In 2018 stortte vrijwel elk merk zich op een ai-strategie. Er werd geld, veel geld ingezet op een prachtig perspectief: machines die klanten nog beter van dienst zijn. Organisaties investeerden in bots die in een paar minuten zijn te bouwen en vervolgens kappersafspraken regelen, maaltijden bestellen en klanten van antwoord voorzien. Maar wat levert dat nu op?
Een les die veel organisaties in 2018 hebben geleerd is dat ai geen strategie, maar een middel is. En misschien is nog wel de belangrijkste les geweest dat ai op zichzelf geen waarde toevoegt. Dankzij ai kunnen chatbots en robots wel op een natuurlijke en contextuele manier de conversatie aangaan met mensen – dat is de werkelijke waarde. Niet de gerobotiseerde interactie zelf is belangrijk, maar de relevantie, adequaatheid en context van de conversatie maken het verschil.
Conversatie
Gartner voorspelt dat we in 2020 gemiddeld meer gesprekken voeren met bots dan met onze partners. Dat roept de vraag op: wanneer noemen we iets een conversatie? Is dat alleen bij spraak of kan het ook bij getypte tekst? En hoeveel uitwisselingen moeten er minimaal zijn? Is een antwoord op een vraag al een conversatie? In dat geval is elke zoekopdracht in Google en elke vraag die je aan Alexa of Siri stelt een conversatie met een bot. En dan klopt de voorspelling van Gartner waarschijnlijk nu al. Maar dat is toch niet de impact van ai waar we op doelen?
Als je als organisatie toegevoegde waarde uit ai wilt halen, moet je een stap verder gaan. Alleen als bots op een natuurlijke manier de conversatie aangaan met klanten op de kanalen – van smartphone en web tot en met slimme speakers en tv’s – zijn de perspectieven tot praktijk te maken. Pas dan draagt ai bij aan de opbouw van je merk, de versterking van je marktaandeel en het verlagen van kosten.
Mens en machine
Het probleem is alleen dat ai nog niet op het niveau is om een natuurlijke, menselijke conversatie te voeren; en dat zal ook nog wel even duren. De oplossing ligt in de combinatie van mens en machine.
Enerzijds in het aanbieden van beide opties aan klanten. Zo kun je klanten pas goed van dienst zijn met de inzet van ai-chatbots, als je ook de mogelijkheid biedt om over te schakelen naar een menselijke medewerker als het nodig of gewenst is. Anderzijds kun je de chatbots en virtuele assistenten opleiden door achter de schermen een echte medewerker live mee te laten kijken die de menselijke nuances oppikt die de bot nog niet snapt. Mens en machine vullen elkaar zo aan.
Een mooi voorbeeld is het onderzoek door twee Amerikaanse medische instituten. Dat toonde aan dat bij een borstkankeronderzoek ai in 92 procent van de gevallen de juiste diagnose stelde en menselijke specialisten in 96 procent. Zijn dat al indrukwekkende cijfers, de combinatie van ai en menselijke expertise noteerde bijna een perfecte score: 99,5 procent.
Historie en context
Dan is er nog de context. Echt intelligente systemen begrijpen niet alleen de vraag, maar weten ook waarom een klant contact zoekt. Die beschouwen elk contact niet als een nieuw contact, maar kennen de historie en context. Een webshop zou bijvoorbeeld moeten weten dat degene die een conversatie start, al een bestelling heeft geplaatst. En heeft de informatie over status en aflevertijdstip al paraat. Een reisorganisatie zal ai en machine learning inzetten om bepaalde kernwoorden in de context van de conversatie te identificeren, waardoor de klant op basis van diens profiel en historie de juiste voorstellen krijgt.
Ai is een middel, geen doel. Dat is de ontdekking die organisaties in 2018 hebben gedaan. En net als voor andere middelen zullen organisaties kijken naar kosten en opbrengsten van ai. In 2019 zullen we veel meer gaan zien dat ai ingebed wordt in bestaande systemen, kanalen en datasets. En waarin de ware intelligentie benut wordt, door ai met menselijke capaciteiten te combineren.
Auteur Thomas Hebner is head of product innovation bij Nuance Communications.
zei die chatbot dat ? : bliep, ik ben een middel maar geen doel, bliep.
AI is op dit moment erg succesvol in beeldherkenning. Belangrijk blijft daarbij dat tijdens het leren correcte data wordt gebruikt.
Op het moment dat er zoals bij het gerefereerde onderzoek naar kanker herkennen van pathologie beelden, afbeeldingen met een verkeerde diagnose worden gebruikt en die zullen er zeker tussen zitten gaat het systeem ook de verkeerde kant op.
Definieer a.u.b. “intelligentie”.
Daar zijn vele boeken over geschreven en schijnt toch niet zo eenvoudig.
Daarom verwacht ik dat kunstmatige intelligentie net zo iets is als natuurlijke domheid.