Chatbot je jen začátek. V Trasku vyvíjí technologii, která rozumí česky a dokáže výrazně zefektivnit zpracování dat

Lukáš Čejka, Senior Consultant pro chatboty a AI v Trasku

Foto: Trask

Pyšnit se dnes moderními technologiemi chce každá firma. Jedním z novějších trendů, na který i mnoho českých firem postupně naskakuje, jsou takzvaní chatboti. Virtuální asistenti, kteří dokáží zodpovědět dotazy zákazníků nebo zaměstnanců, aniž by musel za strojem sedět lidský operátor, vypadají na první pohled skutečně moderně. Jenže problém nastává tehdy, když jde pouze o pozlátko, za kterým se žádná pořádná technologie vlastně ani neskrývá.

Když napíšete chatbotovi, na začátku vůbec nemusíte poznat, že na druhé straně za oknem s konverzací nesedí člověk, ale odpovědi vám posílá program.Pokud budete mít jednoduchý dotaz, na který je chatbot připraven, nemusíte na to přijít vůbec. Lenka či Petr, jak se může chatbot jmenovat, vám ochotně odpoví, poděkují a případně přesměrují tam, kam potřebujete.

K zádrhelu ovšem dojde ve chvíli, kdy na zákaznickém chatu budete chtít něco, na co není chatbot připraven. Když se hypotečního chatbota zeptáte, jestli pro vás náhodou nebude lepší úvěr, zadrhne se a může začít opakovat přednastavené fráze. Následně vás raději přepojí na lidského kolegu, protože umí jen hypotéku a s úvěrem si neumí poradit. Pak už moc dobře víte, že jste narazili na nedokonalou technologii a váš zážitek se službou se pravděpodobně zhorší.

Chatbot vám musí rozumět

„Aby byl chatbot opravdu k něčemu dobrý, potřebuje dobře porozumět tomu, co mu člověk píše,“ vysvětluje Lukáš Čejka, který má v české technologické firmě Trask na starost právě virtuální asistenty. „Chtěli jsme, aby chatbot zákazníkům dokázal skutečně pomoci, vytrhnout jim trn z paty a něco nebo někoho doplnit. Takový chatbot musí porozumět každé větě a jejímu záměru,“ doplňuje Čejka.

meetbot-trask1

K organizování eventů používá Trask svého chatbota Meetbot

Foto: Trask

V Trasku k takovému závěru došli, když s chatboty před zhruba dvěma lety začínali. Na trhu šlo tehdy o relativně technologickou novinku, a tak s ní experimentovalo mnoho firem. Většina začínala s tzv. konverzačním stromem, kdy do jednoduchého chatbota nahrajete určitý scénář, podle kterého jede. A když se zákazník na druhé straně odchýlí a odpoví jinak, než je očekáváno, konverzace končí neúspěchem.

„Rychle jsme si uvědomili, že konverzační strom má své velké limity. Využívalo to u nás akorát pár webů a firem, které chtěly vypadat inovativně, ale často takové řešení nepřinášelo očekávanou přidanou hodnotu,“ popisuje Lukáš Čejka.

tim-cook-apple-keynote

Přečtěte si takéApple chce hrát s iPhonem prim i ve světě 5G sítí. Od Intelu za miliardu dolarů kupuje modemový byznys

Klíč k tomu, aby mohl být chatbot skutečně plnohodnotným virtuálním asistentem, je porozumění textu konverzace a schopnost komunikovat bez omezeného konverzačního stromu. Řešení se jmenuje zpracování přirozeného jazyka, anglicky natural language processing (NLP). A pak už to má jen jeden, avšak podstatný háček. V češtině je NLP mnohem složitější než třeba v angličtině.

„V angličtině je produktů s chatboty využívajících NLP spousta. Stačí si naimportovat několik modulů v Pythonu a máte hotovo. V češtině to tak ale bohužel nefunguje, a proto se nikdo do této oblasti příliš nepouštěl,“ vysvětluje NLP vývojář Anton Kretov, který se společně s týmem zhruba před rokem do vývoje technologie perfektně rozumějící českému jazyku pustil.

Složitost češtiny

Samotné zpracování přirozeného jazyka je vlastně jen rozhraním pro komunikaci mezi zákazníkem a programem. Využití nachází i za hranicemi chatbotů, ale právě u nich se schopnosti technologie nejlépe a nejčastěji demonstrují. Zásadní je pak to, že oproti angličtině je čeština mnohem složitější, protože se například skloňují podstatná a přídavná jména, existuje množství synonym a jeden požadavek lze říci několika způsoby.

„Anglosaské jazyky jako angličtina nebo němčina jsou hodně formální a matematicky jdou poměrně snadno zadefinovat. Čeština a slovanské jazyky jsou rozmanité a tím na jednu stranu krásné, ale zároveň pro vývojáře představují velkou výzvu,“ říká Anton Kretov, který se však rozhodl, že v této skutečnosti najde pozitiva. Paradoxně totiž z jedné české věty dokážete vytěžit mnohem více dat. A na tomto základě začali v Trasku budovat NLP pro český jazyk.

anton-kretov-min

Anton Kretov, vývojář Trasku

Dnes jsou v Trasku ve fázi, kdy dokáží udělat na prakticky každé větě podrobný větný rozbor, který určí podmět, přísudek, pády a další náležitosti. Podle tohoto rozboru NLP technologie na pozadí během pár okamžiků vyhodnotí záměr či úmysl, co člověk po virtuálním asistentovi chce. Jedním z klíčových faktorů, proč se to Trasku daří, je fakt, že místo omezeného slovníkového rozpoznávání vět, vsadili na rozeznávání kontextu pomocí neuronových sítí, machine learningu a analýzy.

