Bots de conhecimento

No início deste ano, tive a tarefa de criar um conhecimento focinho para uma plataforma de nível empresarial. Os usuários eram principalmente os funcionários da organização e a intenção era utilizar o conhecimento focinho para compartilhar a oferta e o uso da plataforma.

Existem muitas estruturas no mercado (cada uma com seus prós e contras), portanto, é muito importante selecionar a estrutura certa, dependendo do tipo de bot que você pretende criar. No caso de criação de bots de conhecimento, os requisitos típicos são –

1. O objetivo principal do conhecimento focinho é fornecer as informações sobre a oferta por meio de um chat guiado. Se o usuário desejar, ele poderá sair do chat guiado e fazer perguntas ad hoc sobre a oferta e voltar ao chat guiado.

2. O bot de conhecimento deve ser capaz de realizar tarefas simples, como agendar uma demonstração do produto.

3. O bot de conhecimento deve fornecer as informações corretas sobre o domínio selecionado (neste caso, oferta de plataforma) corretamente na primeira vez, em vez de cobrir um domínio muito amplo com respostas que estão entre 70 e 80% corretas.

4. Embora deva fornecer a capacidade de executar NLU e compreender as solicitações do usuário, a criticidade geral dessas solicitações é limitada. Como tal, geralmente há pouca necessidade de bate-papo contextual para o caso de bot de conhecimento.

Comecei a avaliar os frameworks de chatbot disponíveis no mercado nos parâmetros de custo, flexibilidade, facilidade de uso, facilidade de manutenção, escalabilidade, facilidade de desenvolvimento, extensibilidade futura, integração, suporte da comunidade e me concentrei em 2 plataformas abaixo –

i) Rasa — “Rasa é a plataforma líder de IA conversacional, para conversas personalizadas em grande escala. Com o Rasa, todas as equipes podem criar interações personalizadas e automatizadas com os clientes, em grande escala. A Rasa fornece a infraestrutura e as ferramentas necessárias para construir os melhores assistentes – aqueles que transformam significativamente a forma como os clientes se comunicam com as empresas.” – do site da Rasa.

— Recursos importantes incluem —

• Baseado em NLU, o mecanismo NLU padrão fornecido é de código aberto.
• Vem com código aberto (recursos limitados) e licença empresarial paga (mais recursos).
• Criação de Chatbots mais voltados para Desenvolvedores.
• Suporta recursos avançados como chamada de API externa, identificação de intenção, preenchimento de slot, etc.
• Pode ser incorporado ao site. Implantação no local/nuvem. A criação de chatbots usando histórias e dados de treinamento (orientados ao desenvolvedor) não ocorre por meio de uma estrutura GUI baseada na web.
• Bom suporte da comunidade.
• A plataforma é construída em torno de IA, sendo os dados de treinamento fundamentais para melhorar o desempenho. Não é um fluxo baseado em uma caixa preta.

ii) Botpress — “Botpress é uma plataforma de código aberto para desenvolvedores criarem assistentes digitais de alta qualidade. Reunimos o código padrão e a infraestrutura de que você precisa para colocar um chatbot em funcionamento. Propomos a você uma plataforma completa e amigável ao desenvolvedor que vem com todas as ferramentas que você precisa para construir, implantar e gerenciar chatbots de nível de produção em tempo recorde.” – do site Botpress.

— As características principais incluem –-

• Baseado em NLU, o mecanismo NLU padrão fornecido é de código aberto.
• Vem com código aberto (recursos limitados) e licença empresarial paga (mais recursos).
• Criação de Chatbots baseada em GUI.
• Suporta recursos avançados como chamada de API externa, identificação de intenção e entidade, preenchimento de slot, etc.
• Pode ser incorporado ao site. Implantação no local/na nuvem, mas fornece interface da web.
• Bom suporte da comunidade.
• Principalmente baseado em fluxo com suporte para capacidade NLU. Suporte e controle do depurador.

O principal ponto forte do Rasa está em seu mecanismo NLU e na experiência de bate-papo contextual que ele oferece. Por contextual, quero dizer que cada entrada do usuário é considerada no contexto da conversa em andamento e depois respondida. No entanto, treinar o bot para acertar essas conversas requer muitos esforços, computação e habilidades e, à medida que o domínio da conversa aumenta, o número total de histórias necessárias para serem escritas aumenta exponencialmente.

Por outro lado, o Botpress usa uma combinação de IA e mecanismo baseado em regras para criar a experiência de bate-papo para o usuário. Não é tão forte na conversa contextual, mas possui uma rica oferta de GUI para fornecer informações guiadas.

Embora fosse um Cientista de Dados Sênior, minha ideia inicial foi optar pelo Rasa (você sabe que a oferta contextual de IA parece atraente), mas depois de avaliar os prós e os contras em relação à tarefa em questão, descobri que o Botpress é mais adequado para criar bot de conhecimento com combinação de visita guiada baseada em regras e perguntas ad hoc baseadas em NLU (recurso QnA do Botpress), dada a restrição de tempo e recursos que normalmente temos em projetos de TI.

Abaixo estão os recursos que os desenvolvedores do bot do Knowledge devem observar na estrutura do bot. Também mencionei como o Botpress cumpre isso.

1. Relatório de tendências do Chatbot 2021

2. 4 O que fazer e 3 o que não fazer para treinar um modelo de PNL do Chatbot

3. Concierge Bot: lida com vários chatbots a partir de uma tela de bate-papo

4. Um sistema especialista: Conversational AI Vs Chatbots

Facilidade de desenvolvimento — Com que rapidez você consegue colocar uma versão básica do seu bot de conhecimento em funcionamento. Requer um conjunto de habilidades muito especializado ou até mesmo os cientistas de dados cidadãos podem trabalhar com ele? É fácil fazer uma reformulação da marca do bot?

