Aujourd’hui, la plupart des banques, des compagnies d’assurance et d’autres types d’entreprises de services financiers ont déployé des outils de traitement du langage naturel (TAL) pour répondre à certains de leurs besoins en matière de service client. Mais la plupart de ces outils sont loin d’atteindre les objectifs de l’organisation pour la technologie.
Dans de nombreux cas, ces entreprises de services financiers pourraient combler l’écart entre leurs attentes et leurs capacités actuelles en déployant un chatbot avec des capacités d’IA conversationnelle.
L’essor des chatbots… et leurs faiblesses
Les entreprises de services financiers du monde entier investissent massivement dans l’intelligence artificielle (IA). Selon IDCles dépenses mondiales en IA atteindront probablement 204 milliards de dollars d’ici 2025. Le secteur bancaire est le deuxième plus gros dépensier, la plus grande partie de cet investissement étant destinée aux agents de service client automatisés alimentés par NLP, ou chatbots. Recherche sur le genévrier prévoit que les chatbots représenteront 79 % des interactions bancaires mobiles réussies en 2023.
Mais alors que les entreprises de services financiers reconnaissent que les chatbots sont l’avenir, il existe des défis importants. UN Rapport Forrester commandé par le fournisseur ADA ont constaté que 95 % des sociétés financières aimeraient que leurs chatbots comprennent l’historique des clients avec l’entreprise. Cependant, seuls 55% ont déclaré que leurs chatbots pouvaient le faire aujourd’hui. De même, 91 % des personnes interrogées souhaitaient que leurs chatbots automatisent les actions en fonction des réponses des clients, mais seulement 52 % ont déclaré que leur technologie actuelle avait cette capacité.
Bien que la PNL soit indéniablement utile avec sa capacité à calculer des mots et du texte, la complexité du langage humain présente de sérieux défis. Les chatbots propulsés par la PNL ont souvent du mal à saisir le contexte des mots dans une phrase, ne peuvent pas détecter le sarcasme ou les tons de voix et restent bloqués sur des mots aux sens multiples.
En quoi l’IA conversationnelle est-elle différente ?
Les chatbots utilisés par les institutions de services financiers sont des interfaces conversationnelles qui permettent aux êtres humains d’interagir avec des ordinateurs en parlant ou en tapant un langage humain normal. Certains d’entre eux utilisent la technologie NLP tandis que beaucoup sont de simples interfaces basées sur des règles qui suivent un flux prescrit sans aucune IA.
IA conversationnelle est une application très avancée de la PNL qui permet aux êtres humains d’avoir une conversation parlée ou écrite avec un système informatique. Les meilleurs systèmes d’IA conversationnelle sont sur le point de passer le cap Essai de Turingc’est-à-dire qu’ils sont très difficiles à distinguer d’un être humain.
Quelques chatbots très avancés alimentés par l’IA conversationnelle permettront aux clients de poser des questions plus compliquées. Par exemple, ils pourraient être en mesure de demander : « Combien ai-je dépensé à Paris le mois dernier ? » Et le chatbot serait en mesure de comprendre ce que vous demandiez, d’effectuer des analyses sur vos achats et de vous donner un total. Si vous poursuivez cette question en disant : « Et qu’en est-il de Dubaï ? » l’IA conversationnelle comprendrait du contexte précédent que vous demandiez combien vous avez dépensé.
Bon pour les clients, bon pour les entreprises
Les clients trouvent l’IA conversationnelle beaucoup moins frustrante que les autres types de chatbots. En raison de leurs capacités NLP avancées, ces outils sont beaucoup plus susceptibles de comprendre les besoins des clients et de fournir le service approprié, dans la langue et le dialecte régional nécessaires. Cela peut également aider à accélérer les interactions avec le service client et fournir une assistance sophistiquée à tout moment de la journée.
Et tandis que de nombreuses entreprises déploient des chatbots pour réduire les interactions face à face avec les clients, les chercheurs affirment que ceux alimentés par l’IA conversationnelle ont tendance à accroître l’engagement des clients. Mais ce n’est pas une mauvaise chose. Les clients engagés ont tendance à acheter des produits ou services supplémentaires et à devenir des clients encore plus fidèles.
