Jak stworzyliśmy inteligentnego asystenta dla działów sprzedaży. Case study Edward.ai

Z drugiej strony stale powiększająca się liczba danych i procesów niejako wymusza to skomplikowanie i sprawia, że trudno zapanować nad biznesem bez udziału nowoczesnego software.

Inteligentny asystent

Tworząc nową firmę postanowiliśmy wykorzystać fakt dynamicznego rozwoju segmentu uczenia maszynowego i połączyć te algorytmy z naturalnym interfejsem konwersacyjnym. Oznacza to, że chcieliśmy stworzyć inteligentnego asystenta, który komunikował się będzie z użytkownikami w formie interfejsu „chatowego”, a przy tym będzie na tyle mądry, aby uczyć się w sposób automatyczny zachowań użytkowników. W ten sposób powstał Edward – inteligentny asystent dla działów sprzedaży.

Szukając analogii do innych projektów możemy powiedzieć, że Edward działa w podobny sposób jak Siri, Cortana, czy Google Assistant, jednak skupia się na jednej konkretnej dziedzinie, na której zna się najlepiej.

Wierzymy, że ten sposób tworzenia aplikacji zrewolucjonizuje sposób w jaki korzystamy z oprogramowania biznesowego. Lubimy myśleć o tym segmencie porównując jego etap rozwoju do wczesnych stron internetowych. Już wkrótce możliwości tego typu asystentów mogą być nieograniczone, ale obecnie jesteśmy jeszcze na początku drogi.

Projektowanie konwersacji

Rozpoczynając prace przyjęliśmy pewne założenia: nasz system powinien dać użytkownikom nowe narzędzia do wsparcia sprzedaży oraz mieć łatwy w użyciu interfejs, a po integracji z e-mailem i telefonem umożliwić analizę komunikacji i wyciąganie wniosków dotyczących działań z klientami. Dlatego też, zgodnie z trybem realizacji dotychczasowych projektów rozpoczęliśmy pracę od spotkań z potencjalnymi klientami, narysowania dziesiątek makiet i stworzenia prototypów interfejsu.

Natomiast mając już gotowe grafiki doszliśmy do wniosku, że w miejscu do którego chcemy dojść nie będziemy ich tak naprawdę potrzebować. Tworząc aplikację, która ma wykorzystywać „naturalny” interfejs konwersacyjny nie zawsze będziemy mieli pełną kontrolę nad jej wyglądem. Docelowo kanałem komunikacji z użytkownikiem może być chat typu Messenger, aplikacja Slack, czy inny system wykorzystywany w danej organizacji. Dlatego większość prototypów wylądowała w koszu, a my zwróciliśmy się w kierunku narzędzi, które pozwoliły nam zaprojektować inteligentne scenariusze konwersacji. Takie, które będą dobrze „wyglądać” niezależnie od końcowego kanału używanego przez użytkownika.

Udawanie człowieka

Kolejną kwestią jest udawanie prawdziwej rozmowy z człowiekiem. Chcieliśmy, aby nasz asystent miał osobowość, ale mając świadomość, że jak dotąd boty raczej denerwują użytkowników swoją „inteligencją” musieliśmy nałożyć na Edwarda pewne ograniczenia. Zdecydowaliśmy, że prace związane ze sztuczną inteligencją skoncentrujemy na analizie danych i wyciąganiu prawidłowych wniosków, a nie na rozumieniu ludzkiej mowy. Próbując stworzyć asystenta, który byłby jak człowiek zabrnęlibyśmy w ślepą uliczkę. Zależało nam na tym, aby wygenerować wartość w postaci porad i wniosków, a nie powodować frustracji użytkownika, który walczy z nierozumiejącym go programem.

Bardzo ważną kwestią jest także odpowiednie wprowadzenie klientów do aplikacji i świadomość tego, w jakich obszarach możemy im pomóc. Jeżeli będziemy próbować na siłę udawać prawdziwą konwersację, to człowiek będzie oczekiwał od asystenta ludzkich zachowań i inteligentnych rozmów. Na to w obecnej chwili nie jesteśmy jeszcze gotowi, dlatego zdecydowaliśmy się na użycie interfejsu „hybrydowego”, który łączy konwersację, sugerowanie akcji na przyciskach oraz inne elementy multimedialne ułatwiające korzystanie z systemu.

