Bahasa Melayu

Apakah Dialogue Design? Membina Perbualan AI yang Benar-benar Berfungsi

Carta alir dialogue design yang menunjukkan cawangan perbualan, pengendalian intent, laluan fallback dan eskalasi kepada ejen manusia

Turn this article into takeaways for your work.

Summarize with ChatGPT Summarize with Claude

Each assistant summarizes the article only for you and suggests best practices for your work.

Sebuah syarikat telekomunikasi menggunakan chatbot perkhidmatan pelanggan. Ia boleh menjawab soalan tentang bil, perubahan akaun dan gangguan perkhidmatan. Pelanggan menaip "Saya ingin membatalkan." Bot bertanya: "Apa yang boleh saya bantu hari ini?" Pelanggan menaip "batalkan akaun saya." Bot menjawab: "Saya boleh membantu anda dengan soalan berkaitan akaun. Adakah anda ingin mengemas kini maklumat bil anda?"

Tiada siapa yang mereka bentuk laluan pembatalan. Pelanggan menghubungi dengan perasaan marah. Bot berfungsi secara teknikal; dialogue design telah gagal sepenuhnya.

Dialogue design ialah disiplin menstrukturkan perbualan antara sistem AI dan manusia supaya mencapai tujuan yang dimaksudkan secara boleh dipercayai, mengendalikan input yang tidak dijangka dengan baik dan tidak menghasilkan jenis kekecewaan yang mendorong pelanggan ke media sosial.

Apa yang Dialogue Design Merangkumi

Dialogue design berada di persimpangan reka bentuk UX, linguistik dan seni bina sistem AI. Ia bukan sekadar tentang apa yang bot katakan, tetapi tentang cara perbualan distrukturkan untuk bergerak ke arah matlamat.

Reka bentuk intent dan slot menentukan apa yang sistem fahami. Intent ialah kategori matlamat pengguna ("buat temujanji", "semak status pesanan", "dapatkan maklumat harga"). Slot ialah pemboleh ubah yang diperlukan untuk memenuhi intent tersebut ("tarikh yang mana", "nombor pesanan yang mana", "produk yang mana"). Dialogue design menentukan intent yang dikendalikan sistem, maklumat yang perlu dikumpul dan dalam urutan yang bagaimana.

Reka bentuk aliran memetakan laluan melalui sebuah perbualan. Bagi tugas berorientasikan matlamat, ini bermakna menentukan laluan happy path (pengguna menyediakan apa yang diperlukan, tugas selesai dengan jayanya), laluan penjelasan (pengguna memberikan input yang tidak jelas, sistem memerlukan lebih banyak maklumat), laluan ralat (sistem tidak faham, atau pengguna memberikan input yang tidak sah) dan laluan eskalasi (perbualan di luar skop sistem, serahkan kepada manusia).

Pengendalian fallback menentukan apa yang berlaku apabila sistem tidak faham. Reka bentuk fallback yang lemah sering menjadi punca kekecewaan dalam perbualan. Sistem yang berulang kali mengatakan "Saya tidak faham itu, sila formulasikan semula" tanpa menawarkan alternatif atau mengekskalasi ialah mod kegagalan yang reka bentuk dialogue yang buruk wujudkan dan reka bentuk yang baik cegah.

Persona dan suara menentukan cara AI mempersembahkan dirinya. Nada, formaliti, panjang respons, sama ada ia menggunakan nama pengguna, cara mengendalikan permintaan maaf apabila berlaku kesalahan, pilihan ini membentuk bagaimana interaksi terasa. Pembantu perkhidmatan kewangan berbunyi berbeza daripada chatbot runcit pengguna, bukan kerana peraturan tetapi kerana reka bentuk persona yang disengajakan.

Reka bentuk eskalasi menentukan bila dan bagaimana perbualan diserahkan kepada manusia. Dialogue design tanpa laluan eskalasi memerangkap pengguna yang mempunyai masalah yang tidak dapat diselesaikan AI. Mereka bentuk eskalasi dengan baik, memilih pencetus yang tepat, mengekalkan konteks semasa penyerahan dan menetapkan jangkaan pengguna sebelum pemindahan, memberi kesan ketara kepada kepuasan pelanggan.

Peralihan daripada Dialog Berasaskan Peraturan kepada LLM

Sepanjang sebahagian besar sejarah chatbot, dialogue design bermakna membina pokok keputusan yang eksplisit. Setiap laluan perlu dijangka dan dikodkan. Jika pengguna berkata X, pergi ke nod Y. Ini menjadikan sistem boleh diramal tetapi rapuh: ia hanya mengendalikan apa yang telah dijangkakan oleh pereka bentuk.

Large language model mengubah masalah reka bentuk dengan ketara. AI perbualan berasaskan LLM boleh memahami dan menjawab input yang tidak pernah dikodkan secara eksplisit. Pengguna boleh menyatakan intent yang sama dalam berpuluh cara, dan model mengendalikan semuanya. Ini menghapuskan sebahagian besar kerapuhan sistem berasaskan peraturan.

Tetapi LLM memperkenalkan cabaran reka bentuk yang berbeza. Tanpa kawalan aliran yang eksplisit, perbualan boleh menyimpang. Model boleh terlalu membantu, cuba menjawab soalan di luar skop yang dimaksudkan. Mereka boleh konfabulasi, mencipta jawapan apabila mereka tidak tahu sesuatu. Mereka boleh tidak konsisten, mengendalikan situasi yang sama secara berbeza dalam perbualan yang berlainan.

Dialogue design moden untuk sistem berasaskan LLM menggabungkan prompt engineering untuk menentukan tujuan dan kekangan sistem, kawalan aliran yang membimbing perbualan ke arah matlamat, dan guardrails yang mencegah tingkah laku di luar skop. Tugas pereka bentuk beralih daripada membina pokok keputusan eksplisit kepada mereka bentuk konteks dan kekangan yang membolehkan model beroperasi.

Corak Reka Bentuk untuk Dialog yang Berkesan

Pendedahan progresif meminta maklumat secara berperingkat dan bukannya sekaligus. Aliran tempahan yang bertanya nama, kemudian tarikh, kemudian masa, berbanding ketiga-tiganya sekaligus, terasa lebih seperti perbualan dan mengurangkan beban kognitif.

Pengesahan sebelum tindakan. Bagi sebarang tindakan yang mengubah keadaan (menghantar borang, memproses bayaran, menghantar mesej), dialogue design yang baik mengesahkan tindakan sebelum melaksanakannya. Ini mengurangkan ralat dan membina keyakinan pengguna.

Panduan proaktif. Apabila input pengguna tidak jelas atau tidak lengkap, mencadangkan pilihan adalah lebih berkesan daripada bertanya soalan terbuka. "Adakah anda bermaksud X atau Y?" berfungsi lebih baik daripada "Bolehkah anda jelaskan maksud anda?"

Kemerosotan yang elegan. Apabila AI tidak dapat memenuhi permintaan, kegagalan itu harus bersifat informatif dan membantu, bukannya tidak telus. "Saya tidak dapat memproses bayaran balik secara terus, tetapi saya boleh memindahkan anda ke pasukan pengebilan yang boleh membantu anda" ialah kegagalan yang dirancang. "Saya tidak faham permintaan itu" bukan.

Pemeliharaan konteks. Pengguna mengharapkan perbualan mengingati apa yang dikatakan sebelumnya. Dialogue design yang tidak mengekalkan keadaan dalam sesi menjengkelkan pengguna yang perlu menerangkan semula konteks pada setiap giliran.

Dialogue Design untuk Antara Muka Suara

Ejen suara AI dan antara muka suara mengemukakan cabaran dialogue design yang khusus untuk saluran audio. Pengguna tidak boleh menatal ke belakang untuk membaca semula apa yang dikatakan. Giliran dibatasi oleh nafas dan jangka masa perhatian. Ralat dalam pengecaman pertuturan menghasilkan input yang tidak pernah dijangkakan oleh mana-mana peraturan.

Dialogue design untuk suara memberikan lebih banyak penekanan kepada corak pengesahan, panjang respons yang lebih pendek dan isyarat penggiliran yang lebih jelas. Laluan eskalasi daripada voice AI kepada ejen manusia perlu terasa seperti penyerahan yang mesra dan bukannya pemindahan yang sejuk. Keperluan ini mendorong ke arah yang berbeza daripada reka bentuk berasaskan teks.

Mengapa Dialogue Design Ialah Fungsi Perniagaan

Dialogue design yang lemah memusnahkan ROI pelaburan AI dalam aplikasi yang berhadapan dengan pelanggan. Chatbot yang menjengkelkan pengguna sehingga mereka menghubungi menghasilkan lebih banyak kos sokongan daripada yang dijimatkannya. Bot kelayakan jualan yang mengemukakan soalan dalam urutan yang salah atau gagal menangkap maklumat penting menghasilkan petunjuk jualan yang lebih buruk daripada borang web yang mudah.

Dialogue design bukan aktiviti sekali sahaja. Analisis pasca-penggunaan log perbualan, terutamanya laluan fallback dan eskalasi, mendedahkan tempat di mana kegagalan reka bentuk tertumpu. Perbualan yang pengguna lakukan tetapi sistem tidak kendalikan adalah isyarat paling jelas untuk menentukan pelaburan seterusnya.

Organisasi yang menganggap dialogue design sebagai satu disiplin, bukan tugas konfigurasi, dengan pereka bentuk yang berdedikasi, proses semakan dan kitaran penambahbaikan berulang, secara konsisten membina interaksi berkuasa AI yang lebih berkesan berbanding yang menganggapnya sebagai langkah persediaan sekali sahaja.

Konsep AI Berkaitan

Sumber Luaran

Soalan Lazim