チャットボット構造のガイドライン

数日前、私は「チャットボットをよりエレガントに設計する方法」という記事を書きました。何人かの友人が私にメッセージを残し、次のように尋ねました。「Stone、チャットボットのアーキテクチャについての記事はありますか?」需要があれば、やる気も生まれます。今日はチャットボットのアーキテクチャについてお話します。

今日では、ますます多くの企業の顧客サービス システム (そしてもちろん他のビジネス システム) が、従来の音声通話からテキスト、グラフィック、インテリジェント音声へと移行しています。

チャットボットを介したコミュニケーションは、シンプルさとリアルタイム性という 2 つの主な理由から、ますます人気が高まっています。

以下では、チャットボットの仕組み、カスタマイズ方法、そしてチャットボット アーキテクチャの構造について知っておく必要のあるすべてのことについて説明します。

しかし、始める前に、基本を確認しましょう。

チャットボットとは何ですか?

チャットボットは、人間とコンピューターの間、または人間同士の会話をシミュレートするプログラムです。質問されると、チャットボットは知識データベースを使用して応答します。

人工知能 (AI) は、自然言語による会話やチャットをシミュレートするために使用されます。これを行う一般的な方法は、メッセージング プラットフォーム、モバイル アプリ、または電話を使用することです。

チャットボットは人間と機械の間のコミュニケーションを可能にし、人間の支援に依存せずに動作し、自然言語処理 (NLP) などのテクノロジーを使用して質問に答えます。自然言語処理 (NLP) は、コンピューターが人間とほぼ同じようにテキストや話し言葉を理解できるようにする人工知能の分野です。

チャットボットはどのように機能しますか?

チャットボットを使用すると、ユーザーは人間の介入を必要とせずに、テキスト、音声、画像などを通じて質問や問い合わせのリクエストに対する回答を簡単に見つけることができます。

チャットボットは、企業が複数の顧客からの問い合わせを同時に処理できるようにする自動化ソリューションです。いくつかの統計によると、ほとんどのカスタマー サービスは 24 時間 365 日対応である必要があります。

現在、ほとんどの企業のチャットボットはより多くのルールと自然言語技術を統合しており、最新のモデルは使用中に継続的に学習できます。

今日の AI チャットボットは、高度な AI ツールを使用して顧客の真意を識別します。

チャットボットには、以下に示すように 2 つの主要なカテゴリがあります。

ルールベースのチャットボット

このようなロボットは、プログラムされた選択肢の限られた数しか理解できません。次のような利点があります。

• 簡単に構築できます: 真偽アルゴリズムを使用して顧客の問い合わせを理解し、適切な回答を導き出します。
• 実装が簡単: 高度な学習曲線を必要とせず、実装には単純なキーワードまたは正規表現のみが必要になる場合があります。
• 制御が容易: ルールは企業自体によって設定されるため、出力される回答は設定された範囲を超えることはありません。

もちろん利点もありますが、欠点もあります。

• 強い依存：ルールに過度に依存し、事前に定義されたルールを超えて、その意味を理解していない
• メニューベースのアクション: 対話中、チャットボットはユーザーが選択する必要のある一連のオプションを表示しますが、オプションではユーザーの真意が表現されない場合があり、ユーザーの真意を真に理解することが非常に困難になります。

AIベースのチャットボット

これらのチャットボットは比較的複雑で、元のアルゴリズムに人工知能アルゴリズムが追加されています。自然言語処理 (NLP) とセマンティクスを使用して、オープンエンドのクエリに応答します。 AI チャットボットは言語、コンテキスト、意図を認識し、それに応じて応答できます。より複雑なチャットボット。

この分野では、2 つの異なるアプローチが存在します。

確率的チャットボット

このタイプのボットは、意図の検出やナレッジベースでの関連する応答の検索ではなく、エンドツーエンドの機械学習を使用して、過去の会話ログに基づいてモデルを作成します。確率は固定されたスクリプトに従わず、自然に操作できますが、欠点もあります。

