チャットボットの方向性は、Sberbank-Fellowトラベラーの内部ソーシャルプロジェクトのおかげでSberTechで始まり、さらにいくつかのプロジェクトでさらに発展しました。 パイロットプロジェクトについて-削減中...
チャットボットおよびクエリの自然言語の認識の分野では、すでに多くの開発が行われていることを認識する価値があります。 ただし、ほとんどのオープンライブラリと主要な音声変換プロジェクトは英語に焦点を当てています。 この観点からのロシア語には独自のニュアンスがあります。 また、ロシアには、特にYandex、Mail.ru、SberTechなどの大規模な技術大学や民間企業に関心のあるチームがありますが、既製の産業ソリューションはそれほど多くありません。 そして、ロシア語を話すビジネスのタスクは、英語を話すビジネスのタスクよりも野心的です。
今日は、チャットボットと機械学習の分野で達成した成功についてお話したいと思います。
特定の企業のニーズに合わせて十分にカスタマイズ可能な商用ソリューションはまだ存在しないと言わざるを得ません。業界自体はまだ若すぎます。 たとえば、技術サポートなどの民間の研究者からのプロジェクトがありますが、これは通話の分類を可能にする技術の初期バージョンです。 さらに、Sberbankほどの規模の作業に対応できる単一のソリューションはありません。膨大な数の顧客を抱える膨大な情報を分析するためです。 深層分析ツールは世界でのみ出現しています。 実際、これらの基本的なツールから、当社の専門家は、Sberbankのタスク向けに独自のカスタマイズ製品を開発しています。
現在、会社には4つの重要なプロジェクトがあります。 次に、それぞれについて詳しく説明します。
ズベルバンクトラベルコンパニオン
プロジェクト「Sberbank Fellow traveler」により、会社のチャットボットの歴史が始まりました。 勤務中、Sberbankの従業員は、時にはいくつかの種類の公共交通機関を使用して、時には遠隔地に出張する必要があります。 同時に、彼らの同僚は車でほぼ同じ方向に運転し、空いている席がいくつかあります。 会社が単独で旅行できるようにし、他の人のためにすぐに仕事に就けるようにすることで、これらの従業員の流れを組み合わせることは素晴らしいことです。
同時に、私たちの国では、人々はお互いにリフトを与えることをあまり好きではなく、彼らの安全を心配しています。 しかし、社内の顧客開発では、強力なセキュリティサービスを提供している会社の同僚は、たとえ個人的に知り合いでなくても、相互に大きな信頼を寄せていることが示されました。 それで、アイデアは、ある種の内部コミュニティを作成するために思いつきました。それにより、人々は仕事への、または仕事からの共同旅行のためにお互いを探すことができました。
コミュニティエンジンとして、チャットボットプラットフォームが開発されました。
約1年間、多数のオフィスの従業員がパイロットプロジェクトを実行しています。 結果として得られるサービスは非常によく証明されているため、現在、機能の拡張について議論しています。 特に、サードパーティのキャリア-タクシーサービスは既にプロジェクトに接続する準備ができています。 プロジェクトをすべての部門に複製することも計画されています。
さらに、このプロジェクトは、Sberbankの内部キッチンを超える準備を進めています。 もちろん、Sberbankコミュニティは外部に開かれませんが、パートナー組織（通信事業者）は、この成功した経験を他の企業に複製したり、独自のコミュニティを作成したりできます。
支払いボット
開発されたチャットボットプラットフォームを利用したもう1つの初期プロジェクトは、支払いボットです。 今年初めにパイロット運用されました（つまり、春のGoogle I / O 2017カンファレンスでGoogleが提示した同様のソリューションより約6か月早く生まれました）。
原則として、会話はかなり長い間ボットの助けを借りていくつかのサービスを選択することでした-そのようなシステムはすでに世界中に広まっています。 しかし、主な機能は、ボットを介して支払うだけでなく、（処方された一連のコマンドではなく）自由な調合を使用できることでした。
