很多企業正在迅速認識到對話式人工智能對提高客戶參與度和收入的重要性。企業面臨的問題不再是是否部署對話式人工智能，而是使用哪個平臺以及如何利用其功能。
本文提供了關于對話式人工智能平臺的一些重要見解和視角。例如，語言支持的真正含義是什么?什么是本地化?不同的部署模型如何影響總體擁有成本(TCO)?也許最重要的是——對話式人工智能平臺如何不僅在第一個開發期間為企業提供幫助，而且在機器人整個生命周期中都能提供幫助?
提高機器人開發人員生產力的經驗教訓
在過去的六個月中，對話式人工智能提供商Artificial Solutions公司首席創新與客戶服務官Daniel Eriksson與構建對話式機器人的公司(客戶)和系統集成商(合作伙伴)進行了很多對話。并與對話式機器人開發人員、數據語言學代表、集成工程師、對話人工智能設計師、項目經理、高級利益相關者、產品負責人等進行了交談。
與此同時，他與現有的和潛在的客戶進行了交談。這些交談包括制定了雄心勃勃的計劃并取得成功的人員，以及制定計劃并努力產生影響的其他人。
Eriksson進行這些討論的目標之一是找到問題的答案。他說，“作為對話式人工智能技術提供商，我們如何幫助你提高工作效率?”他指出，這是Artificial Solutions公司面臨的一個問題，因為機器人開發者社區對其產品的反饋對于開發可以提高機器人開發者生產力的產品至關重要。
然而在這些對話中，引發了另一個討論主題，也是本文的重點：企業如何看待他們對對話式人工智能平臺的選擇?他們在選擇對話式人工智能平臺進行機器人開發時會考慮哪些方面?
有人可能會爭辯說，這個問題最好由獨立第三方來回答，確實如此。然而，這是一個值得進行公開探討的問題。因為Eriksson分享了一些從這些討論中學到的東西，并提供了一些在人工解決方案公司工作20多年后在該行業中獲得的經驗和教訓。
Eriksson將這些見解分為四個主題，這些主題可能對企業在審查用于機器人開發的對話式人工智能工具時提供幫助。以下是選擇對話式人工智能平臺時不應錯過的4個視角：
(1)選擇一個可以讓企業的開發團隊成長的工具。
(2)語言支持和本地化。
(3)總體擁有成本。
(4)做好橫向和垂直領域的準備。
以下逐一進行分析和探討：
1.選擇一個可以讓企業的開發團隊成長的工具
人們可能了解一些流行術語，例如“意識”、“理解”和“自學”。 而對話式人工智能是一個更具吸引力的領域，仍然有很多潛力有待探索。然而，大多數擁有對話式人工智能工具使用經驗的企業表示，對話式人工智能工具與常規軟件或流程開發有很多相似之處，并不是一種開創性的新事物。
當然，有一些對行業領域有用且特定的術語，例如“意圖識別”、“實體”和“場景”。這些術語與對話式機器人的自然語言理解(NLU)部分有關。
這都是一些復雜的概念，但對話式機器人開發人員通常會使用這些功能，而這些功能并不是他們自己開發的。對于對話式機器人開發人員來說，這些類型的功能被認為是有效的，事實上，大多數工具都支持強大的意圖識別，如今它更像是一種商品功能。可以假設一個工具包有足夠好的意圖引擎并繼續前行。
但是需要注意的是，選擇的工具是否使用過多的類似人工智能的流行術語來描述功能，例如“意識”、“理解”或“自學”。這些不是開發人員用來描述他們開發的對話機器人的措辭(除非他們急需資金)。因此，建議避開這些流行術語，并選擇使用更接近于開發人員看待世界的方式的概念和術語的工具。
可以更具體一些嗎?當然。Eriksson更喜歡將諸如局部或全局變量(變量范圍)之類的成熟概念來構建機器人的開發人員所熟悉的術語。
(1)在編碼和無代碼之間找到平衡
聽說過低代碼或無代碼嗎?簡而言之，這些概念描述了一個用戶界面，開發人員可以在其中配置或以圖形方式設計流程而不必編寫代碼。這是可視化程序如何執行的一種好方法，并且可以是快速構建某些東西的快捷方式。但對于構建一個有效的對話式人工智能解決方案，仍然需要編碼。企業的團隊需要使用某種腳本語言編寫代碼。否則將無法完成希望機器人完成的任務。因此不要回避這個事實，腳本和編碼對于讓機器人變得偉大是非常重要的。因此，當查看工具集時，需要從“編碼部分將如何工作?”的角度對其進行評估。
另一方面，如果企業只編寫代碼而從不使用圖形表示，那么將遇到另外一些問題：“將如何與客戶合作?如何讓具有成功實施機器人所需的重要見解的團隊成員參與其中，而這些團隊成員會編碼嗎?”
