Conversational AI in het contactcenter: dit is het 6-stappen-plan
Aan de slag met Conversational AI in het contactcenter? Dat brengt vele nieuwe uitdagingen met zich mee. De DDMA Commissie Conversational AI schreef hiervoor de whitepaper ‘Hoe pas je Conversational AI toe binnen je contactcenter?’ Dit zijn de zes belangrijkste stappen die je als contactcenter moet doorlopen en de functies die daarbij komen kijken.
Conversational AI: nieuwe rollen
DDMA: ‘Een Conversational AI-team omvat doorgaans diverse functies die in samenwerking werken aan de ontwikkeling van chatbots, spraakgestuurde assistenten en andere vormen van Conversational AI.’ Hieronder de verschillende functies die vaak in zo’n team voorkomen:
- Projectmanager
- Conversational Designer
- Conversational Copywriter
- UX Designer
- Backend en Frontend Developer
- Data Engineer
- Data Scientist
- Tester
- Product Owner
Proces in 6 stappen
Met de eerder beschreven rollen en expertise binnen je team heb je alle benodigdheden om een Conversational AI-oplossing te ontwikkelen, aldus de whitepaper. Daarna is het essentieel om zorgvuldig te plannen wanneer je welke rol in elke fase van het bouwproces betrekt. Het ontwikkelen van een Conversational AI-toepassing omvat de volgende zes stappen:
- Projectplanning: Het projectteam begint met het plannen van het project en het definiëren van de doelstellingen en eisen van de klant. De projectmanager beheert het project en prioriteert op basis van klantbehoeften. Het team werkt nauw samen met de klant om de juiste aanpak te bepalen.
- Ontwerp: De conversational designer is verantwoordelijk voor het ontwerpen van de conversatie-ervaring en creëert de dialogen en scenario’s voor de chatbot of spraakgestuurde assistent. De conversational copywriter schrijft berichten en inhoudelijke teksten op basis van het ontwerp die de chatbot of spraakgestuurde assistent aan de gebruiker zal sturen. Dit vakgebied zal aanzienlijk veranderen met de opkomst van Large Language Models (LLMs). LLMs zullen een cruciale rol spelen in het ontwerpen van dialogen, waardoor “prompt engineering” en kwaliteitsborging belangrijke aspecten van deze stap worden.
- Ontwikkeling: De backend developer bouwt de server-side functionaliteit van de chatbot of spraakgestuurde assistent en zorgt ervoor dat deze kan communiceren met de benodigde gegevensbronnen en API’s. De frontend developer bouwt de client-side functionaliteit van de chatbot of spraakgestuurde assistent en zorgt ervoor dat deze goed werkt op verschillende apparaten en platforms. Uiteraard is samenwerking met de juiste partners vereist.
- Testfase: De AI-trainer en de UX-tester zijn verantwoordelijk voor het testen van de chatbot of spraakgestuurde assistent om ervoor te zorgen dat deze correct werkt en vrij is van fouten. Ze werken samen met de ontwikkelaars om bugs en problemen op te lossen.
- Gegevensverzameling en -analyse: De data engineer bouwt en onderhoudt de data-infrastructuur die de chatbot of spraakgestuurde assistent gebruikt, en zorgt ervoor dat gegevens veilig en efficiënt kunnen worden opgeslagen en opgehaald. De data scientist verzamelt, analyseert en interpreteert de gegevens gegenereerd door de chatbot of spraakgestuurde assistent, en gebruikt deze gegevens om de AI-modellen te verbeteren en de gebruikerservaring te optimaliseren.
- Optimalisatie: Het team werkt gezamenlijk aan het optimaliseren van de chatbot of spraakgestuurde assistent op basis van verzamelde gegevens. De product owner is verantwoordelijk voor de backlog, prioritering, capaciteitsplanning van het team en afstemming met stakeholders.