){kind=small}
Eine Fibel für Entwickler zur KI-Terminologie
Lesedauer: 5 Minuten
Wenn Sie als Entwickler an Technologien für die Kundenkommunikation arbeiten, haben Sie sich sicherlich schon mit der Frage beschäftigt, wie KI Ihre Produkte verbessern kann. Und während Ihrer Recherche haben Sie vielleicht auf Ihre CS-Kurse zurückgeblickt und sich gefragt, ob die KI, über die heute gesprochen wird, dasselbe ist, woran Informatiker in den letzten Jahrzehnten gearbeitet haben.
Im Folgenden werde ich den Marketing-Hype um KI durchbrechen, indem ich die verschiedenen Begriffe definiere, die verwendet werden. Es gibt eine Menge nützlicher neuer Technologien, die das Kundenerlebnis verbessern und die Kundenkommunikation effizienter gestalten können. Aber um das zu erreichen, müssen wir uns darüber im Klaren sein, womit wir es zu tun haben. Beginnen wir mit Bots.
Bots haben eine lange Geschichte in der Computerwelt. Es handelt sich dabei um automatisierte Tools, die ihre Aufgaben ohne menschliche Hilfe erledigen: man denke nur an Suchmaschinen-Webcrawler, IRC-Autoresponder und sogar an Nicht-Spieler-Charaktere in Videospielen. Vielleicht haben Sie selbst schon ein oder zwei geschrieben.
Wenn man in diesem Zusammenhang an Bots denkt, ist es offensichtlich, dass KI für die meisten von ihnen nicht notwendig ist. Ähnlich verhält es sich mit Bots, die wir in der Kundenkommunikation finden. Die Bots, die in einem Atemzug mit KI genannt werden, sind in der Regel Konversationsschnittstellen.
Nehmen Sie Domder Kundenservice von Domino's. Dom "spricht" mit dem Kunden über die Bestellung, die Bezahlung und die Lieferung, aber nichts, was er tut, ist intelligent. Das Problem bei allen heute verwendeten Bots ist, dass es sich eher um Entscheidungsbäume als um KI handelt. Und natürlich ist ein Entscheidungsbaum eigentlich nur eine kleine Anweisung: Wenn das passiert, dann mach das.
Entscheidend ist, dass die Bots, die wir heute im Einsatz sehen, nicht lernfähig sind. Irgendwann könnte eine Ihrer Führungskräfte Ihr Team auffordern, einen Bot zu entwickeln, der menschliche Contact Center-Agenten ersetzen kann. Das Problem dabei: Die heutigen Bots sind nur so gut wie die Daten, mit denen Sie sie füttern. Unser Pizza-Bot kann zum Beispiel nicht auf die Kaufhistorie eines Kunden zurückblicken und ihm auf intelligente" Weise ein Sonderangebot machen, es sei denn, ein Mensch hat ihn so programmiert. Wenn dieser Entscheidungsbaum die spezifische Situation nicht abdeckt, müssen Sie sich an einen Menschen wenden oder den Kunden enttäuschen.
Das macht Bots aber nicht weniger nützlich, und sie nutzen tatsächlich KI. KI-Techniken ermöglichen es Bots, gesprochene Sprache in Text umzuwandeln und diesen Text dann zu analysieren, um die Bedeutung zu ermitteln.
Eine solche dialogorientierte Schnittstelle bedeutet, dass wir Kunden in viel mehr Situationen die Möglichkeit geben können, sich selbst zu bedienen. Während dies heute weitgehend auf das Web oder das Handy beschränkt ist, eröffnen Bots mehr Kanäle, darunter WhatsApp, SMS, Facebook Messenger, Slack und so weiter, sogar Voice ohne die Hilfe eines menschlichen Agenten.
Was also ist KI im Kontext der Kundenkommunikation? Wenn Sie formal Informatik studiert haben, dann denken Sie bei KI wahrscheinlich an den Turing-Test. Sie kennen auch die Unterscheidung zwischen starker und schwacher KI:
Starke KI: eine echte Intelligenz, die in der Lage ist, selbständig zu denken (z. B. Data in Star Trek).
Schwache KISchwache KI: Software, die intelligenzähnliche Techniken einsetzt, um über die Grenzen dessen hinauszugehen, was der Entwickler programmiert hat.
Die künstliche Intelligenz, die wir in der Kundenkommunikation sehen, gehört eindeutig zum zweiten Typ und ist in der Regel eines von zwei Dingen: ein statistisches Modell oder ein neuronales Netz. Beide Ansätze nehmen eine Eingabe auf und erzeugen eine Ausgabe, die eine beste Schätzung ist. So kann eine KI beispielsweise eine Audiodatei als Eingabe erhalten und eine textbasierte Schätzung der darin enthaltenen gesprochenen Wörter erstellen. Diese besten Schätzungen sind in der Regel ziemlich genau, dank einer großen Menge an maschinellem Lernen - mehr dazu weiter unten. Wenn man die daraus resultierende Transkription in einen Entscheidungsbaum einspeist, erhält man eine Sprachschnittstelle für einen Bot.
