa isang tunay na diyalogo. Kahit na ang mga numero at impormasyon ay nananatiling pare-pareho, ang paraan ng komunikasyon ay nag-iiba. Ang humanisasyong ito ng diskurso ang siyang nagpapaiba sa AI mula sa simpleng automation.
Ang totoo ay maraming negosyo pa rin ang nagpapatakbo gamit ang mga "menu" na nagbabalatkayo bilang AI. Gayunpaman, mabilis na napagtatanto ng mga mamimili na kapag sila ay nakikipag-usap sa isang bagay na inuulit lamang ang mga paunang na-program na tugon. Sa kabaligtaran, ang mga interaksyon batay sa mga LLM ay naghahatid ng dinamismo, kakayahang umangkop, at masusukat na mga resulta ng conversion.
Simple lang ang kailangang maunawaan ng merkado: ang serbisyo sa customer ay hindi na maaaring paulit-ulit; kailangan itong maging matalino.
Nangangahulugan ito ng pagtalikod sa lohikang "mabilis na shortcut" na nagsisilbi lamang magbigay ng anyo ng inobasyon ngunit hindi nakakabuo ng tunay na halaga. Alam na ng mga mamimili ngayon kung kailan sila nahaharap sa isang mahigpit na interaksyon at hindi na tinatanggap ang pag-aaksaya ng oras sa pag-navigate sa walang katapusang mga menu. Inaasahan nila ang pagiging mabisa, kalinawan, at, higit sa lahat, mga sagot na may katuturan sa kanilang partikular na konteksto.
Ang mga kumpanyang patuloy na nagpupumilit na gumamit ng mga static chatbot, batay sa mga nakapirming daloy, ay hindi lamang nahuhuli sa teknolohiya: nawawalan din sila ng mga oportunidad sa negosyo. Ang bawat nabigong customer ay isang naantalang negosasyon, isang nawalang bayad, isang naantalang benta. Sa kabilang banda, ang mga gumagamit ng mga LLM ay ginagawang pagkakataon ang bawat interaksyon upang bumuo ng magandang ugnayan, mabawasan ang alitan, at mapataas ang conversion sa totoong oras.
Sa huli, hindi lamang ito tungkol sa pag-aampon ng mas modernong teknolohiya. Ito ay tungkol sa pagpapasya kung nais ng kumpanya na mag-alok ng isang karanasan na gumagalang sa oras at katalinuhan ng customer. At sa puntong ito, walang gitnang landas: alinman sa serbisyo sa customer ay umuunlad patungo sa matalinong mga pag-uusap, o mananatili itong natigil sa isang nakaraan ng paulit-ulit na mga sagot at limitadong mga resulta.
Ang tanong ay nananatili: lumampas na ba sa daloy ng trabaho ang serbisyo sa customer mo, o natigil pa rin ito sa mga menu?
Si Danielle Francis ay COO ng Fintalk, isang nangungunang kumpanya ng conversational AI sa Brazil. Email: finatalk@nbpress.com.br
