Construire des relations clients avec l’IA conversationnelle

Nous y avons tous été. «Veuillez écouter notre menu en entier car nos options ont changé. Dites ou appuyez sur un pour obtenir des informations sur le produit … »Parfois, ces expériences de service client automatisé sont efficaces et efficientes – d’autres fois, pas tellement.

De nombreuses organisations utilisent déjà des chatbots et des assistants virtuels pour aider à mieux servir leurs clients. Ces agents en libre-service intelligents et automatisés peuvent gérer les questions fréquemment posées, fournir des articles de connaissances et des ressources pertinentes pour répondre aux demandes des clients, et aider les clients à remplir des formulaires et à effectuer d’autres procédures de routine. Dans le cas de demandes plus complexes, ces agents en libre-service automatisés peuvent trier ces demandes à un agent humain en direct.

En période d’incertitude et d’urgence, les opérations de service client alimentées par l’intelligence artificielle (IA) peuvent être inestimables pour les entreprises, aidant le service client ou les centres d’appels des ressources humaines à suivre les pics de demande et à réduire les temps d’attente et la frustration des clients. Selon des estimations récentes, Gartner prédit que d’ici 2022, 70% des interactions avec les clients impliqueront des technologies émergentes telles que les applications d’apprentissage automatique, les chatbots et la messagerie mobile. C’est une augmentation de 15% par rapport à 2018.

«Dans ces types d’interactions conversationnelles, les chatbots IA peuvent étendre la portée du service client d’une organisation et maintenir un niveau de réciprocité avec leurs clients», déclare Greg Bennett, directeur de la conception de conversation chez Salesforce. «L’entreprise a également la possibilité d’exprimer sa marque, sa voix et son ton à travers les mots et le langage qu’elle utilise pour créer un plus grand degré d’intimité.» Bennett est profondément impliqué dans la formation de systèmes d’IA qui alimentent les chatbots conversationnels et s’assure qu’ils sont inclusifs et capables de comprendre un large éventail de dialectes, d’accents et d’autres expressions linguistiques.

Non seulement l’utilisation de l’automatisation de l’IA est de plus en plus répandue, mais elle s’avère également être un moteur commercial important. Gartner prévoit qu’en 2021, l’augmentation de l’IA générera 2,6 billions de dollars en valeur commerciale. Cela pourrait également permettre d’économiser jusqu’à 6,2 milliards d’heures de travail.

Définition de l’intelligence conversationnelle

Selon une étude menée par le cabinet de conseil en gestion Korn Ferry, l’intelligence conversationnelle est un effort de collaboration. Et cet effort de collaboration est la réciprocité de deux participants pour communiquer de manière à aboutir à un concept partagé de la réalité. Cela comble le fossé entre la réalité individuelle des deux orateurs et aide les entreprises à aider leurs clients.

Dans cet esprit, Salesforce et d’autres entreprises ont poussé ce concept encore plus loin en cherchant des moyens de combiner l’intelligence conversationnelle et la technologie. En fait, grâce à ces efforts, l’intelligence conversationnelle alimentée par l’IA s’est considérablement améliorée au fil du temps. Cela a commencé par une simple reconnaissance de texte dans laquelle il est assez facile d’obtenir un degré de précision significatif. Mais la reconnaissance de texte peut être quelque peu bidimensionnelle, c’est pourquoi la recherche a progressé pour inclure la reconnaissance vocale automatisée. Les systèmes de reconnaissance vocale automatisés doivent tenir compte des différentes langues, accents et inflexions acoustiques, ce qui est beaucoup plus difficile et nuancé. Alors que les algorithmes d’IA sont devenus plus sophistiqués et ont eu le temps et l’expérience d’incorporer davantage de variations linguistiques, la technologie de l’IA a amélioré sa capacité à comprendre avec précision les subtilités plus profondes des interactions conversationnelles humaines.

«L’intelligence conversationnelle est la constellation de fonctionnalités et de technologies qui permettent aux humains et aux machines d’échanger à tour de rôle un langage et de travailler à la réalisation d’un objectif discursif», déclare Bennett.

