Bot pengetahuan

Awal tahun ini, saya mendapat tugas untuk menciptakan suatu ilmu bot untuk platform tingkat perusahaan. Pengguna utamanya adalah karyawan organisasi dan niatnya adalah untuk menggunakan pengetahuan tersebut bot untuk membagikan penawaran dan penggunaan platform.

Ada cukup banyak kerangka kerja di pasaran (masing-masing dengan pro dan kontra sendiri) oleh karena itu sangat penting bagi seseorang untuk memilih kerangka kerja yang tepat tergantung pada jenis bot yang Anda targetkan untuk dibuat. Dalam hal membuat bot pengetahuan, persyaratan umumnya adalah -

1. Tujuan utama dari pengetahuan bot adalah memberikan informasi tentang penawaran melalui obrolan terpandu. Jika pengguna ingin, dia harus dapat keluar dari obrolan terpandu dan mengajukan pertanyaan adhoc tentang penawaran dan kembali ke obrolan terpandu.

2. Bot pengetahuan harus dapat melakukan tugas-tugas sederhana seperti memesan demo produk.

3. Bot Pengetahuan harus memberikan informasi yang Benar tentang domain yang dipilih (dalam hal ini penawaran platform) dengan benar pada kali pertama daripada mencakup domain yang sangat luas dengan jawaban yang ~ 70–80% benar.

4. Meskipun harus memberikan kemampuan untuk melakukan NLU dan memahami permintaan pengguna tetapi kekritisan keseluruhan dari permintaan tersebut terbatas. Karena itu umumnya ada sedikit persyaratan obrolan kontekstual untuk kasus bot pengetahuan.

Saya mulai mengevaluasi kerangka chatbot yang tersedia di pasar berdasarkan parameter biaya, fleksibilitas, kemudahan penggunaan, pemeliharaan, skalabilitas, kemudahan pengembangan, ekstensibilitas di masa mendatang, integrasi, dukungan komunitas, dan fokus pada 2 platform di bawah ini -

i) Rasa - “Rasa adalah platform AI percakapan terkemuka, untuk percakapan yang dipersonalisasi dalam skala besar. Dengan Rasa, semua tim dapat membuat interaksi otomatis yang dipersonalisasi dengan pelanggan, dalam skala besar. Rasa menyediakan infrastruktur & alat yang diperlukan untuk membangun asisten terbaik - yang secara bermakna mengubah cara pelanggan berkomunikasi dengan bisnis. ” - dari situs Rasa.

- Fitur yang menonjol meliputi -

• Berbasis NLU, mesin NLU default yang disediakan adalah open source.
• Hadir dengan lisensi open source (fitur terbatas) dan perusahaan berbayar (lebih banyak fitur).
• Pembuatan Chatbots lebih condong ke Pengembang.
• Mendukung fitur-fitur canggih seperti memanggil API eksternal, Identifikasi Maksud, pengisian Slot, dll.
• Dapat disematkan ke situs web. Penerapan on-prem / Cloud. Pembuatan chatbot menggunakan cerita dan data pelatihan (berorientasi pengembang) tidak melalui kerangka kerja GUI berbasis web.
• Dukungan komunitas yang baik.
• Platform dibangun di sekitar AI dengan data pelatihan menjadi kunci untuk meningkatkan kinerja. Bukan berbasis aliran jadi sedikit kotak hitam.

ii) Botpress - “Botpress adalah platform sumber terbuka bagi pengembang untuk membangun asisten digital berkualitas tinggi. Kami telah mengumpulkan kode boilerplate dan infrastruktur yang Anda butuhkan untuk mengaktifkan dan menjalankan chatbot. Kami mengusulkan Anda platform ramah pengembang lengkap yang dilengkapi dengan semua alat yang Anda butuhkan untuk membangun, menerapkan, dan mengelola chatbot tingkat produksi dalam waktu singkat. ” - dari situs Botpress.

- Fitur yang menonjol termasuk –-

• Berbasis NLU, mesin NLU default yang disediakan adalah open source.
• Hadir dengan lisensi open source (fitur terbatas) dan perusahaan berbayar (lebih banyak fitur).
• Pembuatan Chatbots berbasis GUI.
• Mendukung fitur-fitur canggih seperti memanggil API eksternal, Identifikasi Maksud dan Entitas, pengisian Slot, dll.
• Dapat disematkan ke situs web. Penerapan on-prem / Cloud tetapi menyediakan antarmuka web.
• Dukungan komunitas yang baik.
• Terutama berbasis Flow dengan dukungan untuk kemampuan NLU. Dukungan dan kontrol debugger.

