O aumento dos chatbots de IA no atendimento ao cliente tem suscitado discussões sobre o potencial deslocamento de empregos de agentes de atendimento ao cliente. No entanto, especialistas da indústria concordam que a IA, em seu estágio atual, ainda não está pronta para substituir completamente os seres humanos em funções voltadas para os clientes.
Incidentes recentes, como um engenheiro de software manipulando um chatbot para vender um carro por apenas um dólar, destacam as limitações e desafios da IA generativa. Um problema importante é o fenômeno das alucinações persistentes, em que os modelos de IA produzem respostas incorretas ou sem sentido. Embora modelos como o GPT-4 estejam sendo ajustados e treinados com dados empresariais, o risco de fornecer informações enganosas ainda existe.
Apesar desses desafios, a IA generativa pode melhorar significativamente a eficiência e a experiência do cliente no atendimento ao cliente. De acordo com Sanjeev Menon, cofundador e chefe de produto e tecnologia da E42.ai, um design cuidadoso e ajustes com dados específicos podem elevar o desempenho dos chatbots de IA. No entanto, é crucial compreender totalmente as capacidades e limitações desses modelos.
Embora muitas empresas tenham integrado chatbots com IA em suas plataformas, isso não elimina a necessidade de intervenção humana. Agentes humanos desempenham um papel vital ao garantir uma interação positiva e segura no atendimento ao cliente. Verificações de toxicidade nas respostas, atualizações de dados e supervisão durante situações complexas ou sensíveis são necessárias para manter a precisão e fornecer uma experiência confiável.
Gaurav Singh, fundador e CEO da Verloop.io, sugere capacitar os agentes humanos como porteiros para garantir o controle de qualidade. Embora a maioria das consultas possa ser efetivamente tratada pelos chatbots com IA, situações incertas exigem transferência perfeita para agentes humanos para verificação e edição.
Modelos de Linguagem Pequenos (SLMs) oferecem uma solução mais personalizada para as necessidades específicas de atendimento ao cliente de cada setor. Esses modelos podem ser ajustados ou treinados especificamente para um determinado domínio, permitindo uma melhor compreensão dos termos e contexto específicos do setor. As empresas têm mais controle sobre o processo de treinamento e podem alinhar o modelo com seus requisitos específicos.
No entanto, o risco de alucinação ainda existe nos SLMs. A Yellow.ai, por exemplo, usa um modelo de verificação de criador-verificador para validar a relevância e a precisão das respostas. Apesar desses avanços, um modelo específico do domínio com envolvimento humano ainda é a melhor abordagem para mitigar riscos e oferecer um excelente atendimento ao cliente.
Em conclusão, embora a IA generativa tenha seus benefícios, uma abordagem híbrida que combina as forças da IA e dos agentes humanos é crucial para fornecer um atendimento ao cliente eficiente e confiável. Encontrar um equilíbrio entre automação de IA e intervenção humana garante que a inteligência emocional, a compreensão sutil e a solução de problemas complexos não sejam comprometidas.
The source of the article is from the blog procarsrl.com.ar