因此，企業需要考慮在編碼和無代碼之間取得平衡。因為大多數企業的對話式人工智能項目都需要這兩種技術。
(2)考慮可能遇到的問題
目前市場上有很多對話式人工智能工具可供開發人員使用。企業的工作是確保選擇一種工具，它不僅可以快速構建第一個最小化可行產品(MVP)，而且對開發的每一代機器人都很有用。當企業考慮如何提供更好的機器人用戶體驗的見解時，可能會意識到所選擇的工具可能阻礙開發。
對于每一代對話機器人的開發需要考慮多個因素。如果企業構建模式流程(以及更多意圖)將會遇到一些問題。如果想讓流程更高級，可能會遇到對工具集中功能的其他需求，而在那時意識到該工具不適合這項工作可能為時已晚。
嘗試從已經部署了相當廣泛的機器人的場景中評估工具集。有了這些，可以考慮現在可能想要執行的不同任務。企業如何并行執行重構和發布一些小改進?如何組織所有流程/意圖并執行版本控制?如何確保可重用性?可能想要探索哪些技術特性?
(3)獲得創造力
當然，優秀的團隊會構建出色的機器人。企業需要選擇一種工具，其工程師可以使用該工具進行創造性開發和迭代。就像一個優秀的網站需要不斷更新一樣，隨著新功能的測試、探索、擴展或刪除，對話機器人也需要不斷改進。探索、測試、發布的自由是釋放團隊創造力和雄心的關鍵。對話式機器人的程序也不例外。企業要考慮其專家想要做什么，并確保他們有能力在工具中實現他們的目標。偉大的團隊將會構建偉大的機器人，除非工具阻礙了他們。
2.語言支持和本地化
(1)什么是語言支持?
語言支持在對話式人工智能世界中的真正含義是什么?在評估對話式人工智能工具之前，這實際上是一個需要考慮的重要問題。
對話式機器人的輸出(機器人在說什么)幾乎總是由實現者編寫。機器人生成的輸出可能會發生變化，從而允許更自然的對話，但大多數客戶都有一些用于特定領域或目的的機器人，因此自由度相當小。機器人對用戶說的話主要是由機器人開發團隊設計的。因此，機器人的輸出非常可控。因此就輸出而言，語言支持并不意味著什么，可以簡單地說，特定的語言字符不會在輸出中變成亂碼。為了幫助輸出，機器人開發工具可能有一些庫可用于一些通用的輸出，比如社交談話和標準響應。
簡而言之，語言支持與機器人向企業的用戶所“說”的內容幾乎沒有關系。
語言支持幾乎完全是關于機器人如何支持和映射特定語言的輸入。例如，機器人可以接受西里爾字母而不發出錯誤消息嗎?機器人能否用日語拆分句子來識別動詞、名詞和形容詞?機器人可以在沒有訓練的情況下對西班牙語句子中的單詞或短語進行分類嗎?
對于機器人開發人員來說，重要的是語言支持幫助他們為特定語言構建機器人。特定語言的機器人平臺也可以接受輸入并注釋(添加元數據)，以便開發人員可以利用它來設計良好的對話式機器人的體驗。
不同的對話式人工智能平臺可能聲稱支持德語。但對于一個平臺來說，它可能意味著“機器人接受德語字符”。而對于另一個平臺，機器人具有廣泛的單詞、短語、概念、實體和預構建知識的注釋。始終嘗試閱讀產品語言支持的簡單說明。企業需要考慮使用哪些語言來部署機器人。
(2)什么是本地化及其價值?
