随着 OpenAI 的 ChatGPT、Meta 的 Llama 和 Anthropic 的 Claude 等法学硕士课程的激增，各种场合都出现了聊天机器人。有提供职业建议的聊天机器人，有让你与未来的自己对话的聊天机器人，甚至还有提供烹饪建议的 聊天机器人。
但这些聊天机器人已不再是十年前的聊天机器人了——那时，聊天机器人仅限于预先设定好的、僵硬的“对话”，通常基于包含多项选择或等效响应的大型流程图。从本质上讲，聊天机器人只比互联网出现之前的 IVR 电话菜单稍微复杂一点。
另一方面，如今的“聊天机器人”更多地指的是对话式人工智能，这是一种功能和用例更广泛的工具。由于我们现在正处于生成式人工智能炒作周期中，这三个术语被交替使用。不幸的是，商业领袖对投资对话式人工智能的风险、用例和投资回报率存在许多误解，尤其是在金融等 受到严格监管的行业。
因此，我想澄清一些关于“聊天机器人”的常见误解，而我们真正讨论的是人工智能对话式。
误解一：客户讨厌聊天机器人
在过去十年的大部分时间里，消费者一直在被问及他们是否喜欢人工代理还是聊天机器人——这就像问某人是愿意接受专业按摩还是坐在购物中心的按摩椅上一样。
但 2022 年 ChatGPT 的首次亮相（以及由此衍生的所有工具）彻底颠覆了我们对聊天机器人功能的看法。如上所述，旧式聊天机器人按照脚本运行，因此任何偏离其规定路径的行为通常都会导致混乱和无效响应。由于无法理解上下文和用户意图，给出的答案通常是通用且无用的，而且它们收集、存储和传递信息的能力有限。
相比之下，对话式人工智能可以让人们进行自然对话，模仿人类的语言，从而实现更流畅、更直观的交流。它表现出非凡的灵活性和对意外结果的适应性。它能够理解用户意图的背景、检测情绪并做出同理心回应。
这种更深层次的理解使当今的人工智能能够有效地引导用户沿着逻辑路径实现目标。这包括在必要时迅速将客户交给人工助理。此外，对话式人工智能使用高级信息过滤器、检索机制和保留相关数据的能力，大大增强了其解决问题的能力，从而带来了更好的用户体验。
因此，客户并不是盲目地讨厌聊天机器人，他们讨厌的是糟糕的服务，而之前版本的聊天机器人确实存在这样的问题。如今的对话机器人更加复杂，超过四分之一的消费者不相信它们能够区分人类和人工智能机器人，有些人甚至认为人工智能聊天机器人在某些任务上比人类机器人 更胜一筹。
在试点测试中，我的公司发现人工智能代理的潜在客户转化率提高了三倍，这有力地表明，问题并不在于它是否是机器人，而在于所完成工作的质量。
误解二：聊天机器人风险太大
在与企业领导者讨论人工智能时，人们经常会担心幻觉、数据保护和可能导致监管违规的偏见。虽然这些风险是合法的，但都可以通过几种不同的方法来缓解：微调、检索增强生成 (RAG) 和快速工程。
虽然并非所有 LLM 都具备微调功能，但微调可以使预先训练的模型专门用于特定任务或领域，从而使 AI 更适合特定需求。例如，医疗保健公司可以微调模型，以更好地理解和响应医疗咨询。
RAG 通过动态整合外部知识来提高聊天机器人的准确性。这使聊天机器人能够从外部数据库检索最新信息。例如，金融服务聊天机器人可以使用 RAG 提供有关股票价格的实时答案。
最后，提示工程通过精心设计提示来优化 LLM，引导聊天机器人做出更准确或更符合情境的响应。例如，电子商务平台可以使用定制提示来帮助聊天机器人根据客户偏好和搜索历史提供个性化的产品推荐。
除了使用一种或多种这些方法外，您还可以控制对话式 AI 的创造力“温度”，以帮助防止出现幻觉。在 API 调用中设置较低的温度会限制 AI 提供更确定性和一致性的响应，尤其是当与确保 AI 从指定的可靠数据集中提取数据的知识库结合使用时。为了进一步降低风险，请避免将 AI 部署在决策角色中，因为偏见或错误信息可能会导致法律问题。
至于数据隐私，确保外部 AI 提供商遵守法规，或在您自己的基础设施上部署开源模型，以便完全控制您的数据，这对于遵守 GDPR 至关重要。
最后，投资专业责任保险始终是明智之举，它可以提供进一步的保护，为企业在诉讼等不太可能发生的情况下提供保障。通过这些措施，企业可以自信地利用人工智能，同时维护品牌和客户的安全。
误解三：聊天机器人还没有准备好执行复杂的任务
在看到大型科技公司部署AI 工具时遇到的问题后，认为中小企业会更轻松的想法可能显得有些天真。但目前 AI 处于“样样通样样松”这一说法并非完全不准确的阶段。这主要是因为这些工具被要求在尚未设计为有效部署 AI 的环境中执行太多不同的任务。换句话说，并不是它们能力不足，而是它们被要求在布满薄冰和裂缝的池塘上滑冰。
例如，如果组织充斥着孤立和/或混乱的数据，那么人工智能将更容易提供过时、不准确或相互矛盾的信息。具有讽刺意味的是，这是其复杂性的结果！旧式聊天机器人只是以线性方式重复基本信息，而对话式人工智能可以分析强大的数据集，同时考虑多个影响因素，以规划出最合适的前进路径。
因此，对话式人工智能的成功取决于严格的参数以及数据源和任务的极其明确的界限。有了正确的训练数据和专业设计的提示，对话式人工智能的功能可以远远超出简单聊天机器人的范围。例如，它可以收集和过滤来自客户对话的数据，并使用它来自动更新 CRM。这不仅简化了管理任务，而且还确保了客户信息始终准确且最新。通过自动化此类任务，企业可以将更多精力放在战略活动上，而不是管理负担上。
如果我们要继续使用“聊天机器人”一词，就必须区分采用尖端对话式人工智能的平台和仍然提供过去有限工具的平台。就像今天“电话”一词更多地让人联想到触摸屏智能手机而不是螺旋线座机一样，我相信我们离“聊天机器人”被先进的人工智能代理而不是笨重的多选化身取代的日子并不远了。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/dang-liao-tian-ji-qi-ren-bian-cheng-yi-ge-bian-yi-ci-shi-qi
