Чат-боты начинают объединяться в команды и разговаривать между собой

�ачем людям чат-боты

В последние 10 лет мобильные устройства превратились в мощный канал взаимодействия бизнеса и человека. Люди привыкли общаться друг с другом в режиме реального времени при помощи мессенджеров и ждут такой же возможности от бизнеса, говорит Антон Шебалкин, архитектор платформ развития бизнеса департамента «Операционная деятельность» компании «Диасофт». Это стимулирует развитие чат-ботов.

Тем не менее, людям все еще привычнее общаться с себе подобными. Поэтому от роботов они требуют максимальной схожести с реальным собеседником. Антон Шебалкин рассказал об эволюции чат-ботов от роботов, рассылающих уведомления, до контекстных помощников и, в будущем, персонализированных помощников и даже автономных организаций помощников, знающих все о клиенте и способных оказывать ему поддержку в самых разных областях.

Компания «Диасофт» предлагает платформу для создания контекстного чат-бота. Он способен принимать неструктурированную информацию по любому каналу, извлекать из нее сущности и намерения клиентов. Ядром системы является компонент «Управление диалогом», который помогает боту правильно реагировать на запросы. Главная особенность платформы - многоканальность. Она способна обрабатывать сообщения, поступающие из чатов на сайтах, колл-центров, социальных сетей, мобильных приложений, мессенджеров и пр. «Современному пользователю важны мгновенная адекватная обратная связь, доступность качественного сервиса в режиме онлайн, бесшовное взаимодействие и удобный интерфейс, - говорит Антон Шебалкин. - Использование ботов помогает повысить качество работы клиентской службы за счет правильно выстроенной маршрутизации входящих сообщений».

Одна из сфер применения чат-ботов -участие в работе кадровой службы. Полина Логинова, заместитель начальника Управления государственной службы и кадров Правительства Москвы, руководитель молодежных карьерных проектов, рассказала, как робот помогает в адаптации и развитии персонала.

Правительство Москвы ежегодно отбирает 200 студентов и выпускников ВУЗов для стажировки. Чат-бот отправляет им индивидуальную информацию о месте стажировки и наставнике, знакомит с куратором до начала вводного обучения, рассказывает о Правительстве Москвы и особенностях корпоративной культуры. В его обязанности входит получение обратной связи от участников. Стажеры оценивают ключевые события стажировки: обучение, первый рабочий день, рабочую неделю. Робот - это полноценный путеводитель не только по стажировке, но и по трудоустройству после ее завершения. Одновременно он помогает и в сборе от стажеров отчетных документов.

Источник: Управление государственной службы и кадров Правительства Москвы,

Еще одно направление - использование чат-бота в качестве элемента геймификации в программе развития руководителей. Робот помогает оценить настрой участников на старте и в конце программы, помогает при выгорании и проработке негатива, собирает обратную связь и идеи по программе.

В Трубной металлургической компании есть собственный чат-бот «Темка». Он помогает сотрудникам в режиме /7 и там самым способствует повышению их цифровой культуры, рассказал Игорь Хлебников, начальник Управления цифровых технологий Трубной металлургической компании. Сейчас с помощью бота подаются заявки в Service Desk, заказываются канцелярия, пропуски, собираются предложения по различным проектам в Бирже идей. Через чат-бот работает «горячая линия» Службы экономической безопасности, предоставляется всевозможная информация и т.д. Чат-бот постоянно учится на основе анализа взаимодействия с пользователями.

«Понятно, что любая компания инвестирует в цифровые технологии только тогда, когда от них есть отдача, - говорит Игорь Хлебников. - В случае с чат-ботом основной показатель эффективности - оптимизация использования рабочего времени за счет снижения трудозатрат на рутинные операции, поиск информации, изучение корпоративных процедур, а также сокращение времени подачи заявок». В основе бота - платформа Microsoft Asure, эмулятор Bot Framework. Он также интегрирован с корпоративным мессенджером.

В X Retail Group работает более 300 тыс. сотрудников. Как быстро донести до каждого из них необходимую информацию? Чтобы ответить на этот вопрос, в компании провели исследование и выяснили, что большая часть сотрудников относятся к поколению Y и Z, рассказал Юрий Пчелин, начальник управления поддержки корпоративных сервисов, X Retail Group. Эти поколения привыкли потреблять информацию быстро и структурно и отвыкли от таких неудобных инструментов, как, например, поиск по папкам.

