ServiceNow hat die Akquisition eines Startups, Parlo,
angekündigt , das Lösungen auf der Grundlage des maschinellen Lernens entwickelt, insbesondere eines Verarbeitungssystems für natürliche Sprachen (NLP). Lassen Sie uns über die Ziele des Erwerbs eines Startups und den Algorithmus zum Einrichten eines Chat-Bots auf der Now-Plattform sprechen.
/ Foto
☰☵ Michele MF CCWarum ist es ServiceNow?
Parlo bietet die Broca-Plattform an, die für die Spracherkennung geschärft ist. ServiceNow plant, Broca in seine Now-Plattform zu integrieren. Pat Casey, Senior Vice President von ServiceNow bei DevOps,
sagte, das Unternehmen beabsichtige, den Prozess der Interaktion mit Maschinen mithilfe neuer Technologien für die Gesten- und Spracherkennung zu diversifizieren.
Der Virtual Agent-Chatbot, der bereits die Integration mit IBM Watson unterstützt, wird NLP-Funktionen
bereitstellen . Dieser Chatbot dient zur Bearbeitung von Anfragen von Mitarbeitern und Kunden und kann eine Reihe von Aufgaben ausführen, z. B. das Zurücksetzen von Kennwörtern oder das Generieren eines Vorfallberichts. Virtual Agent-Chats können auch in Unternehmens-Messenger integriert werden: Slack oder Microsoft Teams. Nach Angaben des Unternehmens kann der Chatbot 15 bis 20% aller routinemäßigen Kundenanfragen bearbeiten, die sich beispielsweise auf die Bestellung und die Überprüfung ihres Status beziehen.
Wenn die Produktfunktionen von Parlo zum virtuellen Agenten hinzugefügt werden, kann der Chatbot
die Mitarbeiter besser verstehen (einschließlich Slang- und Umgangssprachen). Dadurch wird es für die Mitarbeiter und Kunden des Unternehmens einfacher, mit dem Chat-Bot und der gesamten Plattform zu interagieren.
/ Foto Papa Pic PDDer Deal sollte Ende Mai abgeschlossen sein. Danach plante SN, mit der Implementierung von NLP-Funktionen in der Virtual Agent-Lösung zu beginnen. Dank der Integration in IBM Watson verfügt die Virtual Agent-Lösung jedoch bereits über einige „intelligente Funktionen“.
Sie wurden bereits an der University of Alberta
evaluiert . Der Chatbot von Virtual Agent wurde zwei Wochen lang verwendet. Zum Zeitpunkt des Tests hat der Bot 30% der eingehenden Benutzeranforderungen erfolgreich verarbeitet. Die Universität plant, das System weiterhin zur Lösung alltäglicher Probleme einzusetzen, um einen Indikator von 80% und höher zu erreichen.
So erstellen Sie einen Chat-Bot
Mit dem Now Platform-System
können Sie Ihre Chat-Bot-Anwendung implementieren, die in IBM Watson-Services integriert ist. Betrachten Sie als Nächstes eine der in der ServiceNow-Dokumentation beschriebenen Implementierungen. Der folgende Algorithmus wird im Whitepaper bereitgestellt:
1. Definieren Sie Domänenregeln
Zuerst müssen Sie eine asynchrone Regel in der Tabelle live_message erstellen. Dies ist der Einstiegspunkt für die Chat-Bot-Anwendung. Der asynchrone Ansatz entsperrt die Semaphoren, bevor die an das Watson-System gesendeten REST-Nachrichten verarbeitet werden. Diese Semaphoren steuern die Anzahl der parallel ausgeführten Transaktionen. Infolgedessen können Sie die Produktivität steigern, wenn Sie mit mehreren Benutzern gleichzeitig arbeiten.
2. Rufen Sie die REST-API auf
Als Nächstes müssen Sie einen ausgehenden REST-Aufruf beim Conversation Service bei IBM Watson registrieren. Hier ist ein Beispiel für Code, der in einem ServiceNow-Whitepaper veröffentlicht wird:
send: function(text) { try { var r = new sn_ws.RESTMessageV2 ('WatsonConversation', 'Message'); r.setStringParameterNoEscape ('message', text); r.setStringParameterNoEscape ('version', this.version); r.setStringParameterNoEscape ('workplaceId', this.workplace_id); r.setStringParameterNoEscape ('context', this.getContext ()); var response = r.execute(); var responseBody = response.getBody(); var httpStatus = response.getStatusCode(); var responseObj = JSON.parse(responseBody); return { intents: this.parseIntents(responseObj ['intents'],'intent','confidence'), entities: this.parseEntities(responseObj ['entities'], 'entity', 'value'), outputs: responseObj ['output'], ['text'], input: responseObj ['input'], ['text'], context: responseObj ['context'], conversation_id: responseObj ['context'], ['conversation_id'] response: responseBody }; } catch(ex) { gs.error(ex + ': ' + responseBody); gs.addErrorMessage(ex); gs.addErrorMessage(response); return ex; } },
Dieser Code verwendet das zuvor erstellte REST-Nachrichtenobjekt, legt die Parameter fest und führt einen REST-Aufruf mit r.execute () durch. Als nächstes wird das Skript blockiert und wartet auf ein Antwort-HTTP-Objekt.
3. Senden Sie eine Antwort an den Chat-Client
Nachdem der Anwendungscode eine Antwort vom Watson-Dienst erhalten hat und die Verarbeitung abgeschlossen ist, sendet das System eine Antwortnachricht an den Endbenutzer. Dies erfolgt mithilfe des LiveFeedMessage-Skripts und des Aufrufs der postMessage-Methode (Daten).
Als Nächstes müssen Sie eine andere Geschäftslogikregel festlegen, die bereits eine Nachricht an das Front-End sendet (die erforderliche Liste der Konfigurationen finden Sie
hier ).
ServiceNow bietet auch eine weitere Integrationsoption, die synchrone Regeln verwendet. Sie können sich in einem PDF-Dokument unter dem
Link damit vertraut machen.
So helfen Chat-Bots von Virtual Agent dabei, eine große Anzahl derselben Art von Anrufen zu verarbeiten, beispielsweise um sie zu unterstützen, und geben Fachleuten des technischen Supports Zeit, um komplexere Probleme zu lösen. Wie in ServiceNow angegeben, wird das System ab der Kingston-Plattformversion verfügbar sein.
PS Worüber wir im ersten Corporate IaaS Blog schreiben:
PPS Unsere anderen Materialien zu Habré: