Orchestration de chatbot à grande échelle

Les progrès de l'accessibilité et de l'IA ouvrent une nouvelle ère de possibilités d'automatisation croissante et d'orchestration des chatbots, apportant plus d'intelligence et de compréhension cognitive aux processus et procédures des entreprises.

L'automatisation a été un domaine de progrès technologique dans l'automatisation des opérations des entreprises. D'autre part, les progrès récents de la technologie des chatbots et de l'IA conversationnelle pourraient être sur le point de changer fondamentalement la façon dont les entreprises abordent l'orchestration des chatbots.

L'avenir réside peut-être dans un mélange des deux technologies, comme l'automatisation conversationnelle, qui exploite la puissance de la compréhension du langage naturel et de l'apprentissage automatique pour automatiser de bout en bout les opérations en contact avec les clients ou les employés.

Quelle est la différence entre les chatbots et l'automatisation des processus robotiques ?

Les chatbots sont créés pour les clients d'une organisation ou ses employés. En outre, leur fonction principale est d'aider au transfert conversationnel d'informations et de données. Ainsi, un chatbot permet de réduire les temps de réponse, de résoudre rapidement les problèmes et de renforcer l'exposition de la marque lorsqu'il s'agit de communication avec les consommateurs.

En termes d'automatisation, les parties prenantes et les travailleurs internes utilisent souvent l'automatisation des processus robotiques pour automatiser les tâches de back-office et d'autres processus en lançant le processus à l'aide de règles et de déclencheurs. Vous pouvez simplifier une grande variété de processus, notamment le nettoyage des données, l'exploration des données et les flux de travail.

Heureusement, vous pouvez utiliser les chatbots et l'automatisation des processus robotiques en tandem pour faciliter l'automatisation des processus. Par exemple, vous pouvez utiliser une conversation avec un chatbot pour lancer un flux de processus back-end pour des activités auparavant répétitives. En outre, les chatbots conversationnels ont progressé au point de pouvoir comprendre l'intention de l'utilisateur et la transmettre à un robot RPA orienté vers une tâche. En outre, un chatbot peut organiser et automatiser plusieurs procédures et activités de back-end nécessaires pour répondre à la demande d'un client.

Par exemple, un chatbot "intelligent" peut comprendre et imiter la parole humaine, tandis qu'un robot RPA peut décrire des comportements humains. Si les deux technologies utilisent le traitement du langage naturel (NLP), les chatbots peuvent interpréter les interactions par la voix ou le texte. Dans le même temps, les robots RPA recueillent le langage et les données de diverses sources, notamment des documents, des fichiers, des formulaires et des navigateurs.

Pour aller un peu plus loin, un chatbot peut afficher une interface conversationnelle pour dialoguer avec des interfaces utilisateur non conversationnelles, tandis que la RPA peut extraire des données d'interfaces utilisateur non conversationnelles. Les deux technologies reposent toutefois sur l'automatisation d'activités ou de processus commerciaux sous-jacents. Les bots de chat prennent leurs repères à partir du désir exprimé par un utilisateur dans un but particulier et exécutent les activités associées. Les robots RPA collectent des données à partir de diverses sources et travaillent ensuite à l'exécution d'une série d'activités commerciales hautement répétitives.

La beauté de ces deux systèmes réside dans le fait que les robots ne dorment jamais, qu'ils fonctionnent 24 heures sur 24 pour répondre aux demandes des consommateurs ou entreprendre d'énormes quantités d'activités répétitives, réduisant ou éliminant la nécessité de contacts et de transferts humains coûteux et souvent sources d'erreurs.

Oui, il s'agit d'un fouillis constitué d'une pléthore de composants " uniques " connectés à une pile technologique de service client chaotique (ce qui est attendu dans la plupart des organisations). Incontestablement, les outils RPA, les outils de centre de contact, les outils CRM, le contenu préexistant, les systèmes back-end personnalisés et les outils d'analyse hors ligne sont tous des éléments essentiels pour offrir une expérience d'assistant personnalisée et efficace, mais ils sont souvent séparés.

En quoi l'automatisation est-elle différente de l'orchestration ?