パイロットプロジェクトは、フードデリバリーレストランと連携して実施されました。 チャットを通じて、ボットはユーザーのリクエストに最適なオプションを提案し、好みと消費者のバスケットを記憶し、次の順序で料理を促すことができる一方で、食べ物を選択することができました。
実際、パイロットボットは食品配送サービスアプリケーションとして機能しました。 ただし、多くのサービスがあります-多くのアプリケーションがあります（プロバイダーごとに独自のアプリケーションをダウンロードしてインストールする必要があります）。 チャットボットは電話の連絡先の1つにすぎません。実際、同じサービスを受信するための新しいチャネルにすぎません。
コンタクトセンターチャットボット
企業サイトのチャットボットは、サンドボックスの範囲を超えて大きな世界に到達した最初のプロジェクトです。 ここでは、もちろん、フェロー旅行者と支払いボットの経験が使用されますが、リクエストを分析して適切な回答を検索するためのより成熟した機械学習アルゴリズムが実装されています。
チャットボットのタスクは、サイト上のチャットを介して顧客と通信し、会社の製品に関する質問に答えるだけでなく、クライアント自身のアカウント、ローン、支払い注文に答えることです（パイロットバージョンでは、解決すべき問題の範囲は製品データとアカウントの開設によって制限されます）。 これを行うために、チャットボットはクライアントから受け取った情報を分析し、自然言語で定式化された簡単な質問への回答を提供するか、最初の要求で十分でない場合は追加データを要求します。
ボットは潜在意味解析技術に基づいて構築されており、コンテキストを考慮してクライアントの質問に対する答えを検索します。 この方法により、さまざまな製品のFAQを含む既製の回答のデータベースで、キーワードと対話のコンテキストによって最も関連性の高い回答を見つけることができます。
詳細は、次のようになります。 最初に、自然言語での顧客の要求は一連のキーワードに変わります。 モデル内の各単語には特定の重みがあります。 ほとんどのクエリに表示される一般的な単語は重みが小さく、このクエリに固有の単語は重みが大きくなります。 したがって、要求は特定の重みを持つキーワードのセットに変換され、データベースの検索に使用されます。特別なアルゴリズムが、回答データベースのドキュメントが提示された質問に対応する確率を決定します。 クライアントには最も関連性の高い回答が与えられ、クライアントが不在の場合、チャットはオペレーターに切り替わります。
ソリューションを評価するために、チャットボットの動作に関するクライアントからのフィードバックが収集されます-アルゴリズムが拾った答えが気に入ったのでしょうか。 この評価とともに、各チャットで既存のモデルと応答データベースを改良できます。 チャットがオペレーターに切り替わると、従業員が選択した回答もボットの知識ベースに分類されます。
パイロットプロジェクトがまもなく開始されます。 「パイロット」通信にはオペレーターが伴いますが、ボットが選択した回答の正確さを制御します。 このような自動返信を受け取った顧客が一定の満足度に達すると（したがって、パイロットに同行するスタッフからかなり高い評価が得られると）、チャットボットをフル稼働させる決定が下されます。 将来的には、一方ではボットが扱う問題の範囲を拡大し、もう一方では少なくとも標準的な問題についてはオペレーターのコミュニケーションの一部をボットに完全に置き換えることが計画されています。
クライアント呼処理システム
ある意味では、このパイロットプロジェクトは、チャットボットプラットフォーム全体の次の進化段階と呼ぶことができます。 以前のソリューションが何らかの方法でリクエストを処理し、既存のナレッジベースで分類して検索した場合、クライアントアプリケーション処理システムの最終目標は、Sberbankの管理戦略に影響を与える可能性のある独自の結論を引き出すことです。