Kekuatan utama Rasa terletak pada mesin NLU-nya dan pengalaman mengobrol kontekstual yang ditawarkannya. Yang saya maksud dengan kontekstual, setiap masukan dari pengguna diambil dalam konteks percakapan yang sedang berlangsung dan kemudian ditanggapi. Namun, melatih bot untuk membuat percakapan itu benar membutuhkan banyak upaya, komputasi, dan keterampilan dan seiring dengan meningkatnya domain percakapan, jumlah total cerita yang perlu ditulis meningkat secara eksponensial.

Di sisi lain, Botpress menggunakan campuran AI dan mesin berbasis aturan untuk menciptakan pengalaman mengobrol bagi pengguna. Ini tidak begitu kuat pada percakapan kontekstual tetapi memiliki penawaran GUI yang kaya untuk menyediakan informasi terpandu.

Saat menjadi Ilmuwan Data Senior, perasaan awal saya adalah menggunakan Rasa (Anda tahu penawaran AI kontekstual memang terdengar menarik) tetapi begitu saya mengevaluasi pro dan kontra sehubungan dengan tugas yang ada, saya menemukan Botpress lebih cocok untuk berkreasi bot pengetahuan dengan kombinasi tur terpandu berbasis aturan dan pertanyaan adhoc berbasis NLU (fitur QnA dari Botpress) mengingat kendala waktu dan sumber daya yang biasanya kami miliki dalam proyek TI.

Di bawah ini adalah fitur yang harus dilihat oleh pengembang bot Pengetahuan dalam kerangka bot. Saya juga telah menyebutkan bagaimana Botpress memenuhi itu.

1. Laporan Tren Chatbot 2021

2. 4 DO dan 3 DON'T untuk Melatih Model Chatbot NLP

3. Bot Concierge: Menangani Beberapa Chatbots dari Satu Layar Obrolan

4. Sistem pakar: AI Percakapan Vs Chatbots

Kemudahan pengembangan - Seberapa cepat Anda bisa mengaktifkan dan menjalankan versi dasar bot pengetahuan Anda. Apakah ini membutuhkan keahlian yang sangat khusus atau bahkan data scientist dapat mengerjakannya? Seberapa mudah melakukan rebranding bot?

Dengan Botpress, Anda bisa mendapatkan bot pengetahuan dasar dan menjalankannya menggunakan GUI-nya tanpa coding sama sekali dalam beberapa minggu. Ini juga menawarkan cara sederhana untuk memberi merek bot hanya dengan mengubah lembar gaya. Ini menyediakan widget seperti kartu dan carousal untuk berbagi informasi dengan cara yang kaya GUI.

integrasi - Bot selalu perlu diintegrasikan dengan portal utama dan harus mendukung saluran lain (misalnya, Tim Microsoft) juga. Saat memilih kerangka bot, kita harus melihat apakah integrasi ini disediakan secara asli dan dapat dilakukan dengan sedikit usaha.

Di Botpress, Integrasi dengan situs utama sangat mudah hanya dengan satu skrip untuk membuka bot dalam sebuah iframe. Ini juga menyediakan integrasi dengan saluran lain seperti Facebook, Telegram, Microsoft Teams dan Slack untuk beberapa nama.

Perpanjangan Masa Depan - Meskipun bot pengetahuan awal mungkin dimulai dengan cakupan terbatas, faktanya cakupan akan terus meningkat setelah manajemen menyadari manfaatnya. Bot mungkin tidak lagi terbatas untuk memberikan informasi tetapi juga diharapkan untuk melakukan tugas-tugas yang lebih sederhana seperti memesan demo, dll. Oleh karena itu, penting bahwa kerangka bot yang dipilih memiliki dukungan untuk fitur-fitur ini.

Botpress menyediakan ekstensi untuk menulis kode kustom untuk memanggil API backend untuk melakukan tugas-tugas kompleks. Fitur seperti Intent, Entity, dan slot digunakan untuk menangkap maksud pengguna untuk melakukan tugas tertentu dengan mengidentifikasi Entitas yang tepat, menangkap nilai yang diperlukan menggunakan slot, lalu meminta kode kustom Anda memanggil API back end untuk melakukan tugas. Tugas-tugas ini bisa mulai dari mengirim email hingga memesan ruang konferensi atau tiket penerbangan atau memesan pizza.