Kontekst i dane

Największą wadą większości chatbotów i asystentów jest brak odpowiedniej wiedzy o użytkowniku. Dlatego jednym z wielu wyzwań w obszarze kontekstu jest zdobycie wystarczającej ilości informacji, tak aby można ją było przetwarzać i analizować. Zależało nam na tym, aby uniknąć dopytywania o każdą drobną rzecz, ponieważ asystent miał być inteligentny, a nie uciążliwy. Musimy starać się zbierać dane w tle, bez zbytniego angażowania użytkownika.

Kolejnym obszarem jest wykorzystanie tych danych w odpowiedni sposób i w odpowiednim momencie. Oznacza to, że nawet jeżeli wyciągnęliśmy dobre wnioski, to jeżeli zakomunikujemy je w złym momencie (na przykład gdy użytkownik jest na spotkaniu, lub jedzie samochodem), to korzyść z nich będzie żadna. Powinniśmy również badać zachowanie użytkowników i ich reakcje, tak aby lepiej dopasowywać przyszłe komunikaty.

Kontekst działań jest też bardzo dynamiczny – każda chwila może go zmieniać w znaczącym stopniu (np. wyjście z biura i powrót do domu to krytyczna zmiana kontekstu i w takim przypadku użytkownik oczekuje innego rodzaju komunikatów).

Efekty

Rozpoczynając pracę nad Edwardem pierwotnie planowaliśmy wykorzystać gotowe komponenty, żeby jak najszybciej stworzyć działający prototyp. Okazało się, że nie jest to takie proste. Wprawdzie istnieją platformy do budowy tzw. chatbotów, ale inteligentny asystent funkcjonuje w dużo bardziej złożonym środowisku. Nie wystarczy nam możliwość rozmowy z naszym użytkownikiem. Najważniejszy jest szeroki kontekst tego w jaki sposób korzysta on z naszej aplikacji, a większość platform, albo go nie zbiera, albo nie udostępnia.

Dlatego metodą prób i błędów udało nam się stworzyć własne oprogramowanie umożliwiające tworzenie inteligentnych asystentów dla różnych branż. Składa się na nią wielojęzykowa platforma do budowy interaktywnych „rozmów”, system do wydajnego przetwarzania dużych zbiorów danych (big data) oraz modele do automatycznej klasyfikacji danych w oparciu o machine learning. Właśnie na bazie tej platformy powstał Edward.

Od strony interfejsu postanowiliśmy skupić się na wygodzie użytkownika, a nie na konieczności rozumieniu języka naturalnego. Dlatego Edward nie jest typowym chatbotem. Używa interfejsu konwersacyjnego, ale nie wymuszamy na użytkownikach wprowadzania danych, pytań lub komunikatów. W zamian sugerujemy odpowiedzi na podstawie kontekstu i pozwalamy na szybki wybór z predefiniowanej listy. Ma to niebagatelne znaczenie, szczególnie w przypadku korzystania z wersji mobilnej.

Od strony produktowej badając reakcje użytkowników chcemy wprowadzać nowe scenariusze działania, które będą coraz lepiej wspierać proces sprzedażowy. Ponadto zakładamy, że system tego typu nie może być projektem zamkniętym, dlatego przewidzieliśmy możliwość integracji z zewnętrznym oprogramowaniem i na rozwoju tych integracji będziemy skupiać się w pierwszej kolejności. Rozmawiamy również z kilkoma dostawcami rozwiązań SAAS w zakresie wykorzystania naszego rozwiązania jako uzupełnienia oferty dla ich istniejącej bazy klientów. Planujemy testować takie możliwości realizując testowe wdrożenia, także poza granicami Polski.

Zdajemy sobie sprawę, że tworząc tego typu projekt dotykamy wielu interesujących, wcześniej niespotykanych zagadnień. Dlatego tym bardziej zapraszamy wszystkich zainteresowanych tematyką sztucznej inteligencji, botów, interfejsów konwersacyjnych i asystentów do wymiany opinii i dyskusji.

–

Tomasz Wesołowski

CEO & co-founder w 2040.io

W branży internetowej działa od 2000 roku, m.in. jako założyciel i dyrektor zarządzający Empathy Internet Software House, a następnie członek zarządu w Grupie Unity (odpowiedzialny za pion marketingu i komunikacji oraz HR). Obecnie jako CEO firmy 2040.io zaangażowany jest w projekt budowy inteligentnego asystenta dla działów sprzedaży o imieniu Edward. Współorganizator spotkań z cyklu A.I. meetup dla fanów sztucznej inteligencji.