Der Punkt ist, dass moderne KI Algorithmen sind, die gut darin sind, Vermutungen anzustellen, und sie stellen so viele Vermutungen in so kurzer Zeit an, dass sie anscheinend sehr schnell selbst lernen. Selbst DeepMind von Google verhält sich ähnlich. Wenn DeepMind Go spielt, nimmt es den aktuellen Stand des Brettes, schaut sich Züge an, die in der Vergangenheit gut funktioniert haben, und rät, was wahrscheinlich der beste Zug ist, den es machen kann.
Als Entwickler müssen wir darauf achten, dass wir die Erwartungen an die heutigen KI-Funktionen nicht zu hoch schrauben. Denken Sie daran, dass selbst die besten Bot-Plattformen noch nicht lernen können, wie sie bessere Bots werden können.
Während unsere Kollegen vielleicht erwarten, dass wir in der Lage sein werden, weitgehend automatisierte Kontaktzentren zu schaffen, ist es unsere Aufgabe als Entwickler, zu zeigen, dass KI eine nützliche Technik ist, aber dass wirklich intelligente Maschinen noch in weiter Ferne liegen.
Das maschinelle Lernen wird fast genauso oft erwähnt wie die KI, und es ist eine der Techniken, die die KI ermöglichen. Vorhin habe ich statistische Modelle und neuronale Netze erwähnt. Bei beiden Ansätzen müssen Datenwissenschaftler einen großen Datenbestand zusammenstellen, der als Trainingsmaterial dient.
Im ersten Fall müssen die Wissenschaftler statistische Modelle auswählen und optimieren, um die bestmöglichen Schätzungen für die Daten zu erhalten. Im zweiten Fall werden die Daten kontinuierlich in ein neuronales Netz eingespeist, so dass jede Iteration die Leistung und Genauigkeit des Algorithmus verbessert. Der Prozess der Entdeckung und Verbesserung des zugrundeliegenden Schätzmodells wird als maschinelles Lernen bezeichnet.
Kurz gesagt, ML ist ein Verfahren zum Trainieren von KI.
Und nun zu den Assistenten: Alexa, Siri, Cortana und Google Assistant, um nur einige zu nennen.
Im Gegensatz zu Bots, die sich auf eine einzige Aufgabe und einen ziemlich starren Ablauf dieser Aufgabe konzentrieren - z. B. die Bestellung einer Pizza, bei der man mit dem Boden beginnt, zum Belag übergeht und dann die Beilagen bestellt -, kombiniert ein Assistent die Techniken, die wir hier behandeln, um eine einheitliche Schnittstelle zu mehreren Diensten zu schaffen.
Er nutzt also KI-Techniken, um gesprochene Sprache in Text umzuwandeln, den er dann mit einer anderen KI-basierten Technik namens Natural Language Understanding analysiert. Der Assistent stellt dann eine Verbindung zu den Bots her, die die jeweilige Aufgabe erfüllen sollen, z. B. eine Schnittstelle zu einem Pizzabestell-Bot. Auf die gleiche Weise könnte er Ihren Thermostat hochdrehen, den günstigsten Flug von Bristol nach Amsterdam finden und Ihnen sagen, was in Ihrem örtlichen Theater gespielt wird.
In der Kundenkommunikation können wir die großen Assistenten nur als einen weiteren Kanal nutzen, über den die Kunden unsere Dienstleistungen in Anspruch nehmen können. Wir können jedoch auch alle hier behandelten Techniken nutzen, um neue Kanäle speziell für unsere eigenen Unternehmen zu entwickeln. Wie wäre es zum Beispiel, wenn wir einen eigenen Assistenten entwickeln würden, der über unsere mobilen Apps oder unsere Kundendienstleitungen verfügbar wäre?
Auch wenn die Erwartungen nicht immer mit der Realität übereinstimmen, verbessern künstliche Intelligenz, maschinelles Lernen, Bots und virtuelle Assistenten bereits die Art und Weise, wie wir mit Kunden kommunizieren. Sicherlich gibt es einen gewissen Hype, aber es ist aufregend, an der Schwelle zu einer solch enormen Veränderung zu stehen, nicht nur in der Kundenkommunikation, sondern auch in der Art und Weise, wie Menschen mit Computern im Allgemeinen arbeiten.
Als Entwickler ist es unsere Aufgabe, den schmalen Grat zwischen der Unterstützung unserer Kollegen beim Verständnis der Realitäten dieser neuen Technologien und dem Vorausdenken, wie wir sie nutzen können, um etwas Revolutionäres zu schaffen, zu beschreiten. Und in zehn, vielleicht fünf Jahren werden wir vielleicht zurückblicken und uns fragen, wie wir jemals ohne KI-Techniken mit Kunden kommuniziert haben.