В своем предыдущем посте я поделился примерами того, как технологии искусственного интеллекта и машинного обучения (ML) применяются и приносят пользу в ИТ сегодня.

Мы также рассмотрели, как исторические данные и данные наблюдений используются для обучения моделей машинного обучения на протяжении всего жизненного цикла предоставления ИТ-услуг.

В этом посте я расскажу, как виртуальные агенты, использующие комбинацию возможностей обработки естественного языка (NLP) и понимания естественного языка (NLU), обеспечивают уникальную ценность, позволяя ИТ-отделу повышать качество обслуживания сотрудников.

НЛП и НЛУ: в чем разница?

Термины NLP и NLU относятся к системам, которые позволяют компьютерам и людям взаимодействовать друг с другом, используя естественный язык, а не ключевые слова и коды. Хотя существуют различные базовые системные архитектуры (например, машинное обучение, глубокое обучение, нейронные сети и т. д.), которые могут отличить NLU от NLP, вообще говоря, NLU можно рассматривать как расширенную форму (надмножество) NLP.

При рассмотрении инициативы AI для ITSM важно понимать ценность как NLP, так и NLU. Каждый подход предоставляет уникальные возможности с точки зрения того, как виртуальные агенты привлекают сотрудников.

Чтобы провести четкое различие между НЛП и НЛУ, полезно классифицировать их по их количественным и качественным способностям.

Обработка естественного языка

НЛП — это количественная, статистическая, управляемая данными форма языковой обработки, основанная на приближенных и вероятностных оценках. Хотя подходы к обработке языка, основанные на данных, в определенной степени точны, они больше полагаются на математическую теорию, чем на язык и человеческое познание.

Таким образом, NLP превосходно обнаруживает шаблоны в данных, что позволяет виртуальным агентам участвовать в простых диалогах по сценарию. Однако из-за того, что виртуальные агенты, основанные на НЛП, могут понимать только часть повседневного разговорного языка, они склонны неправильно понимать нестандартные вопросы, когда разговор отклоняется от сценария. В результате виртуальные агенты для обслуживания сотрудников, которые полагаются исключительно на NLP, обрабатывают только подмножество запросов и требуют постоянного обслуживания.

Понимание естественного языка

NLU основывается на NLP, добавляя качественный лингвистический подход к обработке языка. Виртуальные агенты на основе NLU понимают намерения пользователя и, как результат, могут вести гибкие диалоги — возможность, которая необходима в доменах обслуживания. В ИТ, например, простой запрос на сброс пароля может потребовать нескольких уточняющих вопросов о версии приложения, роли или операционной системе. Только НЛП может диагностировать намерение сбросить пароль. NLP + NLU может как диагностировать, так и решить проблему.

Вместе лучше:

С виртуальными агентами на основе NLP, пока сотрудники предоставляют хорошо структурированные, предсказуемые запросы, система может отвечать с ответами по сценарию.

Для начала важно, чтобы виртуальные агенты были обучены распознавать стандартные определения, термины и ответы.

Однако в динамичной среде, такой как служба ИТ-поддержки, виртуальные агенты также должны иметь возможность принимать неструктурированные и непредсказуемые входные данные, преобразовывать их в структурированную форму и выполнять над ними действия. Например, виртуальные агенты на основе NLU могут выявлять слова с ошибками, сокращения и разговорные выражения, чтобы лучше распознавать намерения пользователей, позволяя им участвовать в более персонализированных и естественных разговорах.

Гибридный подход к обработке языка, использующий технологии NLP и NLU, усиливает способность виртуального агента взаимодействовать с людьми естественным образом.

Кроме того, наиболее эффективные виртуальные агенты могут получать доступ к нескольким источникам данных и системам, как и агенты-люди, для выполнения запросов и/или ответов на вопросы. Например, чтобы помочь сотруднику получить доступ к Salesforce, виртуальный агент должен иметь возможность провести сотрудника через все необходимые этапы создания и утверждения учетной записи, автоматизировать настройку пользователя в Salesforce и записать билет службы поддержки в системе ITSM для цели отслеживания.

Возможность предоставлять ИТ-услуги сотрудникам в режиме реального времени, соблюдая рабочие процессы, позволяет ИТ-организациям сократить среднее время восстановления и стоимость заявки без ущерба для удовлетворенности клиентов и надлежащего управления и контроля ИТ.

Следите за моей следующей публикацией, в которой я рассмотрю ценность виртуальных агентов на основе NLP и NLU в масштабировании предоставления ИТ-услуг для удовлетворения потребностей все более мобильной и глобальной рабочей силы.