Überschätzen wir künstliche Intelligenz? Kann Technik jemals wirklich einen anwesenden und aktiven menschlichen Verstand ersetzen?

Für die nächsten Jahre erwarten wir ein deutlich höheres Niveau für künstliche Intelligenz.
Diese selbstmotivierenden, eigenständigen Agenten werden gesetzte Ziele autonom, ohne jegliche menschliche Aufsicht, ausführen können. Einige von ihnen werden sich sicherlich selbst programmieren können. Bis zu dem Zeitpunkt, zu dem sie voll entwickelt sind, wird maschinelles Lernen (ML) kulturell vollkommen unsichtbar geworden sein, ebenso wie technische Erfindungen der vergangenen Jahre in den Hintergrund getreten sind.
Mensch
Übertragung der
Verantwortung
Maschine
  • Human

    Human only
  • Early
    Warning
    System

    Assistance
  • Monitoring
    System

    Hands
    off

    Semi
    Autospanation

  • Awareness
    System

    Eyes off /
    Attention
    off

    High
    Autospanation

  • General
    Awareness

    Mind
    off

    High
    Autospanation
  • No
    Human

    Automated

Die Gewinner werden weder die Maschinen allein noch die Menschen allein sein, sondern beide, indem sie effizient zusammenarbeiten.

Ganz gleich, welche neuen Erkenntnisse Computer ans Licht bringen, nur der Mensch kann wesentliche Fragen entscheiden, wie z.B. welche kritischen Geschäftsprobleme ein Unternehmen wirklich zu lösen versucht.
Ebenso, wie der Mensch regelmäßige Prüfungen und Bewertungen benötigt, benötigen auch „intelligente Maschinen“ und deren Arbeit regelmäßige Bewertungen und Korrekturen – und eventuell müssen sie auch entlassen oder in komplett andere Bereiche eingebracht werden. Dies geschieht durch Führungskräfte mit Erfahrung, Urteilsvermögen und Fachkompetenz.

REPLY BIETET AUF IHR UNTERNEHMEN ZUGESCHNITTENE LÖSUNGEN FÜR KÜNSTLICHE INTELLIGENZ & MACHINE LEARNING AN


DIE MACHT DER KONVERSATION

Wir haben eine vielversprechende neue Ära der Datenverarbeitung begonnen, in der Fortschritte in Machine Learning und künstlicher Intelligenz ein neu auflebendes Interesse an Dialogschnittstellen und der Verarbeitung natürlicher Sprache erzeugen.
Das fördert das Potential für Konversation als neuen Modus für technische Interaktion.

Dialogsysteme sind intelligente Maschinen, die Sprache verstehen und eine schriftliche oder mündliche Unterhaltung mit einem Nutzer führen können. Ihr Ziel ist die Bereitstellung von Informationen, Unterstützung und Hilfe in der direkten Interaktion, und dies nach Möglichkeit in Echtzeit.


Die Einbindung von Dialogsystemen zielt auf die Verbesserung der Kundenerfahrung durch das Steuern der Mensch-Maschine-Interaktion ab.

WAS SIND DIALOGSYSTEME?

Dialogsysteme sind dafür ausgelegt, eine Unterhaltung zu führen. Sie verwenden hierzu auditive oder textliche Methoden und simulieren auf überzeugende Weise das Verhalten eines Menschen und bedienen sich der anspruchsvollen Funktionen des Natural Language Processing und Understanding.

Das Robotics for Customers Framework von Reply führt das Human-Centered-Design für Dialogschnittstellen ein, das darauf abzielt, „Erfahrungssysteme“ durch Humanisierung von Prozessen und die Nutzung anspruchsvoller Technologien zu erschaffen. Darüber hinaus ist der Personality-by-Design-Ansatz die geeignete Methode zur Formung der Bot-Persönlichkeit und erweitert so das Design von Interaktionsstilen durch die Humanisierung von Kunden-Touchpoints und Benutzererfahrungen.

Laden Sie die Broschüre über Dialogsysteme und die Lösungen von Reply herunter

EIN NEUER, KUNDENORIENTIERTER KOMMUNIKATIONSKANAL, DER MACHINE LEARNING TOOLS VERWENDET

Auf sprachlicher Interaktion oder Chats basierende Dialogschnittstellensverbreiten sich momentan schnell als gängige Anwendungen. Plattformen für Nachrichtenaustausch erlauben eine Interaktion mit Chatbots während Smart Speaker (Amazon Echo, Google Home etc.) sich schnell ausgebreitet haben.