Les investissements rapportent plus qu’une fidélisation accrue de la clientèle. Juniper Research prévoit qu’en 2023, les économies mondiales sur les coûts opérationnels des chatbots dans le secteur bancaire atteindront 7,3 milliards de dollars, et pour l’assurance, les économies atteindront 1,3 milliard de dollars.
Mais ces économies monétaires, bien que significatives, sont souvent moins importantes à long terme que les gains de temps. En gérant la plupart des tâches de bas niveau, l’IA conversationnelle peut libérer du personnel pour d’autres activités. Et cela profite non seulement aux clients, mais cela peut également remonter le moral des employés.
L’IA conversationnelle collecte également des tas de données clients utiles. L’IA conversationnelle offre un meilleur aperçu des intentions et des émotions des clients que d’autres types de chatbots ou même des êtres humains. Et parce que la conversation est déjà numérique, elle n’a pas besoin d’être enregistrée et transcrite avant d’être disponible pour analyse.
Défis courants avec l’IA conversationnelle
Ces avantages rendent la technologie extrêmement attrayante pour les entreprises de services financiers. Mais avant de lancer un nouveau projet d’IA conversationnelle, sachez que le déploiement de ces chatbots s’accompagne également de certains défis.
Comme pour toutes les technologies de services financiers, la protection des données des clients est extrêmement importante. Dans certaines parties du monde, les entreprises sont tenues d’héberger des applications d’IA conversationnelles et de stocker les données associées sur des serveurs autogérés plutôt que de s’abonner à un service basé sur le cloud. L’intégration des données peut également être difficile et doit être planifiée dès le début du projet.
Les technologies de la PNL doivent être soigneusement formées et testées de manière approfondie pour s’assurer qu’elles n’ont aucun biais. Ce travail acharné porte ses fruits lorsque l’outil peut se connecter efficacement avec un public plus large sans exclure ou offenser quelqu’un.
Infrastructure conçue pour l’IA conversationnelle
L’IA conversationnelle peut être hébergée dans un service de cloud public ou dans le centre de données d’une entreprise pour des raisons de contrôle, de conformité et de sécurité. De nombreuses sociétés de services financiers hébergent sur site et doivent rechercher le type de matériel nécessaire et déterminer si les fournisseurs potentiels disposent de systèmes conçus spécifiquement pour l’IA conversationnelle.
Alors, quel type de matériel est nécessaire pour une application d’IA conversationnelle ?
La réponse dépend de la portée de l’application et des besoins de débit. Certaines implémentations d’IA conversationnelle s’appuient fortement sur des outils ML qui intègrent des réseaux de neurones et des techniques d’apprentissage en profondeur. Beaucoup de ces chatbots plus avancés fonctionnent mieux sur calcul haute performance (HPC) clusters avec des dizaines de nœuds de serveur Dell Technologies PowerEdge, des GPU NVIDIA et un stockage rapide.
D’autres organisations choisissent de déployer une IA conversationnelle dont la portée est plus limitée – peut-être prend-elle en charge le texte uniquement plutôt que la voix et n’intègre pas de techniques de ML. Ces entreprises réalisent d’excellentes performances avec un retour sur investissement supérieur sur Conceptions validées par Dell pour l’IA. Ces systèmes ont également l’avantage d’être modulaires pour prendre en charge une mise à l’échelle rapide à mesure que l’utilisation de votre chatbot augmente.
Lis le Livre blanc sur l’IA conversationnelle de Dell Technologies pour en savoir plus.
***
Les technologies Intel® font avancer l’analytique
L’analyse des données est la clé pour débloquer le maximum de valeur que vous pouvez extraire des données de votre organisation. Pour créer une stratégie d’analyse productive et rentable qui donne des résultats, vous avez besoin d’un matériel hautes performances optimisé pour fonctionner avec le logiciel que vous utilisez.
L’analyse de données moderne couvre une gamme de technologies, des plates-formes et bases de données d’analyse dédiées à l’apprentissage en profondeur et à l’intelligence artificielle (IA). Vous débutez avec l’analytique ? Prêt à faire évoluer votre stratégie d’analyse ou à améliorer la qualité de vos données ? Il y a toujours de la place pour évoluer et Intel est prêt à vous aider. Avec un vaste écosystème de technologies d’analyse et de partenaires, Intel accélère les efforts des data scientists, des analystes et des développeurs dans tous les secteurs. En savoir plus sur Analyses avancées d’Intel.
Source link