Les chatbots d'entreprise deviennent de plus en plus intelligents à un rythme rapide, alimentés par la transformation numérique et une demande croissante des utilisateurs d'entreprise. Les employés sont maintenant prêts à interagir avec des agents d'intelligence artificielle pour gagner en productivité et simplifier leur expérience numérique professionnelle.
Mais quand il s'agit de mettre en œuvre une stratégie de lieu de travail numérique et de choisir les bonnes fonctionnalités pour votre chatbot d'entreprise, les décideurs en matière d'IT et de numérique ont des choix difficiles à faire.
Afin de donner priorité aux fonctionnalités qui comptent, d'un point de vue commercial et technologique, voici les 3 principales fonctionnalités à rechercher dans un chatbot AI ou un agent virtuel intelligent.
Une conversation bidirectionnelle, avec un agent virtuel conversationnel
Dans le passé, les conversations entre les humains et les chatbots étaient principalement scriptées et très basiques. Même aujourd'hui, dans l'espace B2C, l'expérience client est souvent limitée à l'interaction avec des chatbots offrant seulement des capacités limitées de traitement du langage naturel (NLP).
Les interactions des utilisateurs sont limitées à la sélection de boutons, sans aucune véritable possibilité de conversation pour l'utilisateur final, tandis que la technologie du chatbot répond en utilisant un langage généré.
L'agent virtuel de Konverso, ou Kbot, a une compréhension du langage naturel et une génération de langage naturel plus robuste.
L'interface de l'agent virtuel a des boutons pour rendre les interactions plus rapides et plus faciles, mais l'utilisateur peut également entrer du texte en langage naturel, à tout moment. Il peut identifier plusieurs intentions dans une seule phrase, ce qui signifie que le bot peut effectuer plusieurs actions en réponse à une seule entrée de l'utilisateur.
Par exemple, lorsqu'un utilisateur déclare avoir un problème avec le système de messagerie de l'entreprise, l'agent virtuel comprend qu'il doit non seulement chercher une solution et effectuer une action à travers plusieurs systèmes intégrés pour résoudre le problème, mais aussi qu'il doit créer un ticket dans le système de billetterie.
Ces actions impliquent une gestion du dialogue avec le remplissage de slots, l'extraction d'informations, la désambiguïsation interactive ou implicite, la gestion des digressions. Par exemple, les utilisateurs ont tendance à être vagues lorsqu'ils présentent leurs problèmes.
L'agent virtuel essaiera d'abord d'extraire automatiquement toutes les entités nécessaires pour compléter un processus. Si certaines données n'ont pas pu être extraites, l'agent virtuel réduira les possibilités en générant des questions basées sur ses connaissances, afin de compléter ses tâches.
Expérience personnalisée et contextuelle
En ce qui concerne la génération de langage naturel, des modèles plus complexes existent maintenant qui exploitent des variables pour permettre une conversation et un chat en direct plus dynamiques, riches et semblables à celles des humains. Par exemple, l'agent virtuel peut générer des messages spécifiques pour un utilisateur en fonction de son contexte (localisation, équipe...) et de ses données.
Il peut intégrer des données provenant de systèmes externes tels que des informations météorologiques ou des informations relatives à l'utilisateur dans le cadre de son langage généré. Les agents virtuels sont désormais dotés de capacités d'intégration dans les systèmes d'authentification d'entreprise, tels que Azure Active Directory ou Google OAuth2.
Cela donne non seulement au chatbot la capacité de savoir avec qui il discute, mais aussi de sécuriser la communication entre le bot et l'utilisateur. Il peut également exploiter l'API Microsoft Graph pour accéder en toute sécurité à l'agenda de l'utilisateur, à l'annuaire de l'entreprise et plus encore.
Cela permet à l'agent virtuel de réserver des réunions et de rechercher des fichiers pertinents pour l'utilisateur.
Enfin, l'agent virtuel peut recueillir des informations supplémentaires sur le profil de l'utilisateur, comme sa fonction et l'application utilisée, pour recommander automatiquement du contenu pertinent qui aidera l'utilisateur à mieux performer dans son travail.
Intégration des connaissances de l'entreprise
À leurs débuts, les chatbots n'avaient que des capacités de FAQ de base. Rassembler des questions et les lier à des réponses était un effort fastidieux pour un gestionnaire de connaissances, car l'injection d'une liste de questions fréquemment posées ne crée pas un agent intelligent du jour au lendemain.
La précision de ces chatbots était très limitée car ils ne pouvaient pas sortir du "script" et il manquait des données qualitatives pour l'apprentissage automatique.
Aujourd'hui, l'agent virtuel d'entreprise doit être intégré aux systèmes de gestion des connaissances de l'entreprise, où sont stockées les réponses intelligentes en fonction du contexte et des contraintes. Un agent virtuel peut puiser dans plusieurs bases de connaissances pour trouver les bonnes réponses.
Par exemple, l'agent virtuel de Konverso peut rechercher un tutoriel pour un utilisateur qui a demandé une formation ou consulter une autre base de connaissances pour répondre à des questions ou aider l'utilisateur à résoudre un problème.
La première vague de chatbots a apporté une expérience très basique aux utilisateurs des entreprises. Sans surprise, ces projets de chatbots ont peu été adoptés par les utilisateurs finaux et ont apporté peu de valeur à l'entreprise.
Une deuxième vague d'agents virtuels alimentés par l'IA et dotés de capacités améliorées et plus intelligentes arrive maintenant sur le marché. Ils peuvent offrir une expérience utilisateur plus riche et une plus grande valeur aux programmes de Digital Workplace des entreprises, alignés sur les besoins de l'entreprise.