Reply entwickelt Agenten zur Konversation für Kundenbetreuung und persönliche Assistenz. In der Welt der Kundenbetreuung gibt es verschiedene Anwendungen für Chatbots, um die Effektivität der Help-Desk-Leistungen zu verbessern. Persönliche Assistenten bieten Unterstützung bei alltäglichen Aufgaben.

Lesen Sie mehr über Chatbots

CONVERSATIONAL COMMERCE

E-Commerce und der Einzelhandel entwickeln sich weiterhin. Früher war diese fortschreitende Entwicklung oft primär durch technischen Fortschritt angetrieben, aber dies ist heute nicht mehr der Fall. Der Fokus liegt heutzutage oft auf den Kunden und deren wechselndem Kaufverhalten.

Ein-/Ausgabe-Geräte für sprachgestütztes Shopping sind schon jetzt erhältlich und können ganz nach Bedarf ausgetauscht werden: Die Smart-Watch am Handgelenk, Stimmerkennung im Auto oder sogar spezialisierte Sprachassistenten wie Amazons Alexa oder Google Home. Wenn natürliche Sprache nicht genutzt werden kann, z.B. wegen der aktuellen Umgebungssituation, können formlose schriftliche Bestellungen auch über Messenger wie WhatsApp oder Telegram getätigt werden. Auf der Basis von SAP Hybris as a Service (YaaS) wird mit Reply Voice Commerce ein Paket zur Verfügung gestellt, in dem von den Ein-/Ausgabe-Geräten über eine generische Schnittstelle verschiedene Services angesprochen werden können.

Lesen Sie mehr über Reply Voice Commerce

DIALOGSYSTEME IN DER AUTOMOBILBRANCHE

Einer der ersten Fälle, in denen das System „Robotics for Customers“ mit Einsatz von Chatbots benutzt wurde, war die Automobilbranche, in der Online-Assistenten für Produktpräsentationen und Katalogkonfigurationen entwickelt wurden.

Die Art und Weise, wie Kunden Fahrzeuge kaufen, hat sich drastisch verändert

Für den Automobilsektor bietet Reply eine Chatbot-Lösung, die sofort und vollautomatisch Kundeninteraktionen mit einem breiten Themenspektrum abwickelt, wie zum Beispiel Fahrzeugkonfiguration, Kundenbefragung oder Kundendienst.

Chatbots haben das Potenzial, menschliche Akteure überzeugend nachzuahmen und sogar den Turing-Test zu bestehen

CUSTOMER CARE-AUTOMATISIERUNG IN DER VERSORGUNGSBRANCHE

Reply hat mit den Chatbot-Technologien eines führenden Multi-Utility-Unternehmens einen neuen Customer Care Service entwickelt. Zusätzlich zu seiner Fähigkeit, mit einem menschlichen Sprecher zu interagieren, implementiert der Chatbot einen End-To-End-Prozess, der die vom Nutzer benötigten Informationen aus Backend-Systemen identifiziert und extrahiert und dann in Echtzeit im Kontext einer in natürlicher Sprache geführten Konversation liefert. Die Interaktion zwischen Nutzer und Chatbot geschieht unmittelbar und benötigt keine Logins, was zu einer deutlichen Verbesserung der angebotenen Leistung für den Kunden führt.

Die neue Herausforderung für Contact-Center-Automatisierung

PERSONALITY BY DESIGN

In den letzten Jahrzehnten konnten wir den zunehmenden Einfluss der Robotik in unserem täglichen Leben und das Wachstum der komplexen künstlichen Intelligenz beobachten. Wir leben in einer Welt, in der das Gespräch die Schnittstelle ist und die Persönlichkeit zur neuen Benutzererfahrung wird.

Unterhaltungen mit Bots folgen denselben Regeln wie die Kommunikation zwischen Menschen

Data Driven Machine Learning Robots

Intelligent Process Automation

Data Robotics, definiert als die Reihe von Technologien, Techniken und Anwendungen, die benötigt werden, um neue, auf Technologien für eigenständiges Lernen und künstliche Intelligenz basierende Automatisierungsprozesse zu entwerfen und zu implementieren, vereinfachen die Integration von Automation in Organisationsprozesse. Dank der Anwendung von „Smart Technologies“ garantiert Intelligent Process Automation eine Verbesserung der Robotic Process Automation und erleichtert so die Weiterentwicklung von Lösungen für unkomplizierte und wiederkehrende Aufgaben hin zu neuen, auf Machine Learning-Techniken basierenden Paradigmen.

