Segue o recap da semana:

O coração da Emotion está na nossa plataforma conversacional automatizada (chatbot) que estamos desenvolvendo. Nela, várias funcionalidades da Emotion serão ativadas e irão entregar aos nossos clientes facilidades e conveniência caso ele queira interagir ou mudar algo no seu seguro de vida (contratar nova cobertura, cancelar, ajustar cobertura) e principalmente na interação com a plataforma Stories.

Quando iniciamos nossas pesquisas sobre chatbot (interface conversacional) o mercado estava aquecido e só se falava em chatbot’s humanizados, deveriam entender sobre tudo, responder qq pergunta com desenvoltura e sensatez, porém, não foi bem assim que a banda tocou. Principais problemas relatados pelos usuários de chatbots:

1. Tenho que escrever muito para o chatbot entender;
2. Não resolvem meu problema;
3. Não entendem o que eu digo;
4. Quando falo eles interpretam diferente do que eu quero;
5. Eles apenas me manda para a opção do menu da app.

A tentativa de humanizar (entender as pessoas como uma pessoa faria) do chatbot se mostrou mais complexa do que imaginavam, com isso a tecnologia ficou queimada na visão dos usuários.

Aqui na Emotion estamos seguindo um caminho híbrido entre chatbot com algoritmos de árvore de decisão para temas/diálogos específicos e dirigidos na plataforma, algoritmos de aprendizado de máquina para processamento de linguagem natural para temas abertos, e atendimento humano (one-to-one) para temas mais complexos no qual o humano com poucos dados resolve a necessidade do cliente muito melhor que a máquina. i.e. se durante o diálogo o bot identifica que o usuário está irritado ele automaticamente direciona para um humano continuar a conversa.

Dentro dessa linha estruturamos 3 níveis de maturidade para nosso chatbot:

O primeiro LOW já está em testes beta, é um agente conversacional que simula uma conversa humana baseada em um tema/assunto pré-definido com respostas mapeadas em um algoritmo árvore de decisão. As respostas do usuário são simples e objetivas, com botões, porém, alimenta uma base de dados de aprendizado que será utilizado nos sistemas de CRM e de base de conhecimento do usuário.

O segundo é INTERMEDIATE - estamos trabalhando nesse – no qual o dialogo com o usuário é mais aberto e utiliza de aprendizado de máquina (utilizamos o dialogflow) para determinar a intensão do usuário e o prosseguimento da conversa. Aqui já estamos utilizando NPL, Speech to text e Text to Speech.

O terceiro é ADVANCED, nesse vamos utilizar de redes neurais recorrente para identificação e sequencia do dialogo com o usuário, inclusive, prevendo quando será a próxima interação do usuário com a Emotion.

Por hoje é isso! Valeu!

Até a próxima.