Si l'orchestration et l'automatisation peuvent sembler identiques en théorie, leurs objectifs en matière d'amélioration de l'efficacité organisationnelle sont assez différents. En outre, l'automatisation et l'orchestration sont des éléments essentiels dans le monde des affaires, car elles aident les organisations à réduire le temps nécessaire à la réalisation de certaines activités. Par conséquent, les entreprises peuvent augmenter la production, ce qui accroît la productivité totale. 

L'automatisation et l'orchestration peuvent contribuer à réduire le temps passé à mettre en place et à exécuter des activités répétitives dans plusieurs divisions de l'entreprise. Cela permet à une entreprise d'économiser de l'argent en éliminant les travailleurs supplémentaires pour effectuer des activités répétitives. En outre, l'orchestration automatisée optimise efficacement les opérations commerciales, ce qui vous permet de réaffecter votre personnel à des tâches plus essentielles.

Comment lancer l'orchestration de chatbots à l'échelle ?

Commencez par une analyse du flux de données et tenez compte de ces points essentiels :

• Des canaux de discussion en ligne, de téléphone et de messagerie sont disponibles.
• Orchestration de l'appel du webhook avant le message
• Lorsque des tâches spécifiques sont effectuées, des webhooks sont déclenchés.
• Transferts : Contenu existant, combiné à des agents humains
• En réponse à une orchestration de messages, un appel de type "webhook" est effectué.

Au lieu de construire une application d'orchestration lourde et compliquée, d'apprendre plusieurs API d'intégration et de maintenir l'état/l'historique de la conversation, vous pouvez utiliser ProcessMaker avec Watson Assistant.

Pourquoi vouloir procéder de cette façon ? Imaginez un scénario dans lequel vous avez des utilisateurs qui parlent plusieurs langues. Vous ne voulez pas être en charge d'un grand nombre d'assistants multilingues - après tout, vous ne les maîtrisez peut-être pas tous. Au lieu de cela, à l'aide du webhook pré-message, vous pouvez intercepter et traduire les communications de n'importe quelle langue vers la seule langue maternelle que vous prenez en charge, comme l'anglais. De plus, l'assistant Watson peut traduire en anglais à l'aide d'un seul élément de données d'apprentissage, répondre, puis être intercepté par le webhook post-message et retraduit dans la langue locale de l'utilisateur.

Si vous pensez que le flux d'orchestration de votre chatbot n'est pas clair, ProcessMaker vous permet d'intercepter les entrées de l'utilisateur à chaque étape de l'interaction, de les modifier, puis d'envoyer une charge utile JSON comparable à l'assistant Watson pour analyse. Vous pouvez également utiliser le webhook post-message pour intercepter toute réponse de l'assistant et apporter les modifications nécessaires au contenu JSON avant de répondre.

Outre la traduction de la langue, le webhook pré-message est la norme fréquente pour la gestion des identifiants et des alias, le filtrage/le filtrage des DPI et l'ajout de contexte à partir d'autres systèmes, comme les informations de base ou la localisation de l'utilisateur. Le webhook post-message est souvent utilisé pour recevoir des réponses d'un système de gestion de contenu (CMS)* ou pour remplacer des données personnelles sensibles (PII).

Déclenchement de webhooks

Ce type d'orchestration du chatbot est basé sur vos capacités de dialogue (ou d'action) et est lié à une tâche particulière, orientée action, que l'assistant veut exécuter. Contrairement aux webhooks pré- et post-message, qui sont activés à chaque étape de la conversation, un appel de webhook spécifique à une tâche n'est déclenché que lorsque cela est nécessaire. 

Elle est donc excellente pour les demandes transactionnelles telles que l'envoi d'un nouveau prospect à un CRM, le paiement d'une facture, la récupération d'informations sur le compte ou la vérification du solde du compte. Vous n'êtes pas obligé d'envoyer les informations sur le solde de l'utilisateur dans chaque message ; mais, si l'utilisateur demande à vérifier son solde, vous pouvez utiliser une API pour l'obtenir et offrir les informations nécessaires.

Et les transferts ?