• 経験や会話から得たデータから学習するため、多くの偏見が生じる可能性があります。出力される会話の制御には限界があり、ロボットが物議を醸すような回答をし、顧客から苦情を受ける可能性があります。
• 確率的チャットボットを実装するには、大量のトレーニング データが必要です。取得するデータが多いほど、精度が向上します。これは、R&D 担当者にとって、データ収集の面倒で時間のかかる作業です。
• チャットボットによる回答は「ブラックボックス」（モデル）内にあり、これはチャットボットがどのように回答を作成したかを意味します。透明性がないため、推論結果を修正または調整することが困難です。

決定論的チャットボット

このチャットボットは、自然言語処理を使用して各単語の重みを計算し、その背後にある文脈と意味を分析して結果や回答を出力します。

これらのチャットボットは、意味に基づいて意図と回答を一致させることができます。

それぞれに長所と短所があります:

• 企業が記入した内容のみを出力することで、回答のトーンや企業イメージをコントロールしやすくなります。
• これは、含めるべき新しい人気トピックを提案できる確率的学習に基づいていません。
• 決定論的な意思決定ツリーに従って、クライアントを望ましい結果に導きます。決定木は非常に複雑になる可能性があり、物議を醸すような不人気な回答が受け入れられないようにトレーナーによって監視および制御されます。
• ユーザーに応答するための関連コンテンツがナレッジ ベースにない場合は、トレーナーがモデルを再トレーニングしたりルールを作成したりして、スムーズな移行を実現し、ベースケースを削減できます。

チャットボットの導入を検討している場合は、すべてを統合できるチャットボット アーキテクチャについて学習できます。もちろん、自動テストも習得する必要があります。

チャットボットアーキテクチャとは何ですか?

チャットボットのアーキテクチャはその目的によって異なります

どのチャットボットを使用する場合でも、ボットの通信プロセスは基本的に同じです。

プログラミング言語は、Java、Python、PHP などの言語を使用して、クエリに応答するボットを作成できます。ほとんどの会話は挨拶や質問から始まり、その後一連の質問を通してユーザーを導きます。そして答えを得ます。

チャットボットの基本的なアーキテクチャについては、以下で詳しく説明します。

自然言語理解エンジン

これが最も核心かつ重要な第一歩です。ユーザーがメッセージを入力すると、NLU がそのメッセージを読み取ってユーザーの意図を理解します。次に、ルール エンジンは最適な応答の計算を開始します。

QA コレクション ライブラリについて時間をかけて検討し、QA ライブラリを論理的かつ定期的に収集する必要があります。もちろん、QA テスト戦略も理解する必要があります。

知識ベース

これは、製品、サービス、またはビジネスニーズに関する情報のリポジトリです。これには、FAQ、トラブルシューティング ガイド、サービスに関する情報、ビジネスの進め方などが含まれます。

知識とデータベースの両方が、チャットボットにユーザーに適切に応答するために必要な情報を提供します。

データストレージ

ここに分析と会話ログが保存されます。チャットボットの使用期間が長くなるにつれて、モデルの精度を高め、より広い範囲をカバーするために、より具体的で完全な分析ソリューションを開発する必要があります。

各段階で、チャットボットがビジネスに接続されていることを確認するために、ビジネスを体系化する必要があります。

基本的なチャットボットにはどのようなアーキテクチャが必要ですか?

中小企業やマーケティング キャンペーンは、多くの場合、レベル 1 のチャットボットから始まります。これらは通常、 1 つのプラットフォーム上でのみ構築できます。このクラスは、一般的な問題の 70 ～ 80% を占める単純な問題の処理に優れています。このタイプのチャットボットは、「何時に開店しますか？」などの簡単な質問に答えます。

ユーザーが問題の診断など、より複雑な情報を必要とする場合、チャットボットを拡張する必要があります。

たとえば、「私の配達はどうなったのですか?」と尋ねられたとします。

これには、より高レベルのチャットボットが必要になります。

チャットボットがよりインテリジェントになり、より複雑なビジネスを処理できるようになると、より多くのトラフィック露出が必要になります。

HTTP およびチャット インターフェース

レベル 2 のチャットボットは半スクリプト化されており、ライブ チャット ウィジェットを備えています。ここでは、ホームページから直接カスタマー サポート チームとチャットできます。