Intelligent Process Automation 0

PREDICTION & PRESCRIPTION

PREDICTION & PRESCRIPTION

Die heutige moderne Technologie ermöglicht es Unternehmen bereits, nicht nur auf historische Daten zu schauen, sondern auch Verhalten oder Ergebnisse für die Zukunft vorherzusagen – z.B. indem sie Mitarbeitern für die Kreditrisikobestimmung bei Banken hilft, festzustellen, welche Kunden am wahrscheinlichsten in Verzug geraten werden, oder indem sie Telefongesellschaften ermöglicht vorherzusagen, welche Kunden am wahrscheinlichsten in der nahen Zukunft „abwandern“ werden (Beispiel).

Empfehlungen sind die fortschrittlichste Stufe von Machine Learning, weil es letztlich nicht ausreicht vorherzusagen, was Kunden tun werden. Nur durch das Verstehen, warum sie es tun werden, können Unternehmen dieses Verhalten in der Zukunft fördern bzw. verhindern. Technisch gesehen, können die heutigen Algorithmen für Machine Learning dies bereits mit der Hilfe von menschlichen Übersetzern tun.

Einige Beispiel für die Erfahrung von Reply: Machine Learning für die Bekämpfung von Betrug und Erkennung von Versicherungsbetrug durch Methoden zum eigenständigen Lernen

RECOMMENDATION

RECOMMENDATION

Aus organisatorischer Sicht kann ein Empfehlungssystem auf einer kleinen Menge von Daten aufgebaut werden, die abhängig von den Geschäftsbereichen sehr unterschiedlich sein können.

Reply hat eine einheitliche Entwicklungsstrategie für Empfehlungssysteme eingeführt, die die unkomplizierte Entwicklung und Implementierung für verschiedene Arten von Dienstleistungen von Prototypen bis zu Produktionsumgebungen gestattet. Die Datenverarbeitungs-Engine wird von Advanced Analytics bereitgestellt, üblicherweise mittels AI gesteuert und mit Machine Learning-Fähigkeiten aufgebaut. Laden Sie die Broschüre über Empfehlungssysteme und die Lösungen von Reply herunter

Einige Beispiel für die Erfahrung von Reply: Das Einbringen von Empfehlungssystemen in Produktionsumgebungen und Der Anwendungsfall Banca Mediolanum

RECOGNITION

Bild und Videoerkennung

Reply wendet innovative Deep Learning-Techniken für die Erkennung von Bildern und Videos an. Diese auf neuronalen Netzwerken basierenden Techniken (z.B. Convolutional Neural Network) erlauben den Einsatz von Netzwerken, die an allgemeinen Datensätzen vortrainiert wurden, oder die Entwicklung von kundenspezifischen Netzwerken an spezifischen Datensätzen. So ist es möglich, Erkennungssysteme zu realisieren, die die Identifizierung von bestimmten Objekten und/oder Eigenschaften in Videos oder Bildern und auch eine Einschätzung der Stimmung von Gesichtsausdrücken zulassen.

Reply hat bereits Projekte in diesem Gebiet verwirklicht, inklusive Stimmungserkennung im Bereich Kundenbetreuung, Augmented Reality (Erkennung von bestimmten Objekten zur Führung der Anwendungslogik), visuelle Überprüfung auf Unregelmäßigkeiten, Zählen von Objekten auf Regalen etc.

Erkennung geschriebener und gesprochener Sprache

Spracherkennung ist eine Machine Learning-Technik, die nicht nur die Umwandlung zwischen Stimme und Text zulässt, sondern auch das Verständnis der Bedeutung des Inhalts. Deep Learning, und insbesondere Frameworks wie TensorFlow, werden heutzutage genutzt, um komplexe Lernmodelle zu entwickeln.

Reply kann Smart Speaker integrieren und hat das nötige Know-how für die Realisierung von Spracherkennungsmodellen mit den fortschrittlichsten Plattformen. Semantische Suchmaschinen unterstützen zusammen mit Machine Learning-Algorithmen die Identifizierung der relevantesten Ergebnisse für die Suchanfragen.

Vorgestelltes Geschäftsbeispiel: Natürliche Sprachverarbeitung in der automobilen Wertschöpfungskette