Chatterbot, Intelligenza Artificiale e User Experience

Il progresso scientifico e tecnologico, fortunatamente, non viene spinto esclusivamente da meri interessi economici. Ricercatori, scienziati e inventori ancora oggi indagano i confini delle proprie discipline puntando al progresso per il progresso. Spesso la ricerca raggiunge traguardi spettacolari, difficilmente a disposizione della gente comune. Spesso perché scoperte e invenzioni non hanno una diretta applicazione nella vita di tutti i giorni o perché economicamente poco appetibili.

Esistono tuttavia aziende commerciali che fanno del loro mestiere quello di offrire prodotti sempre nuovi, servizi sempre più evoluti, tecnologie sempre più sofisticate. Prendono queste scoperte e le traducono in prodotti che commercializzano in forme utili ed economicamente sostenibili. Ogni tanto questo processo è incredibilmente breve, a volte sono necessari parecchi anni. Ed è proprio questo secondo caso quello che vede protagonisti i tanto chiacchierati chatterbot, vera e propria moda degli ultimi mesi. 

Cosa sono e come nascono i Chatterbot?

Il concetto esiste fin dagli anni ’60, ma il fenomeno è esploso solo negli ultimi mesi.

Microsoft, Apple, Google, Facebook, hanno stabilito che i tempi fossero maturi per mettere a disposizione del grande pubblico i propri servizi di Intelligenza Artificiale, di cui chatterbot altro non è che un esempio. Da quel momento il nome Bot è tornato prepotentemente nel glossario tecnologico di marketers e comunicatori. E il contagio si è diffuso.

A.I.

 Nel 1950 Alan Turing pubblicò il famoso articolo Computing Machinery and Intelligence, in cui propose un metro di valutazione per determinare se una macchina fosse in grado di pensare o meno: riuscire a “ingannare” un essere umano convincendolo di conversare con un altro essere umano. La successiva ricerca di un algoritmo, di un programma e quindi di una macchina in grado di dimostrare la propria intelligenza ha visto diversi protagonisti susseguirsi nel corso dei decenni.

Tappa importante è quella del 1966, quando Joseph Weizenbaum mostrò le sue doti, progettando il Software ELIZA, che riusciva a superare il test nella maggior parte dei casi. Con grande modestia l’informatico tedesco lo definiva un semplice esercizio di debugging.

Vale la pena citare anche il nostro Francesco Lentini, italiano che nel 1992 scrisse il codice di ELOISA, pubblicato poi sul web nel 1996 e da allora costantemente perfezionato fino a diventare, secondo molti esperti, il migliore esempio ad oggi in circolazione per quanto riguarda la risoluzione del test di Turing. ELOISA parla 4 lingue, risponde utilizzando correttamente grammatica e sintassi ed è un interlocutore molto versatile visto che riesce a discutere di qualsiasi argomento.

Lo stato dell’arte

Per il successo di una innovazione tecnologica serve la coincidenza di 3 fattori:

• la disponibilità della tecnologia stessa ad un costo ragionevole;
• un paradigma sociale che ne renda giustificabile l’utilizzo;
• un soggetto facilitatore in grado di creare la connessione tra sviluppo, infrastruttura, pubblico e sistema di revenue.

Negli ultimi anni colossi come Microsoft, Apple, Google e Facebook hanno tracciato la strada, lavorando per mettere a disposizione degli utenti una serie veramente ampia di chatterbot con cui ad esempio ricercare informazioni o avere un’esperienza di gioco.

Modelli di distribuzione e applicazione

Nella pratica cosa fa un chatterbot? Si tratta di un software che risponde a una richiesta andando a recuperare le informazioni da una base dati più o meno complessa ed estesa, confezionando l’output con un linguaggio il più possibile simile a quello umano. Una sorta di assistente nella ricerca di informazioni, motivo per cui una delle applicazioni più diffuse per questo tipo di chatterbot si trova nei servizi di customer care, a vario titolo e sotto varie forme.

Tassonomia sparsa

Prima distinzione è il modello attraverso il quale questo servizio è reso disponibile. In questo caso li possiamo raggruppare in due macro-categorie.

1. Da un lato abbiamo sistemi chiusi: il software è scritto da una azienda che lo mette a disposizione attraverso un sistema proprietario, sia esso un’applicazione per mobile o desktop o ancora il proprio sito web. In questa categoria troviamo gli assistenti intelligenti dei sistemi operativi di Microsoft (Cortana) o Apple (Siri).
2. La seconda scelta prevede invece che i programmatori si affidino per la distribuzione a piattaforme già esistenti e gestite da soggetti terzi. Pensiamo ad esempio a tutti quei bot fruibili attraverso Messenger di Facebook o via Telegram. Le aziende creano profili lasciati in gestione ai propri automatic responder per dialogare con gli utenti. Un bell’esempio è quello di Netflix, con un bot che interagisce tramite l’account di Telegram al quale si possono chiedere informazioni sulle nuove release del canale o sugli attori di una serie. @TrackBot, sempre su Telegram, permette invece di rintracciare qualsiasi spedizione interagendo via chat con un linguaggio praticamente naturale.

