Por Susana Costa e Silva, docente da Católica Porto Business School
Muito se tem falado sobre chatbots nos últimos tempos, com interesse significativo suscitado por académicos e gestores, nomeadamente no que diz respeito à sua capacidade de substituírem colaboradores humanos nos diferentes pontos de contacto dos clientes com as marcas, isto é: ao longo da Customer Journey. Entretanto, na terminologia a que nos habituamos, começaram a aparecer outros conceitos que de certa forma se relacionam com o de chatbots. Referimo-nos não só à Gen AI (inteligência artificial generativa, de que o melhor exemplo é o famoso ChatGPT), mas também ao machine learning, ao prompt engineering, e à cybersecurity, só para referir alguns termos.
Aos poucos, parece que os termos que estavam antes reservados aos engenheiros informáticos, se foram disseminando na sua original expressão anglo-saxónica e se foram imiscuindo na linguagem corrente. Ainda assim, há conceitos que convém clarificar para não ficarmos perdidos, seja como consumidores, seja como gestores de marcas que decidiram adotar estes sistemas inteligentes (muitas vezes indevidamente chamados de inteligência artificial…!).
Os chatbots são programas de computador projetados para simular conversas humanas. Nalguns casos podem usar IA para entender perguntas dos utilizadores e responder de modo mais sofisticado e contextualizado, eventualmente aprendendo inclusivamente com erros e aprimorando respostas, à medida que as interações se vão sucedendo. Os chatbots podem ser usados em sites, apps de mensagens ou redes sociais para ajudar os utilizadores com diversas tarefas, como responder a perguntas, realizar pedidos e fornecer informações.
Os chatbots podem ser divididos em dois tipos: RB (Rules-based) e LLM (Large Language Models). Os chatbots RB seguem regras predefinidas para responder aos inputs dos utilizadores, enquanto os chatbots LLM usam uma forma mais avançada de inteligência artificial para entender e gerar respostas mais parecidas com as humanas. Podemos dizer que os chatbots RB são como respondedores automáticos que usam um conjunto fixo de respostas baseadas em palavras-chave introduzidas nos inputs que os utilizadores dão no decorrer das suas conversas. Não criam textos novos, mas escolhem a melhor resposta predefinida de um banco de dados. São, por isso, mais limitados, mas também mais confiáveis para interações específicas e previsíveis. Por exemplo, o chatbot da Domino’s Pizza ajuda os clientes a fazer pedidos e acompanhar entregas seguindo scripts predefinidos. Da mesma forma, o chatbot da H&M no Kik oferece recomendações de roupas e dicas de estilo usando uma abordagem baseada em regras. Por outro lado, os chatbots LLM podem entender conversas complexas e fornecer respostas com profundidade, atendendo a algumas nuances, podendo inclusivamente usar humor quando achar apropriado. Esses chatbots começam por procurar interpretar a solicitação do cliente, indo depois a bancos de dados ou sistemas de informações mais amplos para encontrar a melhor resposta, que então traduzem de volta para uma linguagem natural seguindo o estilo de conversa iniciado pelo utilizador. Um bom exemplo deste tipo é a Alexa da Amazon que usa IA avançada para responder a uma ampla variedade de consultas e comandos, oferecendo uma experiência conversacional que parece mais humana. Da mesma forma, a Erica do Bank of America ajuda os clientes com tarefas bancárias, entendendo e processando pedidos complexos.
A experiência dos utilizadores com chatbots RB é mais robótica, muitas vezes limitando-se a escolher entre opções pré-definidas, quase sempre com respostas insuficientes. Por exemplo, o bot do Spotify no Facebook Messenger ajuda os utilizadores a descobrir novas músicas usando respostas predefinidas. Em contraste, os chatbots LLM proporcionam uma experiência mais próxima daquilo que se assemelha a uma conversa com um humano, com interações mais flexíveis e variadas. O Virtual Artist da Sephora não usa apenas IA para dar conselhos de beleza personalizados, como também responde aos inputs dos clientes de uma forma que parece natural e envolvente.
De acordo com uma pesquisa, foi possível aferir, tendo por base quase 110.000 sessões de interacções com chatbots ao longo de pouco mais de um ano, que os chatbots LLM podem ser mais eficientes e mais eficazes do que os chatbots RB porque podem lidar com interações mais rapidamente e entender melhor o que pretendem os utilizadores. Por exemplo, o chatbot da British Airways usa IA para ajudar com reservas de voos e atendimento ao cliente, fornecendo atualizações em tempo real e respostas personalizadas. No entanto, os dois tipos podem operar de forma independente e atender os utilizadores sem intervenção humana. O chatbot da Lyft no Facebook Messenger e o Slack usam regras predefinidas para ajudar eficientemente os potenciais e atuais clientes a pedirem viagens, mostrando como os chatbots RB ainda podem ser altamente funcionais.
Ainda assim, é importante notar que os chatbots não estão isentos de desafios. Num caso muito recente sucedido com a Air Canada, pudemos ver que futuro podem algumas empresas esperar. A Air Canada tornou-se a primeira companhia aérea a ser processada por um cliente devido a informações erradas fornecidas pelo seu chatbot que forneceu informações incorretas ou inadequadas a um passageiro que estava a lidar com questões relacionadas com o falecimento de um familiar. O erro de informação do chatbot exacerbou a situação emocional do passageiro, levando-o a abrir um processo judicial contra a companhia aérea. A companhia tentou justificar que o erro era da responsabilidade do chatbot, mas obviamente não foi essa a determinação judicial e a empresa foi obrigada a pagar a diferença no preço do bilhete de cerca de 700 euros ao passageiro. Este incidente destaca a importância da precisão e confiabilidade nas respostas dos chatbots, independentemente do tipo utilizado.
Em resumo, os chatbots RB são como respondedores automáticos que seguem regras, exemplificados pelo Dom, o chatbot da Domino’s e pelo chatbot da H&M no Kik. Apesar de mais “mecânicos”, são controláveis e podem proporcionar uma boa solução para problemas estandardizados e frequentes. Já os chatbots LLM são mais parecidos com humanos virtuais que podem engajar em conversas reais, como visto com a Alexa da Amazon, cuja utilidade depende da situação e do nível de complexidade necessário na interação. Apesar de ir procurar respostas a fontes mais vastas, são menos controláveis, podendo fornecer respostas que um colaborador humano jamais daria, para o bem e para o mal.
De que não restam dúvidas é que a IA se está a tornar parte integrante de nossas vidas, trazendo tanto promessas quanto receios. Quanto ao receio dos trabalhos de atendimento poderem começar a sofrer quando estes experts systems cavalgam a onda da sofisticação da inteligência, Ethan Mollick (Wharton Business School) escreveu no seu mais recente livro – Co-Intelligence: Living and Working with AI – que o melhor é aprendermos a trabalhar em conjunto com a IA. O autor sugere que devemos entender os seus usos e limitações para aproveitá-la melhor. E embora admita o que já sabemos, isto é, que a IA pode efetivamente automatizar certas tarefas, o papel humano será sempre crucial para supervisionar e garantir resultados precisos. O professor americano aborda ainda de que forma a IA pode melhorar a criatividade e a eficiência no trabalho, sempre sublinhando, porém, que algumas tarefas continuarão sempre a ser melhor executadas por humanos. Contar anedotas ou escrever com estilo pessoal, por exemplo, é um desses casos…!
category-label- 