В монолитной SAP-системе компании сделали встроенную интерактивную подсказку: ее можно вызвать в любой момент и получить консультацию по возникшим вопросам. Подобное решение, позволяющее осуществлять контекстный поиск, появилось и на внутреннем Web-портале.

В планах - создание интерактивных помощников. При этом ИТ-инфраструктура компании очень сложная, и далеко не все используемые в ней системы интегрированы между собой. По мнению Юрия Пчелина, в такой ситуации имеет смысл предоставить возможность ИТ-специалистам самостоятельно без программирования создавать интеграционные потоки и простую функциональность. В этом поможет чат-бот, который будет через RPA соединяться с разными системами, запрашивать у них информацию и предоставлять ее пользователям. Например, таким образом сотрудники смогут выяснить, почему им начислена именно такая заработная плата. Конечно, это будет происходить не в режиме онлайн, но все равно существенно быстрее, чем делается сейчас.

Владимир Хаванских, старший аналитик-разработчик центра компетенций по речевым технологиям «М.Видео-Эльдорадо», рассказал о чат-боте, помогающем клиентам совершать покупки в магазине. Создать такого бота можно двумя способами. Первый - вручную описать сценарий консультации с учетом экспертизы по каждому товару. Это очень трудоемкий процесс, применимый только по отношению к часто покупаемым товарам.

Источник: М.Видео-Эльдорадо,

Второй подход - обучение нейросети для генерации экспертных ответов на обращения. Однако для ее обучения требуются значительные массивы данных. Третий вариант- создать базу знаний (онтологию), которые будут использоваться для консультации. Именно по такому пути пошли в «М.Видео-Эльдорадо».

Для создания бота были проанализированы отзывы клиентов при покупке товаров, выделены ключевые фразы. Еще один источник информации - спецификации товаров от поставщиков. На основании этих данных был построен граф с вероятностными связями принадлежности характеристик и свойств товаров в рамках каждой товарной категории. Он используется в работе чат-бота. Виртуальный помощник постоянно совершенствуется: его ошибки анализируются, добавляются новые товарные категории и диалоговые сценарии.

Еще один кейс из сферы логистики. DPD занимается доставкой товаров как в постоматы, так и конечным пользователям. Понятно, что люди хотят видеть, что происходит с их посылками, иметь возможность удобной оплаты и возврата товара. В DPD существует специально выделенная группа операторов, которая обрабатывает более 1,5 млн обращений в год, поступающих через чат-бота, рассказал Иван Киселев, владелец продукта управления по цифровым продуктам и интернет-маркетингу DPD в России. Чат-бот был запущен в начале 2020 г. Основная его задача - сокращение числа обращений к операторам. На сегодняшний день бот обрабатывает 90% входящих сообщений.

Иван Киселев рассказал о проблемах, которые возникают при оценке эффективности бота. Дело в том, что около 80% обращений клиентов закрываются по причине Session timeout. То есть сессия не была закрыта, не была переведена на чат с человеком, а закрылась по таймеру ожидания. При более тщательном анализе таких сессий удалось выявить целый ряд ошибок, которые совершает бот.

Источник: DPD в России,

В результате было принято решение в конце каждой сессии спрашивать у клиента, решен ли его вопрос, и в случае необходимости переводить его на оператора. На основе анализа этих диалогов происходит дальнейшее совершенствование чат-бота.

О голосовых помощниках в контактных центрах рассказал Илья Щиров, исполнительный вице-президент, руководитель развития чат-канала и чат-ботов Райффайзенбанка. Сегодня более половины обращений в банк обрабатывается роботом. Для распознавания речи используется облачный Yandex SpeechKit. Разработка решения началась в прошлом году, и уже через 3 месяца был запущен первый пилот, в ходе которого робот отвечал на общие вопросы, например, о курсах валют. Было обработано почти 10 тыс. звонков, из них 24% закрыто без участия оператора.

Анализ этих звонков показал, что около 5% ответов бота были ошибочными. После доработки удалось сократить эту цифру до 1%. Сейчас бот может ответить на вопросы по более чем 200 темам. Чат-бот был хорошо воспринят клиентами - около 70% из них продолжили общение после того, как поняли, что на другом конце провода не человек, а робот. На сегодняшний день 30% звонков в контактный центр банка закрывается без оператора.