Votre chatbot, comme tout autre employé, n'a pas toutes les réponses. Heureusement, la conception de l'assistant Watson intègre des transferts entre les conversations. Lors de la conception d'un assistant, il faut tenir compte de deux transferts essentiels.

Avant de choisir comment réagir à une demande spécifique, l'assistant vérifie si une réponse précise pour les compétences de dialogue/action est disponible. Si ce n'est pas le cas, il recherche dans votre matériel d'assistance existant.

En outre, la compétence de recherche est la source d'informations préexistantes dans Watson Assistant. Elle est pilotée par Watson Discovery, qui analyse et indexe vos documents existants avant d'y effectuer des recherches pour découvrir les réponses les plus concises à une requête, le tout sans nécessiter de formation.

Orchestration de chatbots et humains

Lorsque les options d'un chatbot sont épuisées, il transfère la conversation à un agent d'assistance en direct ou à un outil de centre de contact par téléphone. Cela peut se produire pour diverses raisons, par exemple lorsque le chatbot ne reçoit aucune réponse, lorsqu'il a fourni une réponse inadéquate trop souvent, ou lorsque l'utilisateur indique qu'il souhaite parler avec quelqu'un. En effet, vous pouvez connecter vos chatbots au service desk de votre choix. 

Qu'en est-il des modèles en ligne par lots ou en temps réel ? Vous pouvez utiliser un flux de données limité mais cohérent pour former des algorithmes de chatbot en ligne. Assurez-vous que les modèles en ligne du cadre peuvent calculer les résultats en temps réel et que la réponse est renvoyée directement à l'ensemble de formation. En outre, si les modèles sont mis à jour en permanence, ils peuvent répondre rapidement aux signaux du client.

Considérez le scénario suivant, qui consiste à utiliser l'orchestration de chatbots pour accélérer la résolution des sinistres d'assurance. Imaginez que les réclamations d'assurance constituent un parcours client complet avec de nombreuses interactions et processus impliquant différents personnels. Quelle que soit la rapidité, la précision et l'efficacité de la partie engagement du client, quelle que soit l'importance et la réactivité du délai de validation, d'approbation et de paiement d'un sinistre, tout dépend de l'ensemble de la chaîne d'événements qui se produit entre le moment où un client soumet un sinistre et celui où il est validé, approuvé et payé.

Inévitablement, une réclamation est faite lorsqu'un client signale un accident, une perte ou d'autres incidents. Les clients peuvent contacter un chatbot au moment et à l'endroit de l'incident par le biais de la messagerie, du web ou de la voix, et le chatbot peut prendre en charge et recueillir de la documentation et des détails sur l'incident. Il peut également télécharger des vidéos, des images ou des documents qui fournissent un contexte supplémentaire pour aider à valider et à gérer la réclamation ultérieurement.

En se connectant de manière sécurisée aux systèmes de gestion des sinistres en back-office, le chatbot peut trouver des informations sur les services admissibles (par exemple, le remorquage ou la location de voiture), la franchise du client, les données pertinentes sur les tiers ou d'autres données de police pertinentes pour le sinistre du client. L'IA conversationnelle contribue également à rendre possibles ces interactions conversationnelles et l'accès aux données du client.

Cependant, lorsqu'il s'agit de traiter la demande, l'orchestration entre en jeu. Une fois qu'une demande est initiée avec les données ou les images disponibles, elle peut être envoyée directement aux systèmes appropriés, évitant ainsi toute intervention humaine. La demande sera ensuite vérifiée, ce qui aura une incidence sur le statut, les droits et l'admissibilité du demandeur. Le chatbot peut utiliser ces informations pour informer le client de son éligibilité à des services particuliers ou des restrictions de la police.

En conclusion

Il est impératif pour les organisations de saisir le rôle de l'orchestration des chatbots dans les opérations opérationnelles pour améliorer l'efficacité et la productivité. Sans aucun doute, vous pouvez obtenir un rendement et une efficacité accrus, ainsi qu'une réduction des dépenses d'exploitation. ProcessMaker fournit une plateforme BPM low-code primée qui a aidé des organisations du monde entier à orchestrer leurs chatbots.