Il panorama è quindi decisamente variegato, sono nati servizi di tutti i tipi anche se la maggior parte non è esente da un funzionamento ancora macchinoso o basato su una sintassi di interazione molto più simile a un codice di programmazione che a una conversazione reale. Uno scoglio di usabilità che rende difficile la fruizione e sancisce spesso la morte prematura di un progetto.

I bot più evoluti, come per esempio quello di SkyScanner, risolvono il problema elencando le alternative di richieste possibili e i relativi comandi prestabiliti, in modo da facilitare l’utente e proporre un’interazione più funzionale. Altri suggeriscono di fare riferimento a comandi come “/help” per ottenere la lista delle interazioni possibili e relativa sintassi.

La strada da percorrere è ancora lunga ed è forse curioso notare come le applicazioni più sviluppate abbiano uno scopo ludico più che una finalità commerciale. Per farsi un’idea basta provare a scambiare due battute con il simpaticissimo Cleverbot.

Applicazioni concrete

Sebbene le prime implementazioni commerciali non siano immuni da difetti e risultino ancora limitanti da un punto di vista dell’esperienza utente, i presupposti di diffusione di questa tecnologia ci sono tutti.

Pensiamo per esempio ad un sito eCommerce di abbigliamento. Con una gestione attenta e precisa del CRM aziendale e dei dati provenienti dalla navigazione utente del sito, è possibile personalizzare un assistente in grado di comunicare in maniera selettiva con il consumatore, consigliando i prodotti in linea con i gusti personali o proponendo nuovi prodotti in stock. Ovviamente questo personal butler dovrà risultare simpatico, disponibile e dare l’impressione di saper ascoltare.

Facendo un passo avanti e spostando la fruizione su mobile si possono sfruttare i servizi di geolocalizzazione in logica di permission marketing e proporre all’utente prodotti, servizi o informazioni incrociando i dati sulla sua posizione con le preferenze, le abitudini e gli interessi già manifestati in condizioni simili.

Le applicazioni legate ai programmi di fidelizzazione così detti allargati sono infinite. Un programma come quello di Alitalia permette di collezionare miglia non solo attraverso i viaggi ma anche acquistando beni e servizi dai partner aderenti al circuito, così come di spendere gli stessi punti presso tantissimi esercizi commerciali. Una gestione attiva del profilo utente consente (grazie ad un’applicazione mobile, alla geolocalizzazione e a un sistema di pagamento contactless) di usare i punti accumulati per approfittare di una promozione in corso nel negozio distante solo 50 metri, oppure di ricevere la comunicazione che acquistando un particolare bene presso un esercizio convenzionato è possibile collezionare il doppio dei punti previsti normalmente.

Il fattore disruptive è rappresentato dalla capacità di apprendimento di questi complessi software e naturalmente dall’effetto seamless. Grazie all’evoluzione della componentistica legata ai sensori questi sistemi possono collezionare dati relativi a comportamento d’acquisto, abitudini sociali, spostamenti, orari, connessioni social e tanto altro, restituendoli sotto forma di proposizioni estremamente personalizzate tanto dal punto di vista del contenuto quanto della forma. I chatterbot possono adattarsi a uno stile di comunicazione, imparando dalle interazioni con il proprio “padrone/amico” a rispondere a tono. Espressioni gergali, modi di dire e un principio di adattamento della personalità in ottica user friendly. Ancora una volta, sarà la traduzione pratica in quella che è l’effettiva esperienza dell’utente a fare la differenza.

Esperienza utente da progettare e curare nel tempo

Le realtà aziendali in grado di realizzare progetti di questa entità non sono tantissime e, anche per soluzioni meno complesse, il caveat principale rimane quello di una precisa e attenta progettazione del servizio e delle logiche che lo muovono. Soprattutto se facciamo riferimento ad un concetto esteso di User Experience: dal primo contatto con il servizio alla fruizione e ai feedback relativi all’interfaccia utente (nella realtà fisica e digitale), fino alla misurazione della reale soddisfazione offerta dall’esperienza e rilevata raccogliendo dati statistici e qualitativi. Un processo fatto di ipotesi, test, validazione e riprogettazione, alla costante ricerca dell’optimum.

TSW, grazie al suo Experience Lab e all’approccio integrato dei diversi dipartimenti, è in grado di progettare la migliore esperienza per ciascun tipo di cliente, misurarla nel tempo e creare processi di ottimizzazione continua e conversione al risultato.