,allowExpansion)
Un assistente virtuale per filiali fisiche
Un ologramma che accoglie i clienti
come farebbe un vero impiegato
Nuove modalità di interazione
La digitalizzazione ha modificato profondamente i paradigmi della comunicazione, portando a cambiamenti nelle modalità di interazione tra le persone e in quelle tra aziende i clienti.
Oggi, le tecniche di machine learning hanno raggiunto una maturità tale per cui è possibile realizzare soluzioni innovative che consento da una parte di migliorare notevolmente l’esperienza del cliente, semplificandola e riducendo i tempi di attesa, dall’altra ad automatizzare tutti quei servizi aziendali che richiederebbero altrimenti l’intervento di una persona fisica.
Un assistente di filiale olografico
Grazie a tecniche di intelligenza artificiale, l’assistente aiuta i clienti con i servizi bancari in una filiale digitale proprio come farebbe un vero impiegato di banca in una filiale fisica.
Per un’importante società bancaria, Machine Learning Reply è stata coinvolta nella realizzazione di un assistente virtuale rappresentato da un ologramma, in grado di accogliere i clienti in una filiale fisica. Grazie a tecniche di intelligenza artificiale, l’assistente aiuta i clienti con i servizi bancari in una filiale digitale proprio come farebbe un vero impiegato di banca in una filiale fisica.
L’obiettivo principale del cliente era infatti quello di fornire una nuova esperienza di interazione con il cliente finale, che potesse facilitare e automatizzare tutte quelle attività bancarie, come pagamenti e prelievi, che avrebbero altrimenti richiesto l’intervento di un impiegato.
L’assistente virtuale, rappresentato da un ologramma 3D in piramide olografica, è stato quindi programmato per poter rispondere alle domande frequenti dei clienti, fornire servizi di pagamento e prelievo di denaro, fissare appuntamenti con consulenti finanziari, e simulare mutui e prestiti bancari.
Le tecnologie impiegate
Grazie all’esperienza di Machine Learning Reply e alla sua specializzazione in ambito computer vision e natural language processing, è stato possibile realizzare un assistente virtuale la cui interazione con l’utente sembra il più naturale possibile.
Computer Vision
Grazie a tecniche di computer vision l’avatar può leggere i movimenti del suo interlocutore nella stanza e capire quando vuole interagire, muovendosi di conseguenza e avviando il dialogo solo quando richiesto.
Motion Capture
Le tecniche di motion capture hanno permesso di realizzare le animazioni, creando i movimenti dell’avatar senza riprodurli con software, ma registrando tramite dei sensori i movimenti di una persona reale.
Speech Recognition
Tecniche di speech-to-text e text-to-speech sono state utilizzate per catturare, tradurre, e riprodurre segnali audio. Nello specifico, si è fatto utilizzo del servizio Google Speech-to-Text per il riconoscimento vocale e la conversione in formato testuale necessario per l’elaborazione del flusso conversazionale, e del servizio Amazon Polly come tecnologia text-to-speech per convertire la risposta dell’assistente conversazionale in segnale audio.
Natural Language Processing
È il core dell’assistente virtuale, si occupa di gestire il flusso conversazionale. In questa caso è stato creato un framework che funge da Dialog Manager e gestisce il flusso conversazionale integrandosi con il modulo di Natural Language Understanding, ovvero Google Dialogflow. Esso sfrutta tecniche di NLP per la comprensione del linguaggio naturale che consente di riconoscere l'intenzione di un utente ed estrarre entità specifiche del contesto in cui si inserisce.
Tecnologia Hardware
Front Telecamere frontali e posteriori per riconoscere l’utente, microfoni multidirezionali per il riconoscimento vocale, con sistemi di accendimento e spegnimento per evitare che l’avatar si autoascolti, un proiettore nascosto e una videocamera integrata nella piramide olografica per cogliere i movimenti dell’utente, e altoparlanti integrati nella piramide e nello schermo LCD polarizzato per consentire all’assistente di interagire con l’utente.
Architettura ibrida
The Le molteplici componenti sono state inoltre integrate in un’architettura ibrida che combina sia servizi on-premises dell’istituto bancario che servizi on-cloud di Google e Amazon per i motori di machine learning, il tutto riuscendo a mantenere un tempo di latenza inferiore a 1 secondo, così da rendere l’interazione il più naturale possibile.
I vantaggi offerti da Machine Learning Reply
La società bancaria ha potuto contare sulle approfondite conoscenze ed esperienze sul campo di Machine Learning Reply.
Potendo garantire una personalizzazione del servizio offerto, Machine Learning Reply ha seguito un processo di creazione ed implementazione del chatbot che rispondesse alle necessità di integrazione con le altre piattaforme corporate del cliente, così da gestire ogni processo in modo sinergico e centralizzato.
)
Machine Learning Reply è la società del gruppo Reply specializzata nel fornire servizi e soluzioni di intelligenza artificiale per guidare i propri clienti verso la digitalizzazione, aiutandoli a diventare più competitivi e guidati dai dati grazie a Smart Analytics, Machine Learning e Intelligenza artificiale. Con esperienza nel deep learning, nella visione artificiale, nella NLP e nella modellazione predittiva, l'azienda aiuta i propri clienti a potenziare la propria attività, fornendo loro team di sviluppo dedicati di grande esperienza.