Ces systèmes d’IA axés sur la linguistique utilisent un certain nombre de technologies différentes pour comprendre les interactions écrites et parlées avec les humains. Certains d’entre eux comprennent les suivants:

• Reconnaissance vocale automatisée, qui est utilisée pour comprendre la langue parlée pour les systèmes vocaux;
• Traitement du langage naturel, qui aide les ordinateurs à comprendre, interpréter et analyser le langage parlé et écrit; et
• Compréhension du langage naturel, ce qui permet à l’IA de comprendre l’intention.

Bien au-delà de la simple reconnaissance de texte, la compréhension du langage naturel est l’endroit où l’IA met vraiment ses forces à contribution. En facilitant une conversation plus profonde et plus nuancée, il augmente l’efficacité des interactions homme-IA. Lorsqu’un système de service client alimenté par l’IA est mieux équipé pour reconnaître et discerner le langage naturel avec moins d’erreurs, il peut guider un client tout au long d’une interaction sans avoir à engager un agent de service à la personne. Cela permet aux agents de se concentrer sur des cas plus complexes.

Et l’utilisation de ces capacités dans les environnements de service client peut aider les entreprises non seulement à accélérer et à améliorer les interactions avec leurs clients, mais également à améliorer la relation client globale. «Si nous pouvons avoir une machine qui facilite ce type d’interaction entre une entreprise et un client, alors cela aide à construire davantage une relation avec ce client d’une manière qu’un article d’aide ne le ferait pas», déclare Bennett.

Et plus un système d’IA s’engage avec les humains, plus ses algorithmes deviennent efficaces. En interagissant avec les humains, un système d’IA peut collecter les données nécessaires pour améliorer la compréhension du langage naturel afin de mieux comprendre l’intention, contribuant ainsi à faciliter des conversations homme-ordinateur plus nuancées. L’interaction humaine aide également ces systèmes d’IA à améliorer les capacités de reconnaissance et de prédiction pour fournir un contenu plus personnalisé. En apprenant les nombreuses façons dont les gens se comportent et interagissent, la réponse du système devient plus précise.

Les algorithmes d’IA absorbent, traitent et analysent les ensembles de données introduits dans le système en utilisant leurs propres équations spécifiques. Ce traitement est effectué selon l’une des deux modalités de base: supervisé ou non supervisé. Dans le cadre d’une amélioration supervisée, les ensembles de données auront une valeur ou une catégorie cible attribuée. Dans le cadre d’une amélioration non supervisée, l’algorithme analyse le jeu de données seul sans conseils ni restrictions.

Au fur et à mesure qu’ils reçoivent et traitent plus de données, les algorithmes évoluent, adaptent et améliorent leurs modèles analytiques. Ainsi, les algorithmes s’améliorent et se raffinent en fonction à la fois de la qualité et de la quantité de données traitées. «Il existe des notions selon lesquelles l’IA peut glaner une intention, une portée et un contexte distincts en interagissant avec les humains», explique Bennett. «Ces améliorations progressives de la capacité de prédiction et de la profondeur de la compréhension augmentent l’efficacité de l’engagement client.»

Apprécier les défis linguistiques

Bien que le traitement du langage naturel ait parcouru un long chemin, la technologie de reconnaissance vocale automatisée continue de faire face à des défis pour reconnaître la gamme complète des variations linguistiques. «Il y a tous ces différents accents anglais, tous sont robustes et valides et devraient être célébrés», dit Bennett. D’autres variations linguistiques qui défient l’IA incluent différents argots ou expressions familières pour transmettre des significations similaires et d’autres caractéristiques paralinguistiques telles que le ton, l’intonation, le rythme, la pause et la hauteur.

Il est primordial d’aider l’IA à gérer les niveaux inhérents de biais présents dans le système et à s’étendre pour reconnaître la gamme complète des variations linguistiques. Ces améliorations progressives de la capacité prédictive des algorithmes d’IA contribuent à améliorer l’expérience client en réduisant la quantité d’échanges et de moments de frustration provoqués par un manque de reconnaissance précise.

Mais ces efforts et progrès présentent certaines énigmes éthiques. Considérez, par exemple, comment les minorités sont représentées dans les ensembles de données de formation, ou plus précisément comment elles ne sont pas représentées. Les ensembles de données les plus largement utilisés excluent les expressions plus diverses du dialecte et de l’identité sociale. Assurer une représentation diversifiée au sein des équipes développant des technologies d’IA est une étape critique vers le développement et l’évolution d’algorithmes d’IA afin de reconnaître un plus large éventail d’expressions linguistiques.

