Чат-бот на базе GPT для бизнеса: новое поколение клиентского сервиса
Чем на самом деле были боты старого поколения
Первая волна бизнес-чат-ботов выглядела как окно чата, но вела себя как телефонное меню. Клиент писал сообщение, а бот сверял его со списком точных ключевых слов или небольшим набором ожидаемых формулировок; всё, что не совпадало достаточно точно, вызывало "я не поняла, выберите вариант" и меню кнопок. Интерфейс намекал на разговор, но под капотом была та же жёсткая логика дерева решений, что и в старом IVR, просто напечатанная, а не проговорённая. Это работало, пока клиент формулировал вопрос ровно так, как предполагал разработчик бота, и разваливалось в тот момент, когда формулировка была другой. Построить такого старого бота означало сесть и попытаться угадать каждый возможный способ, которым клиент может спросить про часы работы, что звучит вполне посильно, пока кто-то реально не начнёт их перечислять и не поймёт, что существуют десятки повседневных вариаций, о которых никто даже не подумал.
Что на самом деле изменилось с ботами на базе GPT
Изменение - не в новом интерфейсе, а в новом отношении к языку. Боту на базе GPT не нужно точное совпадение ключевых слов, чтобы понять запрос; он воспримет и "можно перенести мой приём", и "есть ли возможность передвинуть запись на более позднюю дату" как один и тот же запрос, потому что работает со смыслом, а не с фиксированным списком фраз. Звучит как техническая мелочь, но это устраняет главную точку отказа старых систем: бесконечные тупики, вызванные тем, что клиент задавал совершенно обычный вопрос так, как никто не предусмотрел при создании бота. Это также значит, что бот справляется с опечатками, недописанными фразами и тем повседневным сокращённым письмом, которое люди реально набирают с телефона - со всем тем, с чем старая система на ключевых словах никогда толком не справлялась.
Один и тот же вопрос, заданный по-разному
Представьте, что кто-то спрашивает бота "есть что-то свободное на выходных" вместо "я хочу записаться на приём". Старый, основанный на правилах бот, построенный вокруг второй формулировки, скорее всего, полностью пропустит первую и откатится к общему меню, вынуждая клиента переформулировать вопрос или сдаться. Бот на базе GPT распознаёт оба варианта как один и тот же запрос, проверяет доступность и отвечает напрямую. От клиента не ждут, что он угадает словарь бота. От бота ждут, что он поймёт словарь клиента, а это переворачивает всё бремя проектирования с человека, пишущего сообщение, на систему, которая его читает, - именно то направление, которое делает инструмент похожим не на программу, а на компетентного сотрудника.
Второй пример: три вопроса в одном сообщении
Клиенты редко задают один аккуратный вопрос за раз. Типичное сообщение может звучать так: "привет, вы открыты в пятницу, и ещё можно с собакой, и сколько стоит груминг" - все три вопроса свалены в одно сообщение без знаков препинания, которые бы их чётко разделяли. Старый бот на ключевых словах обычно цепляется за первую распознанную фразу, чаще всего про часы работы, и игнорирует остальное, заставляя клиента спрашивать снова и снова, пока каждый вопрос не будет отвечен по отдельности. Бот на базе GPT может разобрать все три запроса из этого одного сообщения и ответить на них вместе, что гораздо больше соответствует тому, как люди реально пишут, чем предположение "один вопрос за раз", на котором строились старые системы.
Что это значит для бизнеса
Практическая выгода для бизнеса - не просто более дружелюбный чат-бот, а меньше ручного сценарирования. Старым системам требовалось, чтобы кто-то предугадал каждую формулировку, которую может использовать клиент, и построил под неё отдельную ветку, а значит - новые ветки каждый раз, когда обнаруживался пробел. Настройке на базе GPT нужно другое: чёткий, точный набор фактов о бизнесе - часы работы, услуги, условия, цены, - из которого можно черпать, а не библиотека сценариев с точным совпадением. Обслуживание смещается с написания новых веток решений на поддержание базовой информации в актуальном состоянии, а это обычно задача, с которой сотрудник справляется за двадцать минут в неделю, а не задача, для которой каждый раз при появлении нового типа вопроса нужен разработчик.
Новый риск, который приходит вместе с более естественной речью
У беглости есть обратная сторона. Бот, который говорит естественно, также убедительнее звучит, когда ошибается, и система, настолько уверенно обращающаяся с языком, может выдать уверенно звучащий ответ на вопрос, по которому у неё никогда не было точной информации. Здесь границы важнее, чем в старых, более неуклюжих ботах: систему на базе GPT нужно чётко проинструктировать, что она знает, а что нет, и научить прямо об этом говорить, а не заполнять пробелы правдоподобной догадкой. Беглость - это и преимущество, и то, что требует больше всего надзора, и именно поэтому работа по настройке хорошего бота на базе GPT состоит меньше из написания остроумных ответов и больше из честного и полного описания того, что бизнес на самом деле предлагает.
Каково это на самом деле для клиента
В повседневности разница проявляется не в каком-то одном драматичном моменте, а в количестве тупиков, в которые упирается клиент. Меньше сообщений "я не поняла, попробуйте ещё раз", реже приходится переформулировать обычный вопрос три раза подряд, прежде чем получить ответ. Что не меняется - базовое ожидание: когда вопрос требует настоящего суждения, жалоба, необычная просьба, что-то за пределами того, что боту рассказали, - он должен сказать об этом прямо и подключить человека, а не импровизировать за пределами своих реальных знаний. Клиенту не нужно знать или интересоваться, что технически происходит за кулисами ответа. Он просто замечает, не всегда умея объяснить почему, что разговор прошёл гладко, а не ощущался как полоса препятствий.