panuwat - stock.adobe.com
Amazon testet Chatbots auf Basis neuronaler Netzwerke
Amazon testet aktuell Bots auf Basis von neuronalen Netzwerken, um Kunden und Mitarbeitern bei der Rückerstattung und Auftragsstornierung zu unterstützen.
Amazon testet für seinen Kundenservice derzeit zwei Varianten von Chatbots auf Basis von neuronalen Netzwerken aus, insbesondere für die Abwicklung von Rückerstattungen und Auftragsstornierungen. Ein Amazon-Chatbot unterstützt Kunden bei diesem Prozess, der andere unterstützt Kundenbetreuer, indem er Antworten auf Kundenfragen vorschlägt.
Die Tests sind Teil der Einführung der Bots für den Amazon-Kundendienst, schreibt Jared Kramer, Manager für angewandte Wissenschaften in der Abteilung Customer Service Technical Management bei Amazon, in einem Blogbeitrag.
Chatbots, die auf neuronalen Netzwerken aufbauen, wie der kürzlich veröffentlichte Google Meena, haben das Potenzial, ein Gespräch zu beginnen und genauere Antworten zu geben als regelbasierte Bots. Regelbasierte Bot-Technologien, wie Salesforce Einstein und Amazon Lex, nutzen vordefinierte Geschäftsprozesse und die Sprache eines Benutzers, um skriptgesteuerte Antworten auf die von ihm erkannten Fragen anzubieten, typischerweise grundlegende Aufgaben wie das Zurücksetzen von Passwörtern oder Rechnungsanfragen. Diese Bots geben Dokumente aus einer Wissensdatenbank oder einer Websuche zurück, um zu versuchen, die Fragen zu beantworten.
Der Amazon-Chatbot kann theoretisch mehr Wörter analysieren, die der Kunde oder Agent in seinen Anfragen anbietet, und gibt menschenähnliche Antworten zurück, wenn er eine Rangfolge der möglichen Lösungen erstellt. Anstatt programmierte Antworten anzubieten, kann er, nachdem er auf mehr Daten trainiert wurde, einen Dialog generieren und komplexere Sprachmuster erkennen als regelbasierte Bots.
„Es ist schwierig zu bestimmen, welche Arten von Gesprächsmodellen andere Kundenservicesysteme ausführen, aber uns sind keine angekündigten Einsätze von durchgehenden, auf neuronalen Netzwerken basierenden Dialogmodellen, wie dem unseren bekannt“, schreibt Kramer. „Und wir arbeiten kontinuierlich daran, die Breite und Komplexität der Gespräche, die unsere Modelle führen können, zu erweitern, um die Kundendienstanfragen für unsere Kunden so effizient wie möglich zu gestalten.“
Templates Schlüssel zur schnelleren Bereitstellung
Anbieter erleichtern laut Vasupradha Srinivasan, Analyst bei Forrester Research, in die Regel die Bereitstellung ihrer Bots, indem sie Templates für allgemeine Zwecke wie den Kundendienst erstellen, so dass Benutzer, wenn sie einen bestimmten Chatbot erwerben, diesen nicht von Grund auf neu trainieren. Das Anpassen eines Template an den Wortschatz und die Prozesse eines bestimmten Unternehmens ist einfacher, wenn eine grundlegende, branchenspezifische Basis von Begriffen bereits vorhanden ist.
Das Hinzufügen eines neuronalen Netzwerks zum Mix mag für Endbenutzer nicht unbedingt wie ein großer Technologiesprung aussehen, sagt Srinivasan, doch sie können Gespräche effizienter machen.
„Wenn man heute Chatbots verwendet, stellt man fest, dass sie in Wirklichkeit Informationen aus einem Dokument mit häufig gestellten Fragen sortieren und eine Kopie der Antwort einfügen. Der Bot gibt Ihnen einen Link, wenn Sie weitere Fragen haben“, erläutert die Analystin. „Das ist kein Gespräch. Die Leute reden nicht so; es ist keine Antwort auf die Frage, die man gestellt hat. Es führt Sie nur dorthin, wo die Antwort verfügbar ist. Neuronale Netzwerke ermöglichen es Chatbots, Wörter auf der Grundlage von erlerntem Wissen zu generieren, das sie anwenden, während sie mit dem Benutzer sprechen.“
Auf der Website, auf welcher der Chatbot implementiert wird, können Templates in Verbindung mit neuronalen Netzen es für Benutzer einfacher machen, Varianten für andere Aufgaben im Kundenservice auszulagern, die über die Stornierung von Bestellungen und Rückgaben hinausgehen.
Die Ausgliederung eines gut ausgebildeten Chatbots für andere Aufgaben im Kundenservice ist für viele Unternehmen schwierig, da sie komplexe Absichten und Aktionen der Endbenutzer in ihrer anfänglichen Strategie nicht berücksichtigen, schrieb Srinivasan im Bericht How To Scale Your Chatbot, der im Dezember 2019 veröffentlicht wurde. Die meisten Chatbot-Einsätze leiden unter einem engen Fokus darauf, dass sie Anrufe und Gespräche lediglich umleiten, was sie daran hindert, breitere Anwendungsfälle zu untersuchen.
In seinem Blog-Beitrag geht Kramer nicht auf Pläne ein, die Amazon möglicherweise hat, um die Chatbots schließlich als AWS-Dienst einzuführen, wie man es von anderen Amazon-Tools wie den Machine-Learning-Service Amazon Personalize, kennt. Laut Gartner-Analyst Brian Manusama würde dies Sinn machen. Doch derzeit gibt es keine Anzeichen dafür.
