La comprensione del linguaggio naturale

Classificazione e utilità
Vi sono varie soluzioni che riguardano il trattamento della lingua o del parlato, Natural Language Processing (NLP), con il supporto dell’Intelligenza Artificiale.
Le applicazioni spaziano dal customer care a vari processi interni aziendali e dal settore della finanza a quello della PA, es. Giustizia.

Tra gli esempi i Social Robot, Assistenti virtuali:
Siri. La startup è stata acquistata da Apple nel 2010 per 200milioni di dollari. Anche il nome dell’assistente vocale è Siri.
Cortana. Ha fatto la sua prima apparizione nel 2014 a San Francisco in occasione della presentazione di Windows Phone 8.1, che è stato il primo sistema operativo di casa Microsoft a integrarla.
Echo. E’ l’assistente per la casa di Amazon. E’ stato presentato nel novembre 2014. La sua particolarità: dentro c’è Alexa, l’assistente che può riprodurre la musica preferita, comandare lampadine intelligenti, dare lezioni di cucina, fare ordini su Amazon, fornire notizie e previsioni meteo.
Google Home. E’ l’assistente per la casa lanciato da Big G durante una conferenza dedicata agli sviluppatori. Dovrà competere con Echo di Amazon.
Watson. E’ il sistema di intelligenza artificiale in grado di rispondere a domande espresse in un linguaggio naturale. Sviluppato da Ibm, nel 2011 ha partecipato al quiz televisivo statunitense Jeopardy, sconfiggendo i propri avversari umani.

Tali soluzioni si possono distinguere in due categorie:
- soluzioni che agiscono con modalità di comando – controllo (fase di input)
- soluzioni che migliorano il dialogo e la comprensione, a loro volta suddivise tra quelle che sono automatiche e quelle che servono da assistenza ad operatore di CC.
Altri impieghi del riconoscimento del parlato possono riguardare:
- la “classificazioni di documenti” (normative, procedure)
- la trascrizione automatica nel caso di verbalizzazioni e processi giudiziari.

Gli effetti del NLP
Come mi ha spesso suggerito l’amico Paolo Turriziani, le iniziative del Club CMMC, piuttosto che classificare le tecnologie, si devono focalizzare sugli effetti dell’impiego delle tecnologie in ambito customer care. Serve mettere l’accento sull’approccio e sulla metodologia d’interazione nel self-service ponendo l’attenzione sul contributo che viene dato in termini di customer experience ed efficienza di gestione del contatto a prescindere dai prodotti/soluzioni utilizzati.
Parlando di “effetti” indotti dalle tecnologie e metodologie in ambito contact center, si hanno influenze su fenomeni come:

1. Customer experience
- Non è vero che le persone vogliono parlare “solo” con altre persone
- Il self-service è più “gradito” di quanto si pensi
- La diffusione di Siri, Cortana, Google+ ci rende sempre più familiari con la comprensione del linguaggio naturale.

2. Qualità del lavoro degli operatori
- Il self-service può essere un contributo per aumentare la qualità e il valore del CSR
- Ovviamente serve che l’impresa abbia una sua etica imprenditoriale, non pensi solo al breve termine, abbia capito che il proprio futuro dipende dalle sue persone

3. Ottimizzazione dei costi operativi

- Ci sono alcuni effetti del self-service che vanno considerati
-- Diminuzione delle interazioni abbandonate
-- Diminuzione del tempo di accesso al servizio (assistito o automatico)
-- Diminuzione delle chiamate “ripetute” (chiamate da stessa numerazione in brevi intervalli di tempo)
- Se il self-service è pensato per il cliente/cittadino, il suo utilizzo aumenta (quindi si abbassa il costo medio del contatto).

Per fare degli esempi pratici, vanno considerate e premiate le situazioni in cui l’innovazione tecnologica abbia consentito di:

1. Procedere a un aggiornamento professionale degli operatori indirizzandoli verso ruoli di II/III livello
2. Aumentare l’uso del self-service
3. Migliorare la customer experience
4. Dimezzare il tempo di accesso all’operatore
5. Estendere l’apertura del servizio.

Nuove professionalità (leggere questo contributo di Paolo Turriziani)
Infine, nel settore Natural Language Processing (NLP) applicato al customer care si ha a che fare con modifiche di profilo professionale sia sul fronte operativo del contact center che sul lato IT.
Sul fronte operativo l’automazione di parte o tutto il processo di contatto persona-organizzazione comporta una diminuzione del lavoro a minor valore aggiunto e un’opportunità di evoluzione del personale (che qualche azienda coglie mentre altre “sfruttano” in senso tattico per tagliare costi).
Sul fronte tecnico è evidente che le competenze evolvono verso la conoscenza di temi funzionali piuttosto che tecnologici: il mondo degli sviluppatori è ristretto, specializzato e sforna strumenti che richiedono più conoscenza di processo che di tecnologia. Diciamo, per farla breve, che se gli operatori di call center devono evolvere a consulenti di servizio (anche diminuendo di numero), il personale IT “classico” è destinato a un cambiamento più radicale a causa di strumenti di sviluppo business oriented e implementazioni in cloud.

Processo di relazione
La disponibilità di soluzioni di customer care che usano tecniche di interfaccia persona-sistema flessibili e multimodali migliora l’accesso e la fruibilità dei servizi automatici che nel tempo diventano più usati e apprezzati sia dal punto di vista dei clienti/cittadini per la semplificazione del processo di accesso alle informazioni e alle transazioni, sia da parte delle organizzazioni che possono sollevare gli operatori di contact center dai compiti più ripetitivi e a basso valore aggiunto. In questo ambito sempre più si fanno spazio soluzioni ibride (voce + chat + avatar + grafica), definibili multimodali che permettono all'utente di incrementare la sua user experience: potrebbe essere lo stesso utente che decide quale combinazione è per lui preferibile usare in un dato contesto (in auto, a casa, per strada, in zone affollate,...) per meglio fruire dei servizi/dati dell'applicazione.

Valutare le soluzioni
Per analizzare le soluzioni di customer care basate sulla comprensione del linguaggio naturale si possono impiegare questi parametri prestazionali:

1. tasso di comprensione vocale (il sistema decide se accettare o rifiutare l'input dell'utente in base ad un livello di confidence)
2. tasso di comprensione semantico (il sistema “sa” se ha capito o meno in base alle regole sulle quali è stato “addestrato”)
3. tasso di richieste servite
4. tasso di richieste trasferite (su decisione del sistema) all’operatore
5. tasso abbandoni.