メッセージブローカー

これは、パブリッシャー (チャット インターフェースなど) がキューにメッセージを追加する場所です。顧客は、WeChat、DingTalk、WeChat Work、QQ などのインスタント メッセージング プラットフォームを通じてチャットボットにアクセスします。

ライブ放送エージェントプラットフォーム

ボットがユーザーの意図を正しく識別できない場合は、人間のエージェントがシームレスに介入できます。場合によっては、問題を解決し、会話の終了をボットに返すこともあります。

ボットは、パスワードの変更や注文の検索などのために、顧客関係管理 (CRM) から顧客の詳細を呼び出すこともできます。

エンタープライズレベルのアーキテクチャ

チャットボットを次のレベルに引き上げるには、複雑な会話を可能にするテクノロジーを使用する必要があります。また、ソフトウェアの機能を拡張する方法を決定する必要があります。

もちろん、ビジネスはそれぞれ異なります。ここでは、エンタープライズ グレードのアーキテクチャを使用してボットを構築するために必要な一般的なテクノロジ、ワークフロー、パターンの概要を示します。

コア機能以外にも考慮すべき点はたくさんあります。選択したチャットボットには、ソフトウェア テスト スケジューラを組み込む必要があります。

チャットボットは、「頭脳」と一連の要件または「モジュール」に分けられます。

チャットボットの仕組み

チャットボットは次の 3 つの分類方法を使用して動作します。

• パターンマッチング
• アルゴリズム
• ニューラルネットワーク

パターンマッチャー

ボットはパターン マッチングを使用してテキストを分析し、適切な応答を生成します。これらのパターンの標準構造は人工知能マークアップ言語 (AIML) であり、iFlytek のabnf 文法仕様 <バージョン 3.0> に記載されています。

例えば：

<pattern>ジョー・バイデンとは誰ですか? <モード>。

<template>ジョー・バイデンはアメリカ合衆国の大統領です<template>。

チャットボットは、ユーザーの名前が関連するパターンの一部であるため、答えを知っています。しかし、関連するパターンを超えたより高度な情報については、チャットボットはアルゴリズムを使用できます。

アルゴリズム

このアルゴリズムにより分類子の数が削減され、より管理しやすい構造が作成されます。次の例では、各用語にスコアが割り当てられています。

タイプ: 「こんにちは、おはようございます。」

用語: 「Hello」(一致なし)

用語: 「こんにちは」(カテゴリ: 挨拶)

用語: 「おはよう」(カテゴリ: 挨拶)

カテゴリー: 挨拶 (スコア = 2)

スコアの助けを借りて、特定の文に対する単語の一致を見つけることができ、最も一致度の高いカテゴリを識別できます。

自然言語処理エンジン

エンジンは重み付けされた接続を使用して入力と出力を計算します。トレーニング データで使用される各ステップでは、重みが変更され、精度が向上します。文章は個々の単語に分解され、各単語は Web データベースの内容と照合するための入力として使用されます。次に、これらの単語をテストし続けます。

エンタープライズレベルのアーキテクチャに関するその他の考慮事項

さらに、チャットボットのアーキテクチャでは、次の要素も考慮する必要があります。

安全性

セキュリティ、ガバナンス、データ保護は最も重要です。これは、何百万もの顧客に関する情報を保存している企業にとって特に重要です。

ユーザーが個人情報を公開されたくない場合は、匿名性を維持する方法を検討する必要があります。個人情報にアクセスする場合は、安全な方法で行う必要があります。

機密システムに誰も不正にアクセスできないように、機密保持対策を確立することが重要です。

タイプミスや壊れたハイパーリンクなどの小さな間違いは、毎月何千人ものユーザーに見られる可能性があります。

小さなミスがビジネスイメージに大きな影響を与える可能性があります。

要約する

チャットボットは人とサービス間のやり取りを簡素化し、顧客体験を向上させます。また、企業は顧客サービスコストを削減しながら再エンゲージメントプロセスを改善する機会も得られます。