Com o Botpress, você pode colocar um bot de conhecimento básico em funcionamento usando sua GUI, sem absolutamente nenhuma codificação, em algumas semanas. Ele também oferece uma maneira simples de marcar o bot, apenas alterando a folha de estilo. Ele fornece widgets como cartões e carrossel para compartilhar as informações de uma maneira rica em GUI.

Moderna — Os bots precisam sempre estar integrados ao portal principal e também devem suportar outros canais (por exemplo, Microsoft Team). Ao selecionar a estrutura do bot, devemos ver se essas integrações são fornecidas nativamente e podem ser feitas com o mínimo de esforço.

No Botpress, a integração com o site principal é muito fácil com apenas um script para abrir o bot em um iframe. Também oferece integração com outros canais como Facebook, Telegram, Microsoft Teams e Slack, para citar alguns.

Extensibilidade Futura — Embora o bot de conhecimento inicial possa começar com um escopo limitado, o fato é que o escopo continuará aumentando assim que a gestão perceber seus benefícios. O bot pode não estar mais limitado a fornecer informações, mas também deverá realizar tarefas mais simples, como reservar uma demonstração, etc. Portanto, é importante que a estrutura do bot selecionada tenha suporte para esses recursos.

Botpress fornece extensões para escrever código personalizado para chamar APIs de back-end para executar tarefas complexas. Os recursos como Intenção, Entidade e slots são usados ​​para capturar a intenção do usuário de realizar uma tarefa específica, identificando a Entidade correta, capturando os valores necessários usando slots e, em seguida, fazer com que seu código personalizado chame a API de back-end para executar as tarefas. Essas tarefas podem variar desde enviar um e-mail até reservar uma sala de conferências, uma passagem aérea ou pedir uma pizza.

AMPLIAR — Freqüentemente, você seria obrigado a construir o bot de conhecimento para o tráfego da Internet e, portanto, é muito importante que a estrutura do bot selecionada possa ser dimensionada.

Botpress tem uma arquitetura escalonável horizontalmente baseada em cluster. Pode-se aproveitar um balanceador de carga para distribuir o tráfego entre os bots.

Manutenção — Tal como acontece com todos os projetos de TI, nunca é um cenário de implantar e esquecer. Vivemos no mundo do DevOps onde há uma implantação contínua da aplicação na produção. Portanto, é de suma importância que a estrutura do bot tenha um modelo que lide com escala e complexidade, especialmente quando você está procurando um desenvolvimento baseado em GUI.

No Botpress o desenvolvimento acontece por meio da criação de um fluxograma, a estrutura é modular. Tem a capacidade de criar subfluxos com pontos de entrada e saída definidos para o subfluxo. Dessa forma, podemos criar bots de conhecimento usando muitos fluxos menores e mais simples, em vez de um grande fluxo.

NLU — Embora o fluxo guiado seja bom para fornecer informações, só isso não é suficiente. A principal intenção de fornecer um bot é que o usuário possa conversar como se houvesse um indivíduo sentado atrás do bot. Isso significa que o bot deve ser capaz de compreender as nuances da linguagem e fornecer uma resposta adequada.

No Botpress, existe um módulo QnA que permite responder a perguntas aleatórias que o usuário possa fazer sobre o produto. Você pode fornecer várias perguntas em relação a uma resposta e treinar o mecanismo Botpress NLU para neutralizar as perguntas em relação à semântica e à gramática. Embora o mecanismo NLU não seja tão poderoso quanto o do Rasa, descobri que ele se adapta ao propósito. Tivemos cerca de 110 respostas para serem treinadas em cerca de 1100 perguntas. Após o treinamento, descobri que o mecanismo NLU fez um trabalho decente e nos deu as respostas certas em mais de 97% das vezes. Os mecanismos Botpress NLU fazem uso de 2 serviços –

a) Patinho — Para extração de entidades do sistema que o tornam mais robusto durante a implementação de tarefas baseadas em entidade e slots (por exemplo, pedir uma pizza ou reservar uma passagem aérea).

b) Servidor de idiomas - fornece embeddings de palavras e tem suporte para vários idiomas.

Mudança de contexto — A transição entre fazer perguntas ad hoc e seguir um fluxo guiado deve ser perfeita. Os fluxos não devem ser muito longos, forneça pontos de interrupção ao usuário onde ele possa tirar as dúvidas e depois voltar ao fluxo sempre que necessário.

Com o uso do recurso de ‘transições amplas de fluxo’ fornecido no Botpress, a alternância de contexto entre um tour guiado e perguntas aleatórias pode ser implementada facilmente. Além disso, na seção de perguntas e respostas, o Botpress permite voltar a um nó que faz parte da visita guiada, levando o usuário de volta à visita guiada.

Existem outros recursos do Botpress, como capacidade multilíngue, Dockerização, Human In the loop, uso de NLU de terceiros, integrações SSO, clustering, monitoramento e alteração, forte suporte da comunidade que pode tornar a experiência geral mais robusta.

Resumo — Da próxima vez que você quiser criar um bot de conhecimento em um curto espaço de tempo, considere uma estrutura de bot que aproveite os mecanismos baseados em regras e os motores NLU. Botpress é um forte candidato ao mesmo, especialmente se o custo e o ROI forem um fator de tomada de decisão.

Abhinav Ajmera

Cientista de Dados Sênior, Atos

A opinião do autor é pessoal e o autor não está de forma alguma associado ao Botpress.

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