Modelar o Chatbot

O que Significa

Coletar, organizar, documentar e classificar conteúdo de informações para criar uma estrutura lógica de como o chatbot irá interagir com os usuários em diferentes situações.

Na Prática

• Planejar as possíveis perguntas, respostas e caminhos de diálogo que os usuários podem seguir durante uma interação com o chatbot.

• Definir a estratégia de modelagem que irá atender o propósito da chatbot quanto a sua interação com os usuários. Pode ser baseada em diálogos, IA Generativa ou modelo híbrido.

• Definir as linhas temáticas.

  Classificar o conhecimento do chatbot em linhas temáticas ou bases de conhecimento.

  Para chatbots baseados em dialogos, um tema possui vários assuntos, um assunto várias intenções.

  Para chatbot baseados em Ia Generativa, as bases de conhecimento são enriquecidas com fontes de dados sobre o tema em questão.

• Desenhar os fluxos conversacionais.

  Para chatbot baseados em diálogos, representar visualmente a estrutura conversacional para organizar o conhecimento.

  Para chatbos baseados em IA Generativa, classificar e organizar as fontes de dados em bases de conhecimento que serão consumidas na geração das respostas sobre o assunto de interesse.

• Detalhar os fluxos conversacionais.

  Em chatbots baseados em diálogos, detalhar textualmente o fluxo conversacional em termos de intenções, menu de opções e diálogos e, prever as possíveis perguntas treino que poderão ser exploradas pelos futuros usuários do Chatbot.

  A informação pode ser documentada em uma planilha de design conversacional ou em alguma ferramenta de modelagem de fluxo que a equipe de desenvolvimento julgar adequada.

  Em chatbots baseados em Ia generativa, verificar se o conteúdo das fontes de dados é suficiente para gerar as respostas.

• Caso o Chatbot realize interações que envolvam o tratamento de dados pessoais, deve-se envolver o Gestor de Dados LGPD.

Dica do Especialista

• É recomendável que o chatbot utilize primeiro a abordagem de dialogos para fornecer respostas formatadas para as principais perguntas e só então, utilizar a IA Generativa, para ampliar capacidade do chatbot com respostas dinâmicas.

Pensando na Experiência do Usuário

• Elaborar diálogos de amostra

  Principais fluxos ou diálogos entre o usuário e a interface podem ser escritos num documento de texto ou num fluxograma.

  Exemplos de fluxos para diálogos de amostra:

  Boas-vindas e onboarding

  Caminho feliz

  Principais intenções

  Fluxo de saída

  Fluxo de ajuda

  Depois de escrever os diálogos principais, pense também nas confirmações e tratamento de erros.

  Garantir que o usuário se sinta compreendido é importante para a experiência. Isso também significa informar ao usuário quando ele não foi compreendido.

  Por exemplo:

  "Opa, desculpe, não entendi. Vamos tentar de novo..."

Entregáveis

• Para chatbots baseados em diálogos: Planilha de Design Conversacional.

  Tema [aba]

  Assunto	Intenção	Pergunta	Resposta	Entidade	Menu de Opções

• Diagrama com a modelagem dos fluxos conversacionais de forma compreensível.

Um Pouco de Teoria

• Os fluxos conversacionais são modelados a partir de diálogos, ou seja, um fluxo de conversa com ramificações que definem como o chatbot responde quando ele reconhece as intenções e as entidades.

• Um diálogo expressa o fluxo de sua conversa na forma de uma árvore lógica. Ele correlaciona as intenções (o que os usuários dizem) e as respostas (o que o robô diz de volta). Cada nó da árvore tem uma condição que o aciona, com base na entrada do usuário.

• Intenção: ação que o usuário deseja executar. Ao reconhecer a intenção, o fluxo de diálogo correto para responder a isso é escolhido pelo Chatbot.

  As intenções do tipo “regras de negócio” responderão por questões de orientações, processos, procedimentos e dúvidas, ou seja, perguntas da dimensão “como?”.

  Por exemplo:

  Como usar?

  Como fazer?

  Como atuar/proceder?

  Como conseguir?

  Como achar/encontrar?

  etc.

• Entidade: As entidades são usadas para identificar partes de interesse na mensagem do usuário, como nomes e datas.

  Podem ser dos tipos:

  • Sinônimo: evita utilizar muitos exemplos de treinamento para a intenção.

    Exemplo:

    @cores

    amarelo, azul, vermelho e sinônimos: amarelado, anil, carmim

  • Padrão: reconhece expressões regulares.

    Exemplo:

    @celular

    9(\d{4})-?(\d{4}) → “99999-9999”

  • De sistema: previamente definidas pelos motores conversacionais.

    Exemplos:

    @sys-currency (valores monetários)

    _ @sys-time (menções de tempo)_

    Mais detalhes na documentação do Watson Assistant sobre entidades de sistema.

  • De contexto: captura e salva a entrada em uma variável para uso posterior.

    Exemplos:

    Campos de login, preencher formulários, etc.

    Mais detalhes na documentação do Watson Assistant sobre métodos de linguagem de expressão.

• Menu de Opções: guia o usuário direto para diálogos disponíveis, de forma a facilitar a interação com o Chatbot.