Sberbankなどの公開企業の周辺には、常に何らかの情報の背景があります。 フィードバックフォームや電話を介した会社への直接電話、またはインターネット上で公開されているサービスや製品の評価（ソーシャルネットワーク上の個人顧客ページ、レビューサイト）のいずれかです。 さらに、意見には世銀の業務に対する肯定的評価と否定的評価の両方が含まれる場合があります。 システムは、アクセス可能なチャネルを介して受信したすべてのコールを処理し、それらを分類し（個別の苦情または反対に感謝、トピックを特定）、より高い抽象度で傾向を記録すると想定されます-顧客に最も関係する問題を特定し、製品とサービスを特定します細心の注意を必要とする、優先順位を付けます。 Sberbankでのサービスと製品の開発はアジャイル手法に基づいているため、理想的には、この製品またはその製品を開発するチームが目をつぶる場合に、システムが外部からのバックログアイデアの追加ソースになることを願っています。
ある意味では、これは消費者意見分析システムです。 しかし、彼女はデータを収集し、チャットボットと同じ方法に従ってトップレベルのカタログ化を実行するだけでなく、その本質も明らかにします。 追加の「ボーナス」として、特定のサービスに関心のあるクライアントのプロファイルを作成するために使用できます-視聴者のセグメントと関心のある製品の詳細なカタログを取得します。 さらに、データはさまざまなセクションで表示できます。 たとえば、複合施設内のすべてのチャネルを分析することにより、さまざまな製品に関する苦情を特定できます。その本質は、一部の部門では顧客のサービスが不十分であるという事実に限定されます。 すなわち 重要な要因はオフィスであり、特定のサービスのパラメータではありません。
上記は、探しているものを知っているという仮定に基づいて収集されたデータ配列の分析の例です。 重要な点は、システムが自己学習であるということです。 顧客の要求の履歴に基づいてモデルを構築し、利用可能になったときに新しいデータでモデルを補完します。 ある程度まで、それぞれの新しい処理はこのモデルに影響します。 その結果、このサービスでは、最初は何も知らないトピックの選択に関連する膨大な問題を解決できます。 たとえば、流通しているクライアントは、以前は関心のリストになかったトピックを提起できます。 システムでは、このトピックを監視リストに追加して、将来のアプリケーションが新しいトピックに準拠しているかどうかを確認できるようにすることができます。
このアピール分析システムの主な消費者は銀行管理です。 それは「外」では評価できません。 このシステムにより、経営陣は実際の状況に近づけることができます。一般的な状況、銀行に対する顧客の態度、およびそのサービスを理解することをお勧めします。
これまでのところ、他のプロジェクトと同様に、システムはパイロット版に存在します。 現時点では、フィードバックフォームから受け取った申し立ての分析に重点を置いています。 現在、これらはテキストコールですが、顧客とのコミュニケーションのメインチャネルはテキストに変換され、同じツールで処理される音声コールのみであるため、将来的には音声も処理されます。
重要な側面は、パイロットの評価です。 これは、特定の治療の自動カタログ化を標準（治療がどのトピックを指しているかに関する知識）と比較することで実行されます。 モデルの開発中に、標準からのこの「距離」が評価され、最小化されます。 銀行のスタッフによる専門家の評価も期待されています。
一般に、チャットボットを使用すると、自然言語でのクライアントとの対話のトピックに影響を与える多くのアイデアを実装できます。 組み込みアルゴリズムが開発されると、以前のプロジェクトを改良できます。 たとえば、支払いボットのフレームワーク内でのパートナーシップに関心のあるビジネスが表示された場合、サイトのチャットボット用に開発された最新のアルゴリズムと顧客のリクエストを分析するシステムで補完できます。 同時に、これらはすべて機械学習に基づいた大規模で興味深いプロジェクトの方向性の最初の一歩に過ぎないと確信しています。
この資料は、SberTechの請求テクノロジー開発の中央委員会の従業員によって作成されました。
nill2 、中央委員会のディレクター、 ダニル・カバノフ
aspera 、Ruslan Halimov、リードエンジニア
スタニスラフキム、開発マネージャー