Maintenant que l’IA est capable de permettre un plus grand degré de variation, elle devrait pouvoir prendre en compte une pertinence contextuelle plus large et être plus inclusive. Bien que la conversation et la langue soient les vecteurs, il incombe aux humains travaillant avec des systèmes d’IA de continuer à tenir compte de l’accessibilité à travers les dialectes, les accents et d’autres variations stylistiques.

«Les minorités sous-représentées ont très peu de représentation de leur dialecte et de l’expression de leur identité sociale à travers la langue dans ces systèmes. C’est principalement à cause de leur manque de représentation parmi les équipes qui créent la technologie », déclare Bennett. Veiller à ce que les entreprises développant et déployant des systèmes d’IA intègrent des équipes plus diversifiées peut aider à résoudre ce biais inhérent.

Les systèmes d’IA ont la capacité de permettre un plus grand degré de variation. Lorsque les systèmes peuvent interpréter avec précision ces variations et générer une réponse contextuellement pertinente, l’IA aura évolué à un degré plus grand que jamais. «C’est vraiment là que je pense que l’évolution [of the field] nous a emmenés », dit Bennett.

Bien sûr, cela ne veut pas dire qu’il n’y a pas d’autres préoccupations éthiques et pratiques entourant l’utilisation élargie de l’IA. Les préoccupations en matière de protection de la vie privée, la responsabilité, la transparence et la délégation précise et appropriée des processus de décision sont toujours d’actualité. Et puis il y a l’utilisation éthique des enregistrements vocaux. C’est un domaine en pleine croissance dans lequel des paramètres significatifs doivent encore être définis.

Forger une connexion humaine-IA plus profonde

S’attaquer à toute la gamme des variations linguistiques et inclure des groupes plus diversifiés et des minorités historiquement sous-représentées dans le processus est vraiment la construction de l’avenir de la connexion homme-IA. Cela conduira également à des cas d’utilisation plus répandus pour les entreprises. En fait, le plus grand différenciateur concurrentiel à l’avenir de la technologie conversationnelle sera la capacité de fournir une compréhension conversationnelle robuste indépendamment de la langue, de l’accent, de l’argot, du dialecte ou d’autres aspects de l’identité sociale.

Bennett se souvient d’une leçon d’un professeur d’une école supérieure: «Elle a dit:« Avoir une conversation, c’est comme grimper à un arbre qui remonte ». Et cela caractérise vraiment la trajectoire vers laquelle les technologies d’IA conversationnelles doivent aller pour répondre aux besoins humains et aux normes de conversation en tant que pratique comportementale. La conversation n’est pas un acte solo. C’est une rue à double sens. La vraie conversation est l’acte – certains pourraient même dire l’art – de s’engager à tour de rôle pour parler et écouter, échanger des idées, échanger des sentiments et échanger des informations.

«En linguistique, les caractéristiques paralinguistiques de la parole comme l’inflexion, l’intonation, le rythme, la pause et la hauteur fournissent la couche pragmatique de sens à une conversation», explique Bennett. «Au lieu de nous concentrer sur la manière dont les utilisateurs peuvent aider les systèmes d’IA, nous devrions nous demander comment nous pouvons faire évoluer le système pour répondre aux utilisateurs là où ils se trouvent. Compte tenu de ce que nous savons de la linguistique, je ne pense pas que vous puissiez forcer un quelconque changement de langue », dit-il. «La technologie de l’IA conversationnelle est conçue de manière à réussir si nous adoptions cette approche au niveau pragmatique, le côté paralinguistique des choses.»

«L’IA se dirige vers la capacité de comprendre, de comprendre pleinement et de s’adapter à ce niveau de diversité linguistique», déclare Bennett. «Les startups de l’espace conversationnel de l’IA indexent cela comme un facteur de différenciation. Et quand vous y réfléchissez, si vous incluez des groupes plus diversifiés et des minorités historiquement sous-représentées dans le processus, cela élargit en fait votre marché adressable total. »

Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction de MIT Technology Review.