Skalabilitas - Seringkali Anda akan diminta untuk membangun bot pengetahuan untuk lalu lintas internet dan oleh karena itu sangat penting bahwa kerangka bot yang Anda pilih dapat diskalakan.

Botpress memiliki arsitektur berbasis cluster yang dapat diskalakan secara horizontal. Seseorang dapat memanfaatkan penyeimbang beban untuk mendistribusikan lalu lintas di antara bot.

Maintainability - Seperti semua proyek TI, ini tidak pernah merupakan skenario penerapan dan lupakan. Kita hidup di dunia DevOps di mana ada penerapan berkelanjutan dari aplikasi ke dalam produksi. Oleh karena itu, sangatlah penting bahwa kerangka bot memiliki model yang berhubungan dengan skala dan kompleksitas terutama ketika Anda mencari pengembangan berbasis GUI.

Pada Botpress, pengembangan dilakukan dengan cara membuat diagram alir yang strukturnya bersifat modular. Ini memiliki kemampuan untuk membuat sub-aliran dengan titik masuk dan keluar yang ditentukan untuk sub-aliran. Dengan cara ini kita dapat membuat bot pengetahuan menggunakan banyak aliran yang lebih sederhana dan lebih kecil daripada satu aliran besar.

NLU - Meskipun aliran terpandu baik untuk memberikan informasi, itu saja tidak cukup. Tujuan utama menyediakan bot adalah agar pengguna dapat mengobrol seolah-olah ada individu yang duduk di belakang bot. Artinya, bot harus dapat memahami nuansa bahasa dan memberikan respons yang tepat.

Di Botpress, ada modul QnA yang memungkinkan Anda menjawab pertanyaan acak yang mungkin ditanyakan pengguna tentang produk. Anda dapat memberikan beberapa pertanyaan terhadap sebuah jawaban dan melatih mesin Botpress NLU untuk menetralkan pertanyaan terhadap semantik dan tata bahasa. Meskipun mesin NLU tidak sekuat Rasa, saya menemukan bahwa ini sesuai dengan tujuannya. Kami memiliki sekitar 110 jawaban untuk dilatih terhadap ~ 1100 pertanyaan. Setelah pelatihan, saya menemukan bahwa mesin NLU melakukan pekerjaan yang layak dan memberi kami jawaban yang benar lebih dari 97% waktu. Mesin Botpress NLU memanfaatkan 2 layanan -

a) Duckling - Untuk ekstraksi entitas sistem yang membuatnya lebih kuat selama implementasi tugas berdasarkan entitas dan slot (misalnya memesan pizza atau memesan tiket penerbangan).

b) Server Bahasa - Ini menyediakan kata embeddings dan memiliki dukungan untuk banyak bahasa.

Pengalihan Konteks - Transisi antara mengajukan pertanyaan Adhoc dan mengikuti alur terpandu harus mulus. Alurnya tidak boleh terlalu lama, berikan titik jeda bagi pengguna di mana ia dapat mengajukan pertanyaan dan kemudian kembali mengalir kapan pun diperlukan.

Dengan penggunaan fitur 'transisi lebar aliran' yang disediakan dalam Botpress, peralihan konteks antara tur terpandu dan pertanyaan acak dapat diimplementasikan dengan mudah. Juga, dari bagian tanya jawab, Botpress memberikan kemampuan untuk kembali ke node yang merupakan bagian dari tur terpandu sehingga membawa pengguna kembali ke tur terpandu.

Ada fitur lain dari Botpress seperti kemampuan multibahasa, Dockerization, Human In the loop, menggunakan NLU Pihak ke-3, integrasi SSO, Pengelompokan, Pemantauan dan Pengubahan, Dukungan komunitas yang kuat yang dapat membuat pengalaman keseluruhan lebih kuat.

Kesimpulan - Lain kali Anda ingin membuat bot pengetahuan dalam waktu singkat, pertimbangkan kerangka bot yang memanfaatkan mesin berbasis aturan dan mesin bertenaga NLU. Botpress adalah pesaing kuat untuk hal yang sama terutama jika biaya dan ROI merupakan faktor pengambilan keputusan.

Abhinav Ajmera

Ilmuwan Data Senior, Atos

Pendapat penulis bersifat pribadi dan penulis sama sekali tidak terkait dengan Botpress.

Source: https://chatbotslife.com/knowledge-bots-5536c16b8d32?source=rss—-a49517e4c30b—4