При создании человекоподобных помощников не обойтись без машинного обучения. В МКБ они используются, в частности, в сфере ИТ-поддержки, тестирования сервисов, в сфере HR, в работе контакт-центров и коллекторов, рассказал Дмитрий Литвинов, ИТ-бизнес-партнер департамента развития технологий банковских процессов ИТ-дирекции Московского кредитного банка.

В списке основных задач разработчиков ботов обеспечение быстроты поиска вариантов ответов и «человекоподобие» робота, в том числе возможность имитации эмоций при коммуникации. «Если у клиента сложный вопрос, на который он хочет получить ответ от банка, он, как правило, будет говорить с оператором, потому что ему необходима эмоциональная реакция», - говорит Дмитрий Литвинов.

В последнее время крупные финансовые компании активно занимаются созданием электронных помощников. Однако снизить затраты на колл-центры или работу службы продаж таким образом вряд ли удастся, уверен Ярослав Кабаков, директор по стратегии ИК «Финам». «Финансовые услуги сильно персонифицированы. Чаще всего клиент требует от чат-бота соединить его с реальным человеком», - говорит он.

Кроме того, многие банки пытаются составлять риск-профили клиентов, в том числе на основе его ответов на поставленные вопросы. «Финам» разработала список из 56 таких вопросов, и доверить провести опрос по ним чат-боту невозможно. Ярослав Кабаков также усомнился в том, что робот сможет подобрать для клиента наиболее интересный ему финансовый продукт - по его мнению, это задача по силам только квалифицированному менеджеру.

Как чат-бот может завоевать лояльность клиента? Наталья Балыбердина, руководитель направления развития цифровых каналов обслуживания «Альфа-Банк», рассказала о 2-летнем опыте превращения робота в интеллектуального помощника. Сегодня он участвует в 62% диалогов и полностью закрывает 42% из них. «Очень важно постоянно собирать и обрабатывать живые фразы для обучения чат-бота», - напомнила Наталья Балыбердина. Однако этого мало. В какой-то момент возникает ситуация, когда рост числа интентов приводит к тому, что число компонентов NLP-модели становится огромным. И управлять ими надо совершенно иначе.

Столкнувшись с такой ситуацией, в «Альфа-Банке» разделили все интенты на пулы, и за каждым из них закрепили сценариста. Это позволило выявить проблемы, на которые раньше никто не обращал внимания. Теперь каждый сценарист отрабатывает данные своего пула и принимает решения, исходя из собственного опыта. После этого он отслеживает полученный результат и при необходимости берет интент в работу снова.

Клиенты общаются в банк по разным каналам и периодически возвращаются для того, чтобы продолжить диалог. В ответ на это в «Альфа-Банке» реализовали возможность отслеживать и анализировать контекст диалога: теперь чат-бот принимает во внимание, когда и по какому поводу клиент взаимодействовал с банком в последний раз.

Еще одна особенность - возможность оценки вопроса клиента в контексте его речи. Например, словосочетание «открыть карту» в зависимости от ситуации может означать «открыть счет», «разблокировать карту», «выпустить карту» и т.д. Наталья Балыбердина также отметила необходимость персонализации предоставляемых клиенту данных. «Главная ошибка - наращивать количество тематик, не погрузившись в фразы клиентов», - заключает она.

Аркадий Сандлер, эксперт в области разработки искусственного интеллекта, напомнил, что чат-бот должен максимально походить на человека. «В любом диалоге есть контент, контекст и инициатива. При этом на контент приходится менее 50% значимости. А значит, надо уметь управлять контекстом пользователя и собственным контентом, который влияет на контекст диалога. А для этого надо правильно задавать вопросы», - говорит он.

Сложные чат-боты не всегда нужны - для решения большинства задач достаточно простых решений. Однако некоторые пользователи стремятся поговорить с ботом не только по узкоспециализированным вопросам, но и на более широкие темы. И здесь компании надо решать, готова ли она обеспечивать им эту возможность. По мнению эксперта, будущее - за созданием специализированных ботов, которые будут управляться мастер-ботом. «Скоро боты будут разговаривать между собой на нашем языке», - уверен Аркадий Сандлер.