Baru-baru ini Amazon telah membuka toko yang
sepenuhnya otomatis di mana tidak ada penjual, kasir. Acara ini memicu putaran baru diskusi tentang tren robot menggantikan orang di banyak bidang bisnis (misalnya, berikut adalah
artikel tentang topik di The Guardian). Saya berhasil berbicara dengan Dmitry Plotnikov, seorang ahli otomatisasi proses bisnis (Microsoft MVP), tentang siapa yang benar-benar harus mulai khawatir tentang pekerjaan mereka.
Anda banyak bekerja di bidang otomatisasi proses bisnis. Bisakah Anda membagikan beberapa pengamatan di mana karyawan akan digantikan oleh robot?
Secara umum, selama beberapa tahun sekarang, berbagai daftar profesi yang akan menghancurkan robot (misalnya,
di sana -
sini ) telah dipublikasikan di Internet - pekerja dari pabrik, pengemudi atau pelayan selalu dipanggil di sana. Bahkan, dari apa yang kita lihat, lebih awal dari masalah lain, pekerja kantor mungkin memiliki masalah.
Ini, misalnya, dari siapa?
Misalnya, karyawan pusat panggilan yang menangani penjualan dingin menggunakan panggilan telepon. Biasanya, operator memiliki skenario percakapan yang jelas (naskah), yang menyatakan apa dan bagaimana ia harus berbicara. Menyimpang darinya paling sering dilarang. Dan bahkan jika muncul situasi yang tidak diproses oleh skrip, operator seharusnya hanya mengulangi frasa yang ada dalam skrip mereka - sisanya dilarang.
Artinya, seseorang, seperti robot, akan mengulangi kata-kata yang sama. Dan jika demikian, maka mengapa tidak menggantinya dengan robot, karena itu akan menghemat uang: program tidak perlu dilatih, dapat bekerja sepanjang waktu dan tujuh hari seminggu.
Tetapi dalam kasus ini, ternyata sistem harus melakukan percakapan suara, dan ini bahkan lebih rumit daripada bot obrolan. Apakah ada keberhasilan nyata di bidang ini sekarang?
Ya, saya dapat berpartisipasi dalam proyek di mana diperlukan untuk mengimplementasikan sistem seperti itu - aplikasi yang menggunakan database SharePoint sebagai CRM dan berkomunikasi selama panggilan dingin. Sistem ini telah diluncurkan dan berfungsi untuk salah satu pelanggan dari wilayah barat (sayangnya, saya tidak dapat menyebutkan nama perusahaan).
Ada banyak solusi serupa di pasar, kebanyakan dari mereka menggunakan pendekatan di mana komputer mensintesis suara seseorang. Hampir selalu terdengar tidak wajar, berbicara dengan robot seperti itu tidak menyenangkan bagi seseorang.
Oleh karena itu, dalam proyek kami, diputuskan untuk meninggalkan sintesis pidato dan menggunakan suara yang direkam sebelumnya dari orang yang hidup dalam komunikasi. Akibatnya, sistem membaca lawan bicara proposal dari skrip perusahaan dan mendekripsi jawabannya dengan cepat, mengubahnya menjadi teks. Salah satu tugas paling penting di sini adalah analisis konten panggilan. Dengan menggunakan kata kunci, Anda dapat memahami dengan tepat bagaimana seseorang bereaksi terhadap apa yang didengarnya (ini juga membantu mencari basis pengetahuan), dan bergantung pada hal ini, membangun komunikasi lebih lanjut - mengakhiri percakapan, mereproduksi kalimat berikutnya dari teks yang sudah direkam, dll. .
Seberapa efektif ini?
Anehnya, sistem ini bekerja dengan cukup efisien dan memungkinkan Anda untuk secara serius menghemat dan meningkatkan produktivitas panggilan dingin. Aplikasi itu sendiri dapat mengatur status sesuai dengan hasil percakapan di CRM, yang sangat nyaman, dan satu program per hari dapat memanggil ratusan pelanggan. Biaya call center yang dapat melakukan jumlah pekerjaan yang sama akan sangat signifikan.
Apakah ada kesulitan dalam membuat aplikasi semacam ini?
Ya tentu saja Pendekatan yang kami gunakan memiliki kesulitannya sendiri - misalnya, mereproduksi ucapan yang direkam sehingga terdengar alami tidak begitu sederhana. Sebagai contoh, selama percakapan antara dua orang, jeda panjang jarang terjadi, oleh karena itu, robot harus menanggapi replika lawan bicara dengan cepat. Selain itu, dalam kehidupan nyata, orang yang menerima panggilan mungkin berada di tempat yang bising - dan tidak mudah bagi robot untuk memahami secara real time ketika frasa yang ditujukan kepadanya telah berakhir dan Anda harus menanggapinya.
Demikian pula, beberapa kata mungkin terdengar sama, tetapi memiliki arti yang berbeda dan direkam secara berbeda (homofon). Misalnya, dalam bahasa Inggris, kata-kata bot dan pembelian terdengar sama, tetapi artinya sama sekali berbeda konsep.
Bagaimana Anda bisa menyelesaikan masalah ini dan meningkatkan akurasi?
Pembelajaran mesin, jaringan saraf. Setiap call center memiliki basis pengetahuan, biasanya cukup luas: ada skrip percakapan dan catatan mereka (mereka sering dibuat, misalnya, untuk menilai kualitas pekerjaan operator). Untuk memulainya, Anda dapat membuat jaringan saraf dan melatihnya pada data ini - rekaman percakapan yang didekripsi. Hasilnya adalah operator virtual lengkap untuk melakukan panggilan dingin.
Sebagai kesimpulan, apakah mungkin untuk memberikan saran kepada mereka yang akan membuat sistem otomasi serupa untuk tugas-tugas kantor rutin?
Dalam hal ini, mungkin yang paling penting adalah memilih teknologi dan alat yang tepat. Kecil kemungkinan bahwa Anda akan memiliki sumber daya yang cukup untuk melakukan semuanya dari awal sendiri, sehingga Anda harus menggunakan produk yang sudah jadi dan semua jenis API. Dan di sini penting bahwa mereka memiliki fungsionalitas yang diperlukan dan dokumentasi yang baik.
Misalnya, selama proyek kami ingin menggunakan alat dari Google dan Microsoft, tetapi kami menemukan bahwa salah satu dari mereka tidak mendukung bahasa yang kami butuhkan, dan dokumentasi yang kedua ternyata sangat buruk sehingga beberapa poin diklarifikasi hanya selama percobaan. Jika ini bisa dihindari, Anda akan menghemat banyak waktu dan tenaga.
Artikel menarik tentang dampak otomatisasi pada pasar tenaga kerja: