DM Kommunikation
Nye chatløsninger rykker ind i kommunikation. Kommagasinet giver et overblik, mens en AI-lektor opfordrer til, at man tænker sig grundigt om og husker den sunde fornuft.
Chatbots skubber i disse år til kommunikationsfaget.
Dels fordi de påvirker måden, hvorpå virksomheder og offentlige myndigheder kommunikerer med kunder og borgere, men også fordi de giver kommunikationsfolk nye opgaver, som i høj grad handler om at sikre, at de nye værktøjer og løsninger bruger korrekte og opdaterede data.
Ifølge Martin Lauritzen, partner hos Indialog, der siden 2008 har arbejdet med løsninger baseret på kunstig intelligens, er det drømmen om effektiv, billig og evnen til at servicere kunder eller borgere i døgndrift, der driver de fleste kunder.
Og med de store sprogmodellers (LLM’er, red.) gennembrud er der desuden sket et kvantespring i forhold til, hvad det kræver at komme i gang.
“Med de nye LLM-baserede løsninger kommer du nemmere forbi en tung og besværlig opsætning, fordi de LLM-understøttede ting ‘bare’ skal fodres med data. Og så er det mindre vigtigt, hvordan de bliver spurgt om ting. De er oftest i stand til at give et svar, som giver mening.”
Er det virkelig rigtigt?
“Det vil jeg påstå,” siger Martin Lauritzen.
Han forklarer, at der er forskel på, om den giver svar, som ikke er meningsfulde eller forkerte – eller om den svarer, at den ikke kan svare på spørgsmålet.
“Vi anbefaler altid, at en chatbot er hegnet ind, så den ikke svarer på noget, som den ikke skal svare på. Og hvis den får spørgsmål, som ikke kan læses i de tilgængelige data, skal den svare, at det ved den ikke.”
Der skelnes typisk mellem to forskellige teknologier: Den regelbaserede og den generative AI-baserede, herunder RAG-baserede.
Generative AI-chatbots er generelt mere avancerede og kan levere svar på en mere naturlig og menneskelignende måde, mens de regelbaserede chatbots er enklere og mere begrænsede – og også mere forudsigelige og lettere at kontrollere.
På Aalborg Universitet maner en ekspert til besindighed og grundighed, når det kommer til udviklingen af chatbots.
“Sprogmodellerne kan betragtes som en nyansat studentermedhjælper. Vedkommende er meget flittig, men der går noget tid, før vedkommende er der, hvor man har tillid til, at vedkommende kan kommunikere på vegne af virksomheden. Det er en rent ikke-teknisk overvejelse, man bør gøre sig,” siger Roman Jurowetzki, der er lektor på Aalborg Universitet og projektleder i det nationale projekt ‘AI Denmark’.
Rent teknisk er der andre overvejelser:
“Hvis man bygger en chatbot, vil man nok bruge RAG-teknologi (Retrieval Augmented Generation, red.). Viden, der fører til et svar, ligger nødvendigvis ikke i sprogmodellen, men i en database, som man tilføjer modellen,” siger Roman Jurowetzki.
Han understreger, at der skal bruges substantiel tid på at samle og rense data.
“Og man skal være sikker på, at der ikke er modsigende oplysninger, som kan føre til modsigende svar på det samme spørgsmål og så videre,” siger Roman Jurowetzki, som opfordrer til, at man entrerer med en dygtig udvikler, der samler det hele for en, inden man afprøver og tester.
“Risikoen er, at der er nogen derude, som provokerer chatbotten, så den giver forkerte svar. Det kan være, at der er nogle, der synes, at det er sjovt at få en chatbot til at svare noget, der slet ikke passer. Derfor skal systemet bygges på en måde, så det ikke sker,” siger Roman Jurowetzki.
RAG – Retrieval Augmented Generation – er en AI-løsning, hvor databaser, der hentes informationer fra, kobles sammen med generative sprogmodeller. Dermed giver man sprogmodellen mere viden, så den kan levere mere præcise, opdaterede og relevante svar.
Hvad tror du, det næste bliver?
“Det er faktisk muligt, at en chatbot, der arbejder indenfor et snævert scope af data, kan give en ret personlig oplevelse,” siger Roman Jurowetzki.
Han forklarer, at vi nærmer os noget, der kan løfte standardoplevelsen til et sted, hvor den enkelte kan få noget meget værdifuld eller ligefrem personlig information. Han giver et eksempel:
“Hvis et flyselskab har en chatbot, der kan give svar på for eksempel 200 preformulerede FAQ’s, så kan den faktisk også kobles op på andre systemer, der kan give den enkelte kunde oplysninger, som er relevante. Det kunne være oplysninger om afgange, ankomster eller forsinkelser på baggrund af et fly- eller bookingnummer. Det kan ske via et API-call, så chatbotten kan svare ud fra de oplysninger, der bliver hentet,” siger Roman Jurowetzki. ●
Kommagasinet har sammen med Martin Lauritzen, partner hos Indialog, beskrevet de mest almindelige løsninger.
