Natural Language Processing
NLP vuol dire utilizzare un software per elaborare la voce (natural language) al fine di implementare azioni successive. Nella situazione in cui un addetto alle vendite conclude una chiamata col cliente e ne vuole modificare i dati, con la NLP non è più necessario digitare le informazioni. L’addetto alle vendite dovrà semplicemente dettare il call log sul suo smartphone o iPad e Salesforce AI lo tradurrà automaticamente facendo le modifiche. Ciò significa che l’AI non solo è in grado di trascrivere un testo, ma anche di spostare il cliente nei diversi step del processo, fissare un nuovo appuntamento, aggiornare offerte e altro ancora.
Sfide: Mentre da un lato l'AI continua sempre di più ad adattarsi agli scenari reali, è necessario considerare alcune challange. Innanzitutto, ogni azienda ha un suo specifico linguaggio, come ad esempio degli acronimi che semplificano e a volte ottimizzano le comunicazioni interne. Non sempre però esiste una definizione uniforme: mentre in un’azienda un prospect può venir definito “lead”, in un’altra potrebbe essere definito “opportunity”. Diverse aziende hanno ad esempio diversi criteri per classificare un lead come “Hot”, e quali azioni successive sono richieste da questo cambio nel processo. Quindi per far si che Einstein diventi una soluzione cross-company, deve adattarsi al contesto aziendale e far sì che i modelli configurabili si adattino alla sua terminologia.
Oltretutto, il lavoro del venditore non sempre si svolge nella tranquillità del proprio ufficio, ma idealmente presso il cliente oppure on the road. Ciò apre a situazioni con diverse qualità di audio, rendendo il riconoscimento vocale più difficile. Indipendentemente dalla circostanza, come un'annotazione presa in auto, una task dettata in treno, o un semplice input vocale durante un congresso, il Natural Language Processing esce dall’ufficio silenzioso ed entra nel mondo dei rumori di sottofondo. Ciò richiede la normalizzazione dell’audio e l’eliminazione dei rumori di sottofondo.
Infine, per addestrare l’intelligenza artificiale, è necessario raccogliere una quantità sufficiente di dati in modo tale da essere rappresentativi del risultato previsto. Il problema risiede nel fatto che non tutti i dati sono potenzialmente accessibili, per problemi di data security o in taluni casi non esistono affatto. Per questo motivo i fornitori di AI devono assicurarsi di avere una sufficiente quantità di dati, specialmente considerando il fatto che la qualità di un tool di intelligenza artificiale rispecchia la qualità e quantità dei data record.