Утверждается, что искусственный интеллект способен изменить многие отрасли, как когда-то это произошло под влиянием Интернета. Как бы то ни было, уже сегодня, например, в сфере финансов, где бизнес-процессы хорошо регламентированы, многие операции могут быть выполнены с помощью «умных» роботов. Системы распознавания и синтезации речи теоретически позволяют автоматически обработать до 90% обращений клиентов финансовых учреждений. Как отметил Андрей Зайцев,  директор департамента контактных центров и роботизированных систем Naumen, открывая конференцию компании, за пять лет доверие клиентов центров операционной поддержки выросло в разы — например, при обращении в «Мосэнергосбыт» уже 53% клиентов готовы общаться с роботом, хотя в 2014 году таких было лишь 10%.

От типовых ответов на формализованные вопросы и выполнения простых операций современные чат-боты перешли к интерпретации разговорной речи со способностью формировать добавленную стоимость — например, помогая клиентам в подборе марки моторного масла среди 3 тыс. наименований, знать характеристики которых не сможет ни один продавец-консультант. По сути, современный голосовой помощник уже способен «влюбить» потребителя в конкретный бренд. Однако до совершенства еще далеко. По мнению Зайцева, на пути к дальнейшему применению технологий искусственного интеллекта в чат-ботах имеется ряд препятствий: мало или вовсе нет пригодных для обучения робота данных (их качество часто оставляет желать лучшего); затраты на обслуживание и дообучение бота достаточно высоки; отсутствует обратная связь в отношении качества виртуального помощника робота; решения, которые роботы сегодня выдают клиентам, иногда недостаточно эффективны.

Андрей Зайцев
Андрей Зайцев: «Голосовые роботы — не самоцель, а стимул совершенствовать бизнес-процессы»

Сергей Фомин из ЦРТ отметил: «На сегодняшний день не удается точно воспроизвести речь человека. Например, смещение ударения на различные слова во фразе 'Вы хотите получить кредит?' меняет весь ее смысл, не говоря уже об интонации, с какой робот может ее произвести (волнение, грусть, подавленность), также влияющей на результат».

Тем не менее, как продемонстрировали выступления, чат-боты сегодня — это уже гибкие сценарии ведения диалога. Это не только программирование сценариев, но и аналитика для обучения роботов, живое звучание голоса с тюнингом интонаций и ударений. Современные голосовые помощники открывают расчетные счета, консультируют, помогают выбрать тариф, проводят опросы, принимают обращения граждан и пр. Борис Маяцкий из ДИТ Москвы обратил внимание на важность взаимозаменяемости человека и робота, а также на организацию обмена информацией между ними: у машины нет права на ошибку, и людям должно быть комфортно общаться с системой. Для этой цели в сценарии предусмотрен, например, фильтр нецензурной лексики, позволяющий абоненту успокоиться перед соединением с оператором. С 2011-го до 2019 года число обращений в общегородской контакт-центр выросло с 1,2 млн до 46 млн, и сегодня здесь обрабатывается в среднем 70 обращений в минуту, причем 40% из них обслуживается виртуальными операторами, способными вести осмысленный диалог по 62 тематикам. Только в 2019 году экономия от применения голосовых помощников составила 174 млн руб.

Леонид Колыбин из банка «Тинькофф» рассказал об опыте внедрения роботов в бизнес-процессы банка, в котором сегодня работают 2,5 тыс. операторов в офисе и 10 тыс. «в облаке» (дома), что вдвое дешевле. Сегодня в месяц роботы выполняют 2 млн разговоров, что потенциально позволило втрое сократить затраты: стоимость работы оператора-человека составляет 15 руб/мин, а робота — 5 руб/мин. Однако такая экономия может остаться потенциальной, если в ходе диалога чат-бот так и не решит проблему и переключит разговор на оператора. Такое происходит, например, из-за сложности классификации некоторых оборотов разговорной речи (ответы типа «Да нет», когда человеку ясно, что это «нет»). При общении робот не мотивирован продолжать разговор, а человек более настойчив в получении результата. При этом люди часто жульничают: например, им платят за результаты опроса, поэтому они часто провоцируют абонента на ответы типа: «Если вы не знаете как ответить, укажите любой вариант». Ясно, что такие результаты уже в пользу робота. Женский голос робота воспринимается абонентами лучше, однако если сообщить пользователю, что с ним говорит робот, в начале диалога, а не в конце, то результат общения будет хуже. Но итог разговора станет еще хуже, если сценарий вообще не предусматривает такого признания. Пока что люди хотят говорить с людьми.

Подобные сложности делают актуальной задачу разработки метрик и систематизации данных для оценки обслуживания без участия операторов. Олег Зельдин из компании «Апекс Берг» перечислил факторы оценки эффективности чат-ботов: количество обслуженных клиентов без перевода на оператора; число тематик и сценариев в каждом диалоге; недовольство клиента; число неклассифицированных реплик в диалоге и пр. Самое важное, что, по мнению Зельдина, требуется при построении системы — знать ответы на следующие вопросы, представлять выходы из ситуаций, непосредственно влияющих на бизнес: последствия неверной классификации и неверного ответа чат-бота; система не смогла определить запрос, хотя в классификаторе он был; ошибка была в базе или в классификаторе. Однако Зельдин не советует излишне усложнять систему: «Все должно быть настолько просто, насколько возможно, но не проще, чем есть на самом деле». В конечном итоге технологии ведения диалога способны помочь усовершенствовать бизнес — например, выделить запросы, на которые в сценарии нет ответов, но, вероятно, пришло время их включить. Если, скажем, в интернет-магазин продажи билетов через онлайн-формы идут запросы о продаже по телефону, то, возможно, надо предусмотреть и этот сервис.