„Neuronové sítě používáme na zpracování dat a vytěžení vazeb v nich. Místo slovníků pracujeme s kontextem, což znamená, že jsme schopní předvídat nejen další slovo ve větě, ale dokážeme říct, že v této větě a na tomto místě musí být podle kontextu patřičné slovo, například název společnosti nebo jméno,“ vysvětluje výhody kontextového NLP Anton Kretov.

creditas-richee-app1

Přečtěte si takéKamil Rataj z Creditas: Aplikace Richee byla experiment. Dnes z ní lidé ovládají 20 tisíc účtů ve 13 bankách

Zároveň přiznává, že neuronové sítě, potažmo strojové učení určitě není univerzálním lékem na všechno. „Kdybychom chtěli pomocí neuronových sítí odvozovat i třeba nějaká gramatická pravidla jako čárky nebo tečky ve větách, bylo by to jako krájení okurky sekerou,“ podotýká Kretov.

Víc než chatbot

Proto v Trasku vyvinuli mechanismy, které jsou založené jak na neuronových sítích, tak matematických myšlenkách a neustálém učení, které posouvá přesnost rozpoznávání záměru téměř ke 100 procentům. „Dokážeme naši technologii dotrénovat až na 96 procent úspěšnosti rozpoznání toho, co zákazník požaduje,“ doplňuje Lukáš Čejka s tím, že Trask díky tomu profiluje své produkty více jako schopnější virtuální asistenty než jen jednodušší chatboty a na své NLP poskytuje kompletní API.

Na druhou stranu Čejka upozorňuje, že pro některé příklady opravdu může chatbot založený na jednoduchém konverzačním stromu stačit. Pokud potřebujete vytvořit například jednoduchého chatbota, který vám od uživatelů pouze sesbírá potřebné údaje a další informace, nepotřebujete ani žádnou technologii pro rozpoznávání jazyka. Trask míří se svým NLP výš.

Služeb Trasku jako technologické a konzultační společnosti s pětadvacetiletou tradicí využívají velké firmy z bankovního sektoru, finanční domy, automobilky nebo třeba telekomunikační hráči, kteří potřebují řešit větší záležitosti než jen zodpovězení dotazníku. „Tady už nejde jen o chatboty, ale technologii NLP a češtinu jako takovou. Postavili jsme robustní systém, který můžeme nasadit i na další případy a procesy,“ říká Kretov.

lukas-cejka-trask2

Lukáš Čejka, Senior Consultant pro chatboty a AI v Trasku

Foto: Trask

Obvykle tak Trask svou technologii nasazuje při zpracovávání velkého množství dat, ve kterých je potřeba porozumět tomu, co se v nich nachází. Typickým příkladem může být komunikace mezi zákazníkem a operátorem call centra, ve které je NLP schopné vyhodnotit, jestli operátor skutečně vyřešil daný problém, a co bylo jeho podstatou, jak často se takové situace stávají a jestli byl klient s vyřízením spokojen.

Větší efektivita a ušetřený čas i peníze

„Všude, kde se pracuje s velkým množstvím textu a kde jsou do procesu zapojené desítky nebo stovky lidí, je třeba nasadit inteligentnější zpracování. Urychlí to práci lidem i zefektivní celé procesy. A právě to přináší NLP,“ dodává Lukáš Čejka a přidává k dobru další dva příklady.

Podobně jako hovory v call centrech lze jednodušeji vyhodnocovat zápisy v CRM systémech, kde se sbíhají tisíce poznámek od různých klientů. Místo toho, aby je pak vyhodnocovalo deset zaměstnanců, nasadí se NLP, které mnohem efektivněji vyhodnotí například nejčastější a opakující se problémy.

Nasadit lze pak takovou technologii i na datové schránky. Banky a další velké firmy obdrží do datových schránek desítky tisíc zpráv, které dnes často třídí člověk. Pokud se však za ně posadí technologie, která dokáže rozpoznat, co v dané zprávě je, dokáže je zároveň velmi efektivně a rychle delegovat na konkrétní oddělení. Výsledkem je opět zrychlení procesů a zároveň šetření peněz a využití zaměstnanců pro přínosnější činnosti.

O tom by ostatně měly nové technologie být. Nemají sloužit jen jako demonstrace toho, že dokáže být firma moderní a inovativní, ale že budou především řešit reálné problémy a vylepšovat stávající procesy. Bez toho jde jen o pozlátko bez valné přidané hodnoty.

Šéfredaktor CzechCrunche, Apple pozitivní uživatel a sportovní fanoušek.

CzechCrunch Express

Nenechte si utéct zásadní zprávy!

Přihlašte se k pravidelnému odběru novinek ze světa technologií a startupů.