The Six-Stage Model of Conversational AI Design è stato pubblicato per la prima volta il 30 giugno 2021 da Sophie Hundertmark e dal Prof. Dr. Christian Hildebrand nella St. Gallen Marketing Review. Un estratto dei passaggi più importanti si trova in questo post del blog.
Le 6 fasi descritte hanno lo scopo di supportare le aziende nell’introduzione di successo di applicazioni di intelligenza artificiale conversazionale, come chatbot o voicebot. Sophie e Christian consigliano di seguire passo dopo passo tutte le 6 fasi per garantire il successo della nuova applicazione AI.
Il termine AI conversazionale viene utilizzato di seguito come termine ombrello per tutte le applicazioni di chat e voicebot o robot,
Fase 1 – COSA: Definire il problema dell’utente
La prima fase prevede la definizione del compito specifico che deve essere automatizzato dall’IA conversazionale. È consigliabile analizzare l’intero percorso del cliente e valutare criticamente la fase in cui le applicazioni di IA conversazionale contribuiscono agli obiettivi aziendali esistenti. La raccomandazione degli esperti Sophie e Christian è quella di delineare prima un elenco di attività specifiche con un alto potenziale di automazione e poi di dare una priorità ai casi d’uso o alle attività selezionate in termini di fattibilità e valore aziendale. Supponiamo che un’azienda abbia tre potenziali progetti pilota in cui le opzioni per risolvere il problema dell’utente sono: (1) automatizzare parti del processo di assistenza clienti attraverso un chatbot, (2) fornire un supporto decisionale automatizzato offrendo informazioni aggiuntive sui prodotti su un sito web attraverso un chatbot, oppure (3) fornire attivamente raccomandazioni durante il processo di vendita attraverso un chatbot. Sebbene il primo progetto sia probabilmente realizzabile, il valore commerciale atteso è relativamente basso. Al contrario, l’ultimo progetto ha un valore commerciale relativamente alto, ma una fattibilità inferiore, poiché le raccomandazioni devono essere altamente personalizzate e contestualizzate. Infine, la chiara articolazione del problema da risolvere dovrebbe essere strettamente legata alla definizione del modo in cui l’azienda terrà traccia dei progressi verso questo obiettivo (ad esempio, la valutazione dei costi di acquisizione dei clienti prima e dopo il pilota o la durata delle chiamate al servizio clienti, a seconda dell’obiettivo principale dell’applicazione di IA conversazionale).
LaMatrice dei valori irritanti di Bill Price è un ulteriore aiuto per prendere decisioni. È utile scoprire quali sono i processi e i punti di contatto con i clienti che hanno maggiori probabilità di essere automatizzati. Ovvero, proprio quelli che hanno un basso valore per l’azienda, ma un alto valore per il cliente.
In sintesi, la prima fase richiede una focalizzazione esclusiva sul problema, che deve essere assolutamente affrontato dal punto di vista dell’utente o del cliente.
Fase 2 – CHI: Definire l’utente target
La seconda fase serve a definire l’utente target. Sophie e Christian consigliano di utilizzare i metodi già impiegati in precedenti lavori sulla mappatura del viaggio del cliente, definendo l'”archetipo dell’utente” (Lemon & Verhoef, 2016). L’azienda deve valutare l’utente predominante del chatbot o dell’applicazione di IA conversazionale per il problema definito (fase 1). La persona o le persone previste devono essere il più specifiche possibile e coprire sia le caratteristiche oggettive come i dati demografici (età, sesso, stato civile) sia quelle soggettive come lo stato emotivo previsto o i valori importanti dell’utente. Anticipare lo stato emotivo di un utente è fondamentale, perché un’esperienza negativa da parte di un utente già frustrato può portare a una spirale negativa e a una valutazione negativa dell’azienda. Ad esempio, un recente studio di Hadi (2019) ha dimostrato che i clienti che erano in uno stato di rabbia o frustrazione prima di interagire con un chatbot del servizio clienti erano ancora più frustrati dopo l’interazione e valutavano l’azienda in modo più negativo rispetto a un gruppo di clienti di controllo. Si consiglia quindi alle aziende di definire con attenzione l’utente target previsto e, soprattutto, di tenere in considerazione lo stato emotivo previsto dell’utente.
