watermelon
Waarom een chatbot ook ‘broccoli pindakaas’ moet snappen

Waarom een chatbot ook ‘broccoli pindakaas’ moet snappen

In menselijke gesprekken gelden veel conventies. Conventies die ervoor zorgen dat een gesprek vloeiend begint, verloopt en eindigt. Van verschillende begroetingen tot non-verbale signalen tot aan beleefdheidsvormen die veel ongemakkelijke situaties voorkomen. Bij een gesprek tussen een chatbot en mens zijn deze conventies veel minder bepaald. Dus hoe ga je hiermee om?

Laten we voorop stellen dat er verschillen tussen menselijke gesprekken en chatbotgesprekken zijn die nooit volledig zullen verdwijnen. Denk hierbij met name aan non-verbale signalen, die wellicht tot op zekere hoogte kunnen worden geïmiteerd, maar nooit gelijkwaardig zullen zijn aan menselijke interactie. Een chatbot kan bijvoorbeeld emoji’s gebruiken, maar een  ¯\_(ツ)_/¯ van een chatbot staat nooit gelijk aan een welgemeende ‘jammer dan’ met van een schouderophalende collega als je hem vraagt waarom hij wat brutaal tegen de baas is.

Anderzijds volgens menselijke gesprekken door dezelfde vele conventies een bepaalde logica. Hierdoor ontstaan vaste patronen die ook gebruikt (gaan) worden voor het chatten met robots. Begroetingen zijn het meest logische voorbeeld. Er zijn honderden varianten te bedenken van hoe mensen elkaar begroeten, maar er is één universele overeenkomst: dit vindt plaats aan het begin van een gesprek. Daar hoeft geen ingewikkeld algoritme aan te pas te komen en is dus ontzettend makkelijk direct te gebruiken voor iedere chatbot. Als je met de chatbot van Watermelon aan de slag gaat, zorgen we er dan ook voor dat je verschillende begroetingen moeten bedenken en instellen.

Beleefdheidsvormen van chatbot

Een ander duidelijk menselijk gesprekselement zijn de beleefdheidsvormen. Tijdens een gesprek laten mensen elkaar uitpraten, wordt er geluisterd. En er zijn ook minder zichtbare conventies aan het werk. Zowel spreker als toehoorder zullen ongemakkelijke situaties proberen te voorkomen waarin een van de twee wordt ‘ontmaskerd’. Of: het behouden van een positive face, zoals dit wordt genoemd binnen de politeness theory. Laten we even het volgende voorbeeld nemen:

Persoon 1: Hee, hallo hoe gaat het? En met de man en kinderen? Hoe staat het met de huizenjacht, al wat leuks op het oog?

Persoon 2: Euh ja, welkom. Gaat u zitten, fijn dat u tijd heeft voor dit sollicitatiegesprek. Ehm, goed, ja.

Dit gesprek zou enorm ongemakkelijk zijn en nagenoeg onmogelijk. De eerste persoon spreekt op een amicale haast familiaire manier de ander aan, wat totaal niet strookt met de setting en rol van de andere persoon: een sollictatiegespreksleider zijn. Er zijn verschillende manieren waarop mensen dit soort situaties voorkomen door onder meer positieve, negatieve of juist afwijkende strategieën te hanteren.

Deze dynamiek is bij chatbots veel minder voor de hand liggend. Mensen zijn niet per se beleefd tegen kunstmatige intelligentie, net zo min als dat ze dat zijn tegen hun stofzuiger of de parkeermeter. Dit komt vooral omdat mensen niet begrijpen wat het betekent om met een kunstmatige intelligentie te praten, of waarom ze dat moeten doen. Dus gaan ze experimenteren.

Hou hier dus rekening mee wie de chatbot van Watermelon gaat inzetten!

De drie types

Deze drie types zullen elk op hun eigen manier de mogelijkheden van jouw chatbot testen en positive face proberen te doorbreken. De free spirits kunnen vanuit nieuwsgierigheid steeds complexere vragen gaan stellen – wat waardevolle input kan leveren voor verdere ontwikkeling van de chatbot. Ze kunnen echter ook simpelweg de vraag ‘Broccoli pindakaas?’ stellen terwijl je een chatbot voor een verzekeraar hebt. Deze vragen doorbreken een duidelijk pad, maar gelukkig zijn chatbots zelflerend en kunnen dit herkennen. Je kunt bijvoorbeeld instellen dat een chatbot vragend reageert op niet-begrepen vragen.

De disruptors hebben een natuurlijke afkeer van systemen en zijn waarschijnlijk ook de klagers die via andere channels al eerder op negatieve manier in aanraking zijn gekomen met jouw bedrijf. Zij weigeren ‘mee te spelen’, tenzij duidelijk wordt dat dit systeem faciliteert in een verandering van de status quo. Of simpeler gezegd: je moet deze groep extra overtuigen dát een chatbot beter is dan een andere technische oplossing. Het is de groep die zonder gêne scheldt en tiert tegen de chatbot, want ‘waarom is die bot nodig’?

Ook hier weer komt het zelflerende aspect van chatbots naar boven. Ze zullen beleefd blijven reageren en proberen mensen weer op het spreekwoordelijke goede pad te krijgen. Als je hiermee laat zien dat jouw chatbot werkt en doordacht reageert, zijn van de disruptors je beste klanten te maken.

Tot slot zijn er nog de achievers. Deze groep kan de voorvechter voor je chatbot vormen. Zij willen vooral begrijpen hoe elk aspect van jouw chatbot werkt. Ze kijken daarbij niet alleen naar de inhoud, maar ook naar de structuur van de chatbot zelf. Dit zijn de mensen die willen zien wat er gebeurt als je (te) persoonlijke informatie in de chatbot zet, of de flow van een gesprek doorbreekt om te zien hoe de technologie erachter werkt.

Wederom komt het zelflerende aspect van een chatbot terug: naarmate meer mensen de technologie gebruiken, zal de chatbot sneller leren om beter te reageren. En op dit leergedrag kun jij ook ingrijpen aan de achterkant: je kunt bepaalde input laten negeren bijvoorbeeld, bijvoorbeeld als je vindt dat jouw bot echt niets heeft aan ‘broccoli pindakaas’ beantwoorden.

Kortom, je chatbot is slimmer dan een stofzuiger, maar het is geen mens. Enerzijds zul je dus moeten bedenken hoe je om wil gaan bij standaard chatsituaties en ook afwijkend chatgedrag, maar anderzijds is een chatbot ook zelflerend.

De toekomst van chatbots

Chatbots zijn nog nieuw en dat zorgt net als bij een eerste date soms voor onwennige gesprekken. Dit omdat zowel de chatbot als de persoon die met de bot praat, hun rol nog niet goed kennen. Chatbotoplossingen verschillen daarbovenop onderling vaak nog, waardoor conventies minder vast liggen. Dit zorgt soms voor creatieve, experimenterende of tegenstribbelende klanten.

Gelukkig zijn aan dit soort problemen vaak al gedacht met goede oplossingen en bovendien is het een prachtige kans om met deze input verdere verbeteringen door te voeren. De mens heeft zo’n slordige 200.000 jaar gehad om zijn gesprekstechnieken te verfijnen en chatbots kunnen dus profiteren van 200.000 jaar aan learnings.

Benieuwd naar onze chatbot technologie?

Gerelateerde artikelen