Chatbot, RPA e inteligência artificial: trio de ases para uma verdadeira automação de processos

Se desenharmos as diferentes camadas que intervêm ao longo de um processo, desde a interação até a otimização no SAP, observamos três tecnologias complementares entre as quais se incluem:

• Inteligência Artificial Conversacional (CAI): É a ferramenta de interação, a interface com as pessoas através do que conhecemos como chatbot, um software que gerencia a conversa com o objetivo de obter as informações necessárias para executar o processo com sucesso.
• Robotic Process Automation (RPA): É a ferramenta de execução, a que realiza as diversas tarefas de forma automatizada, seja através de APIs, serviços ou da simulação de telas (de SAP, de outros programas ou de páginas web), preenchendo campos e pressionando botões.
• Machine Learning (ML): São o conjunto de algoritmos que fornecem a inteligência necessária para otimizar os dados e extrair conclusões o mais próximas possível do que inferiria a pessoa dedicada ao processo.

Esses três componentes mantêm uma interação contínua e uma constante troca de informações, da mesma forma que faria uma pessoa envolvida no desenvolvimento do processo. Por exemplo, para fornecer as respostas apropriadas durante a conversa, geralmente é necessário contar com informações de programas diversos (RPA), ou ativar diferentes algoritmos de machine learning para entender melhor o que o usuário está dizendo e oferecer respostas exatas e de qualidade.

Da mesma forma, durante a execução com RPA podemos precisar de mais informações do usuário, o que leva a relançar a conversa (CAI) ou a recorrer à ativação de algoritmos de ML para inferir informações com base em como o processo foi resolvido anteriormente ou através de um cálculo de probabilidades.

Em definitiva, trata-se de um processo de interação, execução e otimização contínuas até concluí-lo sem erros e com plena satisfação do usuário. Com tudo isso, a maturidade que o mercado está alcançando se torna uma razão de peso para adotar este conjunto de tecnologias.

Perspectivas de futuro: Inteligência conversacional como elemento chave para as empresas

Na SEIDOR estamos constatando que o desenvolvimento de projetos de caráter individual já não é uma opção. O sucesso neste tipo de iniciativas passa pela adoção de uma abordagem estratégica medida e controlada que permita a escalabilidade através dos idiomas, dos canais e da própria empresa e, para isso, é indispensável a potência e versatilidade que oferecem as últimas tecnologias.

Em relação às perspectivas futuras, espera-se que, nos próximos anos, os clientes sejam capazes de gerir a maior parte de sua relação com uma empresa sem precisar da interação com um humano. Nesse paradigma, a inteligência conversacional, inclusive ativada por voz (falamos da integração de dispositivos como Alexa a nível empresarial), desempenhará um papel fundamental. No entanto, ainda há muitos desafios a serem resolvidos e na Seidor estamos trabalhando nisso há algum tempo.

"É fundamental aplicar uma camada de visão global e de transformação digital"

Em paralelo, a integração através de uma intranet de aplicações de IA conversacional se posiciona como uma das evoluções chave. Este roteamento inteligente permitirá que o processo de transferência entre aplicações seja realizado de várias maneiras. Entre elas, inclui-se a possibilidade de contar com uma aplicação mestre ou um superbot capaz de guiar e entregar diversos processos de forma totalmente integrada. Para isso, é fundamental aplicar uma camada de visão global e de transformação digital e na Seidor implementamos as estratégias apropriadas para sua correta implementação.

Desafios tecnológicos para avançar em direção à máxima integração

Toda essa tarefa de análise nos permitiu identificar os principais desafios para cada uma das tecnologias:

• Melhorar a experiência do cliente com chatbot, pois estes não devem apenas responder às suas perguntas, mas também devem falar, pensar e, acima de tudo, desenvolver relacionamentos emocionais com os usuários, realizando uma análise adequada de sentimentos.
• Aplicar os últimos avanços no processamento de linguagem natural e algoritmos de unsupervised learning e reinforced learning que proporcionam aos chatbots algoritmos sofisticados que lhes permitem oferecer experiências mais únicas e personalizadas, criando relações mais autênticas com um público-alvo determinado.
• Reduzir o tempo necessário para ter o bot preparado com qualidade suficiente sem a necessidade de longos períodos de simulação. Para isso, são utilizados modelos de diversos tipos previamente treinados (BERT, ULMFiT, etc.)
• Proporcionar aceleradores aos processos mais suscetíveis de serem automatizados no ecossistema de produtos SAP, tanto do ponto de vista da automação em RPA quanto da inteligência aplicada para sua otimização.
• Integrar outras tecnologias que podem enriquecer os processos automatizados, como pode ser blockchain para os processos que envolvam clientes, consumidores ou fornecedores.

Para finalizar, é preciso ter em mente que, em determinados momentos de interação, às vezes não há substituto para a empatia que os agentes humanos podem oferecer ou para o tipo de inteligência que necessita de criatividade para resolver um caso. Nessas situações, é frequentemente a capacidade humana de estabelecer paralelos com experiências semelhantes que permite resolver problemas em circunstâncias complexas ou incomuns.

Em suma, é essencial para um chatbot poder interagir sem problemas com um agente humano quando necessário e garantir que todas as informações coletadas sejam transferidas para que o cliente não tenha que começar de novo, com a frustração que isso geraria.