Fase 3 – DOVE: Definire l’integrazione dei canali attraverso i punti di contatto
La terza fase serve a decidere come, dove e quando utilizzare l’IA conversazionale. Questo può andare dall’integrazione in un sito web esistente o all’interno di una piattaforma di terze parti (WhatsApp, WeChat, Facebook, ecc.) all’utilizzo come app indipendente. In questa fase si deve decidere quale canale principale utilizzare per l’applicazione e come gestire il cambio di canale nei vari punti di contatto. Ad esempio, un’azienda potrebbe decidere di implementare un chatbot come parte dei processi di automazione delle vendite sul sito web. L’integrazione e l’implementazione richiedono quindi una decisione su dove rendere disponibile l’IA conversazionale sul sito web e su cosa fare in caso di mancata corrispondenza di intenti (cioè se l’IA conversazionale non sa come rispondere o elaborare una richiesta di informazioni da parte di un potenziale cliente). Se la corrispondenza di intenti fallisce, l’utente deve passare senza problemi da un canale di interazione all’altro. Ciò potrebbe significare che l’integrazione continua è gestita da personale di vendita umano o che la richiesta viene inoltrata direttamente come e-mail al team di assistenza clienti umano. La mancata corrispondenza degli intenti e l’inefficace integrazione dei canali sono una delle principali fonti di frustrazione per gli utenti dei bot, a causa del ridotto senso di raggiungimento degli obiettivi (Leung & Chan, 2020). L’obiettivo della terza fase è quindi quello di decidere su quale canale concentrarsi e di considerare le possibili interazioni tra tutti i canali e i punti di contatto. Inoltre, le aziende dovrebbero valutare attentamente e ottimizzare le corrispondenze di intenti fallite non solo prima o durante la fase pilota, ma anche a intervalli regolari dopo che l’applicazione di Intelligenza Artificiale Conversazionale è diventata operativa. La maggior parte delle interfacce di intelligenza artificiale conversazionale fornisce identificatori che segnalano esplicitamente le interazioni o le intenzioni fallite nel backend, che possono (e devono) essere analizzate attentamente e sistematicamente.
Fase 4 – COME: progettare l’aspetto, la tonalità e la personalità dell’IA
La quarta fase comprende tutte le decisioni relative al design e include l’aspetto visivo e il design conversazionale (le caratteristiche strutturali e semantiche dell’organizzazione della conversazione tra un utente umano e l’IA).
Il design visivo nel contesto dei chatbot include, ad esempio, il design aziendale o coerente con il marchio dell’avatar digitale, il nome dell’avatar, la combinazione di colori e il carattere. La scelta dell’avatar e il nome appropriato sono decisioni critiche per il design (Miao et al., 2021), poiché riflettono direttamente il marchio. Il design della conversazione cattura le caratteristiche strutturali e semantiche della conversazione. Le dimensioni strutturali includono, ad esempio, la frequenza o l’entità del passaggio del turno (cioè se l’IA conversazionale promuove attivamente la comunicazione avanti e indietro come nella comunicazione tra esseri umani). Recenti studi hanno dimostrato che un maggior grado di turn-taking promuove la fiducia e una valutazione più positiva del marchio (Hildebrand & Bergner, 2020). La dimensione semantica cattura la tonalità del chatbot e può variare da un tono di comunicazione più formale a uno più informale (ad esempio attraverso l’uso di un linguaggio affettivo o di emoji). La combinazione di design visivo e contenuto definisce in ultima analisi il tipo di personalità che l’utente attribuisce all’IA. Ad esempio, è possibile utilizzare deliberatamente un linguaggio più affettivo per creare una “personalità” più estroversa dell’IA. Tali attribuzioni di personalità possono essere suscitate anche da indizi più sottili, come pause più lunghe che segnalano una maggiore attenzione da parte dell’IA o l’aumento della variabilità della frequenza della voce per segnalare l’eccitazione (Hildebrand et al., 2020). In breve, gli utenti umani tendono ad attribuire diverse personalità al chatbot e il design visivo e conversazionale del sistema è un fattore chiave per sviluppare i profili di personalità dell’organizzazione o del marchio (Nass & Moon, 2000; Nass et al., 1994).
