Ob Siri oder Alexa – Sprach-Assistenten gelten als Zeichen der digitalen Zukunft. Jedoch sind diese Services eher individuell (sinnvoll) einsetzbar. Deswegen werden für Unternehmen Chatbots zur spannenden Alternative. Diese können ebenfalls per Stimme, aber auch mittels Text bedient werden. Außerdem machen die vielen Integrationsmöglichkeiten (Facebook, WhatsApp, Telegram etc.) die Chatbots attraktiv.
Gerade im Bereich Kundenservice können die virtuellen Assistenten hier bereits die ein oder andere Aufgabe übernehmen und so Kosten einsparen. Eine Studie aus dem letzten Jahr besagt, dass bereits 2020 85 % der Kundeninteraktion über künstliche Intelligenz (KI) gesteuert wird. Wem das nicht ganz geheuer ist, kann man raten, sich den derzeitigen Stand der Technik mal genauer anzusehen. Denn allen Musk’schen Prophezeiungen entgegen, wird KI weit weniger unheimlich, wenn man einen Blick hinter die Codes wirft. Wussten Sie zum Beispiel, dass viele Chatbots mit einer recht rudimentär programmierten KI arbeiten, die immer nur nach festen Schemata antwortet. Nein?
Hier eine kleine Ausführung:
Wie funktioniert ein Chatbot?
Ein Chatbot ist (wie der Name verrät) ein Roboter zum Chatten. Ähnlich wie ein normaler Mitarbeiter, beantworten Chatbots Kundenfragen, wie zum Beispiel die Frage nach Öffnungszeiten. Fragen wie diese können nach davor festgelegten Parametern von der derzeitigen KI einfach verarbeitet werden. In diesem Fall hat die KI eine weniger komplexe Programmierung im Hintergrund, als wenn sie bereits “maschinell lernt”. Diese Chatbots benötigen oft weniger genaue Kommandos und können auch bei Abweichungen von Anfragen antworten. Wenn Sie etwa fragen: “Haben sie morgen um 11:00 h offen?” statt “Wie sind ihre Öffnungszeiten?”, werden sie von einer “lernfähigen” KI in der Regel mehr bekommen als ein “Ich habe Ihre Frage nicht verstanden. Wiederholen Sie die Frage.” Sollten Sie sich also fragen, wie “klug” der Chatbot ist, mit dem Sie schreiben – stellen Sie Ihre Fragen ein wenig anders.
Process Reward Models: Warum ein richtiges Ergebnis noch keinen richtigen Weg beweist
Test-Time Compute Scaling: Warum ein kleineres KI-Modell am Ende gewinnen kann — und was der Lieferantenvergleich in SAP Business One damit zu tun hat
RLHF und Reward-Modelle: Was hinter dem KI-Hype steckt — und was der Genehmigungsprozess in SAP Business One damit zu tun hat
KI – Antworten aus SAP Business One – ohne SQL, ohne IT-Ticket
KI im ERP – aber unter Kontrolle: Was Versino AI für SAP-Business-One-Anwender bedeutet
