Motivace
Vlastní chatbot na webu zní jako splněný sen – zákazníci přijdou na web, budou si povídat s “někým z vaší firmy” a dostanou přesně ty odpovědi, které potřebují. A návštěva takového zákazníka se pak promění v konverzi (objednávku, přihlášení k newsletteru, cokoli dalšího). Takový kolega funguje 24/7, nikdy není nabručený ani nevyspalý, nepotřebuje pít čtyři hrnky kávy denně. A funguje na 100 %.
Ano, mluvím o AI chatbotu.
Zní to jako sen, že? Díky umělé inteligenci se z něj možná může stát realita. Ale jak je ta realita daleko ve skutečnosti?
V tomto článku se dozvíte, jak jednoduché (nebo složité?) je takového “kolegu” začlenit do firmy a co vás v tomto “náborovém období” čeká. A proč to není práce na jedno odpoledne.
Rozdíl mezi klasickým chatbotem a AI chatbotem
Nejdřív je důležité si uvědomit rozdíl mezi klasickým chatbotem a AI chatbotem.
Klasický chatbot je jako recepční s papírem otázek a odpovědí. Zná přesně to, co mu někdo ručně naprogramoval – a pokud se ho zeptáte jinak, než čeká, ztratí se. Funguje dobře, dokud se držíte scénáře: “Jaká je cena?“, “Kde vás najdu?”, “Jak objednat?“
AI chatbot je úplně jiná liga. Nepracuje se seznamem odpovědí, ale s pochopením kontextu. Umí číst mezi řádky, reagovat přirozeně, a odpoví i na otázku, kterou jste nikdy explicitně nenapsali do scénáře.
Na druhou stranu – musí se to naučit. A to není práce na odpoledne.
Zatímco klasický chatbot je napojený na jednoduchý plugin a jednou za čas potřebuje doplnit nové otázky, AI chatbot potřebuje:
- vlastní datovou základnu (z čeho čerpá),
- jasně daný tón komunikace,
- průběžné testování a korekce.
(Pro doplnění: Další možností je samozřejmě ta, kdy je na druhé straně lidský operátor.)
Jak na AI chatbota?
Zadání pro realizaci takového chatbota se může zdát celkem jednoduché a přímé:
- nemá jazykové bariéry a zvládá několik světových jazyků včetně vašeho firemního,
- můžete ho nakrmit interními dokumenty během pár minut – ideálně mu dát audio, video, texty v mnoha formátech, výsledky, výzkumy, tabulky, celé databáze dat…,
- dokáže se správně zeptat na detaily, které potřebuje znát k opravdu kvalitní odpovědi,
- bude znát a umět se pohybovat v prostředí, ve kterém je (tj. pokud je nasazen na web, zvládne odkázat člověka na konkrétní stránku, kde může např. vyplnit kalkulačku s předběžným výpočtem),
- odpovídá terminologií a tone-of-voice firmy.
A teď si ukážeme, jak by vypadala praxe.
Možnosti realizace
Implementace AI chatbota
Implementace takového AI chatbota je možná v zásadě dvojí:
- existující řešení, která už na trhu jsou,
- např. Chatbase, Voiceflow, Smartsupp, apod.
- vlastní řešení:
- voláte API nějakého existujícího jazykového modelu (např. OpenAI, Anthropic),
- přes API mu poskytnete data, na kterých se má naučit (dokumenty, databáze, audia, videa, cokoli…),
- součástí řešení je i ukládání jednotlivých konverzací, aby bylo možné je kontrolovat a případně použít k učení.
Trénování a výchova AI chatbota
Ať už využijete placené nebo vlastní řešení, je třeba si uvědomit, že jste teprve na začátku. Reálné trénování modelu jako takové je velmi složitá disciplína a to vy dělat nebudete (to dělají vědci a firmy s milionovými rozpočty, tedy právě proto využijete API např. od OpenAI, Anthropic a další velké jazykové modely, které už vlastně na trénované jsou a vy si s nimi povídáte). Tedy využijete už hotové modely a ty budete učit a “vychovávat”.
Vaše úloha je tzv. RAG (retrieval augmented generation) – tedy způsob, jakým model čerpá znalosti z vašich dat. RAG je způsob, jak dát chatbotovi přístup k vašim dokumentům, aniž byste ho museli celý ‘přeškolit’. Nejde o trénování modelu samotného, ale o přidání datové vrstvy, ze které si bere kontext při odpovídání:
- dokumenty, manuály, výzkumy (word, pdf, excel, cokoli…),
- celé databáze, CRM a další,
- netextový obsah (audio, video, atd),
- pozor na kvalitu vstupních dat – chatbot umí odpovídat chytře, ale jen tak chytře, jaké informace mu dáte.
Chatbot si tato data rozkouskuje a uloží do své interní databáze jako vědomosti, na základě kterých pak odpovídá. Je třeba počítat s tím, že tuto databázi je potřeba s každými novými vědomostmi “reindexovat” a postavit znovu.