如今，大多數企業都希望以一種以上的語言推出成功的對話式機器人。發生這種情況的原因不同。有時，企業在使用多種官方語言的瑞士等國家或地區開展業務，或者他們想擴大國外市場并部署機器人。甚至可以說在兩個不同的渠道(如電話和Facebook messenger)中部署同一個機器人可能需要兩種不同的語言。
現在有一些問題需要解決：企業如何開發和維護一個幾乎相同但使用兩種或多種語言的機器人?是否只是復制它并嘗試維護兩個或多個并行解決方案?任何嘗試過這種方法的人都知道，這是一種失敗的方式，或者至少是一種非常低效且需要資源的工作方式。
解決這一問題的一種解決方案稱為“本地化”。 本地化意味著企業可以創建一個主解決方案，然后針對每種特定語言/地區對其進行本地化。本地化解決方案鏈接到主解決方案，以便更新和更改可以傳播(在更改控制下)到本地解決方案。
本地化不僅僅與語言有關。如果同一個對話機器人流程需要支持兩個不同區域的兩個不同后端系統，那么本地化也應該支持該功能。企業需要能夠對本地實現進行修改，同時又不會失去與主解決方案鏈接的好處。
對于大多數具有國際市場目標的企業來說，需要考慮要求對話式人工智能開發平臺支持本地化的好處。企業需要考慮哪些語言支持和變體，并確保選擇的工具集提供了發展空間。
3.總體擁有成本
(1)確定部署模型的隱藏成本
什么是部署模型?大多數對話式人工智能平臺都可以通過不同的方式提供：SaaS、內部部署、托管、開源等。假設企業和其安全團隊在所有部署模型進行選擇，那么在成本方面重要的考慮因素是什么?
預付費模式是否涵蓋隱藏成本?預付費模型是一種商業模型，通常與部署模型相關聯，在這種模型中，客戶需要承諾一定的資源消耗或目標。預付費模式通常是“為采用某種服務支持固定的費用，如果采用更多的服務就需要支付更多的費用，如果消費較少仍然支付固定的費用”。建議企業考慮的一個方面是，對話式人工智能項目通常難以估計，然后可能比預期的更慢或更快。它們可以影響比目標受眾更多的受眾。事后看來，預付費模式實際上很容易變得非常昂貴。
另一個隱藏成本是企業運行和維護安裝的IT管理成本。即使為本地版本的許可證和支持付費，仍然需要為硬件、日常管理、監控工具或隨叫隨到的支持付費。還要考慮一下企業的團隊將花費時間做什么。如果確定團隊進行建設，但他們將大部分時間花在基礎設施問題上，那將會產生高昂的費用。
企業需要考慮每個模型的隱藏成本，以便能夠估算總擁有成本。考慮在整個生命周期中首次部署維護和測試等后需要多少成本。不要忽視這樣一個事實，即對話式人工智能平臺在采用之后也需要支持所有階段。這就是版本控制、發布標志、重構、回歸測試、分析、性能儀表板、改進儀表板等發揮作用的地方。如果選擇的工具僅能幫助企業進行第一次構建，那么最終會由于以后提高效率而付出更多的代價。始終考慮程序的整個生命周期以及不同階段需要什么。因此需要確保選擇適合工作的工具。
(2)資源是否會將時間花在正確的事情上?
以上提到了這一點，但需要再次提醒。企業需要確保團隊成員可以專注于他們最擅長的事情——構建一個成功的對話式機器人。在人工智能行業中，企業的開發團隊40%～60%的時間花在技術支持、基礎設施和連接上而不是花費在設計、構建和改進機器人上的情況并不少見。因為如果團隊需要大量時間來構建支持性工具，或者只是讓解決方案得以運行，那么大多數想要在用戶體驗方面開發的東西都會被遺忘。因此，在選擇對話式人工智能時，必須特別注意在構建出色的機器人時最大限度地提高資源和員工效率。
(3)資源在整個程序生命周期中是否高效?