I risultati della seconda fase, che riguardano tra l’altro le emozioni attese dagli utenti, servono sicuramente come aiuto decisionale in questa fase.
Fase 5 – CON CHI: Definire il team di progetto esteso e gli stakeholder
La quinta fase si concentra sulla definizione del team di progetto esteso e sul coinvolgimento attivo degli stakeholder interni.
Questa fase è fondamentale per conquistare l’intera organizzazione e il team di progetto allargato (tutti gli stakeholder interni che sono direttamente o indirettamente coinvolti nel progetto, come ad esempio il reparto IT interno). Il fatto che le applicazioni di IA conversazionale si basino su sviluppi tecnologici relativamente nuovi può portare a resistenze interne che devono essere gestite attivamente. Questa fase è fondamentale per evitare false aspettative e allo stesso tempo per individuare forti promotori interni del progetto pilota. È importante prevedere la potenziale resistenza interna e reagire ad essa. Ad esempio, è consigliabile comunicare attivamente come verrà misurato il successo del progetto pilota (ad esempio, nell’ambito di un progetto di automazione delle vendite; questo può includere la quantità di traffico verso le landing page chiave, i tassi di conversione effettivi su queste landing page o il numero di pagine visitate prima della landing page chiave).
Fase 6 – CON COSA: definire lo stack tecnologico
La sesta fase si concentra sulla selezione dello stack tecnologico più adatto rispetto a tutte le fasi precedenti. La decisione sullo stack tecnologico si trova nell’ultima fase del modello per due motivi principali. In primo luogo, lo stack tecnologico deve essere selezionato in base al caso d’uso specifico, indipendentemente dai processi interni e dall’infrastruttura già esistente. Questa sequenza ha lo scopo di evitare di restringere le opzioni e di distrarre dal problema centrale dell’utente finale rispetto alla tecnologia. In secondo luogo, focalizzarsi sulla tecnologia in base ai requisiti dell’IA conversazionale aiuta a valutare criticamente se il caso d’uso in questione richiede un complesso motore di elaborazione del linguaggio naturale o se è sufficiente un semplice agente conversazionale basato su regole.
Tuttavia, Sophie e Christian sottolineano che in questa fase è necessario prendere in considerazione anche i requisiti organizzativi, come le tecnologie già in uso, le normative vigenti in materia di protezione dei dati e le altre risorse del progetto. Il modello presentato può essere visto come un archetipo ideale, e l’effettiva realizzazione di un progetto può richiedere diverse iterazioni che risalgono dalla tecnologia alle fasi precedenti. Poiché il numero di fornitori di soluzioni di IA conversazionale continua a crescere (da Amazon, Google, Microsoft e IBM a fornitori di soluzioni più piccole e specializzate), Sophie e Christian consigliano di tenere d’occhio regolarmente gli sviluppi sul fronte tecnologico. Come per qualsiasi progetto di enterprise computing, le grandi aziende tendono a offrire soluzioni altamente scalabili ma più standardizzate, mentre i fornitori più piccoli sono spesso coinvolti più attivamente e offrono una migliore personalizzazione.
La seguente illustrazione mostra il “Six-Stage Model of Conversational AI Design” sviluppato da Sophie Hundertmark e dal Prof. Dr. Christian Hildebrand.
L’articolo sul “Six-Stage Model of Conversational AI Design” è stato pubblicato per la prima volta da Sophie Hundertmark e dal Prof. Dr. Christian Hildebrand nella St. Gallen Marketing Review. L’intera rivista è disponibile qui.
