В данной статье рассматриваем вид B2B модели.
Для обычного обывателя, не связанного с миром IT, AI, ML и прочего, попробую объяснить на наиболее простом уровне, чтобы возникла картина как это может применяться и зачем.
Какие потребности у "бизнеса-клиента"?
Бизнес всегда желает сократить издержки, а именно отдать полезные накопившиеся данные, и получить обратно "волшебную пилюлю", которая поможет автоматизировать процессы, тем самым позволяя бизнесу сократить штат людей, сэкономить средства и направить их в более "креативное русло", под слоганом: "Люди - не для рутины, а для генерации идей. Автоматизируем все, до чего дотянемся."
Рассмотрим реальный пример, (здесь не будет информации про компании гиганты вроде Apple, Microsoft имеющих ресурсы для поддержания целого департамента высококлассных специалистов в области работы с Искусственным Интеллектом и создания собственных решений. Речь больше про стартапы, которые не могут себе этого позволить, но тем не менее они подхватили волну и стараются стать популярными и предложить свои решения) как это происходит:
Приходит представитель компании ООО "Техподдержович". В этой компании имеются ценные (в основном) текстовые данные, полученные после взаимодействия тех. поддержки с реальными клиентами (будь то покупатели машин, или очков, или авиабилетов), и его задача в том чтобы найти компанию предоставляющую решение, а именно, чтобы из этих данных слепили готовых ботов, способных взаимодействовать с клиентом и системой. Здорово, если эти боты могли бы по возможности ответить сразу, по невозможности - создать задачу на ответственных за логистику или ответственных за устранение проблем, или выхватить из уже готовой базы FAQ ответ. Ну или если не справляется, то перевести на оператора (но, по концепции, последнее не желательно, лучше бы как нибудь без этого).
Как это происходит в идеальном представлении продукта?
После того как бот интегрирован в систему на тестовом уровне, за работой бота внимательно следят люди, несущие ответственность за данную работу и имеющие некоторый опыт решения пользовательских проблем. Они следят за тем как бот воздействует с пользователем и системой. И одобряют, либо не одобряют действия бота. На основе чего, бот (а точнее нейросеть) "учится" что правильно, а что не правильно. И действует в дальнейшем из полученных навыков самостоятельно.
Как это работает в стартапах без достаточных ресурсов? Действительно, бот может понять когда пользователь его просит купить билет на самолет, а когда спрашивает, о том, почему его билет не действует (бот связывает его с реальным оператором или отправляет в FAQ, и пользователь может не догадываться о том, что сейчас он взаимодействует с реальным человеком). А вот компании с решениями более затратными уже могут обработать вопрос и дать более качественный ответ на все фразы вроде: "Я бы хотел обменять купленный билет на другое направление или другое время" и "Я бы хотел заменить купленный билет на другое время" "Я бы хотел купить билет до Риги, смогу ли я его обменять без доплаты". Согласитесь, приложения довольно нагроможденные и понять, что именно пользователь хочет это уже более сложная задача. Это не просто "Купить билет до Риги", "Как обменять билет?".
Почему это нужно?
Концепция создания и развития всех этих ботов подразумевает в дальнейшем полную замену оператора-человека на оператора-бота, до такого уровня, что в боты будут вложены некоторые ключевые слова-команды, при произношении которых, (человеком) бот обязан будет признаться что он бот. Звучит здорово, ну и действительно очень близко подошли к этому, в IT-гигантах, двигателях прогресса, которые могут себе это позволить.
Но почему так много, словно грибы после дождя, возникли бесчисленные стартапы по созданию креативных ботов?
Особенно популярно это было в последние несколько лет. Неужели каждый обладает лабораторией, штатом специалистов NLU, Data Science? Или же сторонние продукты вроде IBM Watson и т.д. настолько хороши для интеграции с продуктом, чтобы окружить современный мир бизнеса искусственным интеллектом, всего лишь написав симпатичный фронт, и качественный бэк. Все просто, уже всем знакома модель бизнеса под названием "хайп". Пишем обертку, создаем условия, интегрируем со сторонними решениями, выдаем за готовый продукт, продаем тем, кто слышал что чат-боты это круто, ведь они интегрируются во всевозможные мессенджеры, сайты, соц сети, и все и сразу, пакетное решение, конфигурируешь его под любые свои задачи (особенно заманчиво для корпораций, предоставляющих большой спектр всевозможных услуг), и запускаешь в работу.
Надо помнить, что хорошие специалисты NLU, Data Science на фулл-тайм стоят очень дорого, для того чтобы создавать собственные решения. Ну и берем в учет, что эти решения нуждаются в постоянной поддержке. Внешние же интегрируемые решения, даже по цене "крыла от самолета" дают частые сбои, и в самый нужный момент. Несомненно есть компании озабоченные качественным решением и предоставлением услуг в очень долгосрочной перспективе, (не стоит их сбрасывать со счетов). Но основная масса, это из той же категории, что создавала блокчейн решения и площадки по обмену биткоинами, не имеющие достаточных ресурсов, заинтересованные в быстрой продаже бизнеса до того как волна хайпа угаснет, или до тех пор пока рынок инноваций (а именно крупная компания-агрегатор) и не поглотит эту область и не будет предоставлять действительно качественные, но при этом дешевые, а то и абсолютно бесплатные (при некоторых ограничениях) решения.
Не претендую на 100% истину, статья написано исходя из своего небольшого опыта, и больше для того чтобы получить экспертное мнение, и новые знания.
