Os quatro desafios da implementação de IA generativa no atendimento ao cliente
Quem não se lembra dos desafios lançados para os melhores jogadores de xadrez do mundo: vencer a inteligência artificial? Pela primeira vez, o mundo estava encantado com a capacidade da Inteligência Artificial, que havia acumulado "conhecimento" sobre as melhores técnicas a partir dos movimentos dos grandes mestres do jogo, e que agora eram capazes de vencer o mais hábil desses jogadores.
Era o início da popularização do conhecimento sobre a Inteligência Artificial tradicional, que hoje está presente no dia a dia de muita gente, da sugestão de filme que se recebe no streaming ao atendimento básico recebido por meio do chatbot do banco.
Agora, novamente o mundo se vê perplexo diante da infinidade de possibilidades trazidas pela popularização da IA generativa. Hoje, a máquina não apenas processa dados, mas também cria novos conteúdos a partir de informações já existentes.
Leia Também:
IA Generativa: Sua empresa sabe explorar?
Quem já testou pedir ao ChatGPT para criar um poema ou para o Dall-e criar uma imagem, certamente viu com um misto de encantamento e assombro a capacidade da ferramenta. As aplicações da IA generativa, em todos os setores da economia, passando por agricultura, indústria e serviços, são inúmeras e prometem muita inovação nos próximos anos. De acordo com a Deloitte em seu "TMT Predictions 2024", só em 2024, os investimentos das organizações em IA generativa vão crescer 30%.
A IA generativa promete aumentar a produtividade e a lucratividade das empresas. E tornar ainda mais personalizada a experiência do cliente. Com acesso a uma base de conhecimentos da empresa, o atendimento se tornará mais complexo, mais assertivo, respondendo às necessidades dos clientes com mais rapidez e de uma forma mais humanizada. Isso se torna extremamente importante quando pensamos no volume de atendimentos que grandes empresas B2C precisam realizar diariamente.
Além de aprimorar o atendimento ao cliente, a ferramenta tem potencial para reduzir custos de forma expressiva para as empresas, "encurtando caminhos" para a solução de problemas. Para os usuários internos, a IA generativa já vem sendo utilizada como chatbots e co-pilots, assistentes virtuais capazes de oferecer insights, dicas ou ajudas em tempo real para diferentes profissionais, desde os novos funcionários que precisam de mais orientação até os mais experientes.
Empresas também já utilizam a tecnologia para identificar novas oportunidades de vendas por meio da "microsegmentação", a partir da análise de dados de chamadas de clientes, aumentando expressivamente as taxas de conversão.
Nossa experiência na implementação de projetos, porém, nos mostra os quatro principais desafios das empresas para implementação da IA generativa:
Alto custo
O custo para desenvolvimento e treinamento de modelos de IA generativa podem ser altos para as companhias. Além disso, é importante ter em mente a necessidade de aquisição de infraestrutura computacional e, em alguns casos, pagamento de direitos autorais para utilização de dados de terceiros. Por exemplo, as companhias de telecomunicações (SK Telecom, Deutsche Telekom, e&, Singtel e SoftBank) estão se juntando para criar um LLM (Large Language Model) específico para as necessidades desse segmento. Porém, os profissionais responsáveis por essa implementação precisam ter em mente que existem diversos modelos de IA generativa no mercado, com diferentes preços e/ou open source, que podem ser suficientes para as operações da empresa.
Propriedade Intelectual e Direitos Autorais
Os modelos de IA generativa são treinados com base em informações que estão disponíveis na internet. Por isso, antes de contratar um desses modelos, é necessário analisar com cuidado o contrato do fabricante. Modelos como os fornecidos pela OpenAI (ou Microsoft Azure) e IBM garantem que todos os dados sejam públicos ou que eles possuem o direito de uso dos dados nos seus modelos.
A preocupação com direitos autorais deve ser sempre levada em conta. Além disso, é importante analisar o impacto do uso do resultado da IA no seus negócios, isto é, se existe alguma restrição e de quem é a propriedade intelectual do resultado da IA. Há também a necessidade de revisar regularmente os modelos de IA para identificar e eliminar possíveis vieses preconceituosas, que possam afetar a imparcialidade no atendimento ao cliente.
Privacidade de dados
Para implementar a IA generativa, é necessário reforçar a proteção de privacidade dos dados dos clientes. Em caso de utilização de bancos de dados próprios nos projetos de IA generativa, é importante garantir que os dados de clientes não sejam utilizados, mas caso seja necessário, que os clientes sejam avisados da utilização dos dados. Importante também que esses dados sejam anonimizados, ou seja, será necessário subtrair deles informações de identificação do cliente que não possuem ligação com o propósito do atendimento.
Medidas de criptografia são fundamentais durante a transmissão e armazenamento desses dados. Além disso, é necessário restringir acessos e realizar o monitoramento contínuo da segurança. Por fim, ao usar serviços Cloud, garantir que os provedores dos serviços não armazene nem utilize os dados para treinamentos futuros.
Desafios de implementação
É muito importante que as empresas coloquem "travas" no modelo de IA generativa, evitando as chamadas "alucinações" da ferramenta. Algumas vezes, os modelos interpretam as entradas (prompts) de maneiras inesperadas, criando conteúdos enganosos ou inadequados. Garanta que a sua aplicação não responda, caso ela não encontre uma resposta satisfatória.
Uma forma de evitar esses "bugs", é treinar o modelo para responder algo como "não sou capaz de responder essa pergunta", quando perguntado sobre fatos que ele ainda não aprendeu ou quando for algum assunto alheio à funcionalidade que a empresa estabeleceu.
Além do treinamento eficaz do modelo de IA, da transparência e a integração correta com demais sistemas da empresa, é necessário ter sempre em mente a experiência do cliente. Os modelos de IA generativa aplicados ao atendimento, garantem mais assertividade e personalização, mas ainda precisam do olhar humanizado dos responsáveis por conduzir essas funcionalidades.
A agilidade e assertividade dos modelos de IA, acompanhadas de um olhar humanizado por parte dos seus "treinadores", podem trazer ganhos exponenciais para a satisfação do cliente que terá seus problemas rapidamente solucionados.
Gilson Missawa
Head of Offering and Product Management & Marketing
Matéria Publicada:
Portal TI Inside
11.06.2024