每個人都希望變得富有成效，所有的學科和行業都是如此，對于對話型人工智能開發人員來說也是這樣。很多開發人員都喜歡構建和部署對話式人工智能技術，他們希望在自己的領域內富有成效。
所以要問這個問題——這個工具會讓團隊更有效率嗎?這不僅要在項目應用之后的1～2個月內富有成效，而在兩年內，當擴大規模并變得更加包容時也具有更高的效率。企業在選擇對話式人工智能工具時，其工作是幫助團隊在整個程序生命周期中盡可能高效。
4.做好橫向和垂直領域的準備
很多企業正在探索多個用例，需要確保其工具沒有被鎖定在垂直領域。每家企業采用了多少個對話式機器人?人們可能會驚訝地發現，每家企業通常部署了不止一個對話式機器人。大多數企業在內部(面向員工)和外部(面向客戶和供應商)用例中采用對話式人工智能。因此，在選擇對話式人工智能平臺時，提前考慮一些問題很重要：例如想在什么領域采用?確定只構建一種解決方案嗎?
建議考慮選擇的工具集是水平的還是垂直的——這意味著它是針對用例或行業(垂直)進行優化的，還是針對跨行業和用例的敏捷性進行優化的(橫向)。
因為內部和外部用例實際上是非常不同的，即使是在同一個行業。在這里，重要的是要考慮哪些模型的優勢大于劣勢。橫向解決方案有一些優勢：一是可以在不同的用例中使用相同的開發平臺。與尋求所有競爭對手都在使用的行業特定解決方案相比，這可以從更大的技術社區獲得支持。需要記住的是，對話式人工智能空間就是關于構建的，企業在開發過程中需要找到提供最大優勢的工具。
可以換個角度思考這個問題。針對特定用例的預訓練解決方案的優勢是什么?企業通常可以節省獲取訓練數據的時間，也可能擁有可以重復使用的預先構建的知識。這可能是有益的，但也有局限性。如果想進行更改，或者需要添加對企業來說獨一無二的特定訓練數據，需要考慮能夠這樣做嗎?特定于用例的包是否可以幫助處理另一個用例?
可能有一些例外，但簡單的規則很可能是對話式人工智能平臺或者是預先構建的但在定制方面遇到限制，或者是更靈活但必須構建更多。而這是一個構建者的世界，并建議考慮選擇橫向解決方案的長期利益。
它實際上是關于構建的，因此可以跨垂直領域重復使用的包通常比特定于用例的包更有價值。
預先構建的知識可以節省時間。技術社區能夠開發優秀的技術是有原因的，每個人都從他人的貢獻中受益。因此毫無疑問，預構建的軟件包很好。但令人驚訝的是，在對話式人工智能中，預先構建的打包需要非常小才能有用。Salesforce的集成包如果只包含與Salesforce的API連接的基本構建塊，則可以很容易地重用。因為這樣它可以很容易地合并到許多不同的用例中——內部銷售支持、內部報告、外部客戶支持等。但是預先訓練的外部客戶支持包甚至可能需要更多時間來適應不同的用例。因為需要審查和調整包的每個組件，如果最終需要重組，最好從頭開始。所以企業要和供應商討論預構建的包，但要確保它們是模塊化并且相當小。此外要記住的是，企業可以向社區分享自己構建的模塊，而這通常是分享工作和尋找改進的好方法。
Eriksson提出的一個建議是：嘗試構建機器人以反映企業價值，并選擇有助于建立品牌的方法。這可能并不容易，因為不確定是否真的能從外部得到很多幫助。企業需要讓文化和品牌推廣者參與進來。
Eriksson建議企業的不同部門進行協作，并且處于控制之中，以便可以準確地設計客戶應該擁有的體驗。客戶將會與企業的機器人交互，這是企業與客戶群進行的雙向交互之一，因此不要浪費時間，并致力打造品牌。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號