A pokud se např. v e-shopu přidají nové produkty nebo se změní, je potřeba chatbotovu znalostní bázi znovu aktualizovat. Jinak hrozí, že bude doporučovat výrobky, které už nejsou aktuální – což může poškodit důvěryhodnost značky.
Testování a ladění odpovědí
Pokud jste chatbotu poskytli všechny informace, které jsou z vašeho pohledu relevantní, je načase ho trénovat, přesněji řečeno “vychovávat” – nastavujete mu hranice a limity, tvoříte osobnost, učíte ho tón komunikace a další. A také co dělat nemá (např. dávat právní rady, doporučovat produkty konkurence, slibovat slevové kódy a promo akce, které neexistují, apod). A z vaší strany je potřeba mít opravdu velkou fantazii během tréninku.
Celý váš chatbot se na konci vlastně skládá ze tří částí:
- model jako takový (který stojí miliony dolarů ho natrénovat, což dělají vědci),
- výchova jako způsob komunikace, kdy mu vy říkáte, jak má a nemá odpovídat,
- Např. “Jsi asistent firmy xxx, odpovídáš srozumitelně a přátelsky, nikdy neslibuješ slevy, nekomentuješ konkurenci a pokud si nejsi jistý, odkážeš na člověka.” (taková výchova bude mnohem složitější)
- znalosti, na základě kterých odpovídá
- při každé změně obsahu je potřeba tuto databázi znovu aktualizovat a přestavět.
Není to tom, že nasadíte nějaké hotové řešení, pokud má odpovídat opravdu kvalitně a v rámci firemní značky. Časem zjistíte, že celý má skutečnosti víc společného s copywritingem a UX než s programováním.
Příklady
1) Představte si, že zákazník napíše: “Chci tepelné čerpadlo, ale nevím které.“
- chatbot musí vědět, že se jedná o produktovou oblast, umět se zeptat na výkon, typ objektu, a další relevantní a kontextové informace,
- nemá poradit nic, co firma nenabízí.
A když přidáte nový produkt, změníte ceny? Vrátíte se zpátky k tréninku.
2) Zákazník napíše: “Hledám něco na suchou pleť, ale nechci, aby to bylo mastné.”
- chatbot musí pochopit, že jde o typ pleti a preferenci textury produktu,
- vědět, které produkty jsou vhodné pro suchou pleť, ale nejsou mastné,
- nabídnout konkrétní produkty z nabídky e-shopu,
- a pokud nic takového nemá, neimprovizovat („zkuste kokosový olej“) – ale raději odpovědět: „Momentálně nemáme produkt, který by přesně odpovídal vašim požadavkům, ale mohu vám ukázat hydratační krémy s lehčí texturou.“
Rizika
Multijazyčnost
Odpovídání v několika světových jazycích je skvělé, ale je třeba myslet na to, že následné odpovědi je třeba revidovat člověkem, který danému jazyku dobře rozumí. Nejde jen o obyčejný překlad, ale mnohé jazyky mají nuance, intonaci, skloňování, terminologii, způsob vyjadřování charakteristický pro určité situace.
Rizika (právní, reputační, etická)
Jak bylo naznačeno výše, je třeba chatbotu nastavit hranice, za které nesmí jít. Neměl by dávat právní rady (takové věci chcete mít pod kontrolou), neměl by si vymýšlet (různé slevy, akce a další sliby), měl by mluvit slušně, nevymýšlet si (v takovém okamžiku raději odkázat na živé kolegy ve firmě) a mnoho dalšího.
Rate limiting
V rámci API máte určité limity, resp. každý dotaz, který se přes chatbota pošle do modelu, vás něco stojí. Dejte si pozor, aby vám tyto limity nevyčerpal příliš zvědavý zákazník. A také si dejte pozor, aby si z vás někdo neudělal AI odpovídače zadarmo na různá témata i mimo vaši firmu.
GDPR a DPA s OpenAI
Nezapomeňte na ošetření GDPR, obchodních podmínek a dalších právních dokumentů vaší firmy. Nasazením AI chatbota totiž poskytujete data zákazníků 3. stranám, které je mohou ukládat zpracovávat na serverech mimo EU, používat je k učení další generace modelů, atd. A také nezapomeňte na DPA (Data Processing Agreement).
Technická realita
Nezapomeňte na to, že např. webové formuláře, které by chatbot zvládl vyplnit místo člověka na webu, mají ochranu proti spamu a automatickému vkládání dat.
Závěrem
AI chatbot není hračka ani instantní řešení. Je to projekt, který vyžaduje analýzu, trpělivost a dlouhodobé ladění – stejně jako váš web nebo značka. A když se do toho pustíte, zjistíte, že výsledek má mnohem víc společného s UX, copywritingem a strategií než s programováním. A přesně tam začíná ta zajímavá část.
