得益于 OpenAI 推出的 ChatGPT 的功能，人工智能的可能应用最近成倍增加. 数据世界的玩家热情欢迎对话式AI的普及, 首次出现于 2018 年，随着 Google Duplex 的推出, 安妮-劳尔·布隆多解释道, 高级总监客户成功, 南欧, 在Yext, 在线营销和搜索领域的领导者之一.
这种现象并不新鲜，多年来人工智能在我们的生活中占据着越来越重要的地位。. 简单地, 公众一般不会直接观察到这些变化. 的确, 人工智能和机器学习的大部分好处只发生在幕后. 今天, 生成式人工智能的兴起比以往任何时候都更能激发每个人的想象力，对话式人工智能开辟了新的视野. 所以, 近几个月, 很多人都尝试过OpenAI的ChatGPT界面. 从为瑞恩·雷诺兹写论文到写广告, 该平台经过各个角度的测试并引起了许多反响. 这没什么奇怪的. 但无论它激发了奇妙的神话还是可怕的故事, 这种与人工智能的关系始终有一个共同点 : 拉对话. 语言是人类DNA的一部分. 从七个月大到生命终结, 人类说话. 如果我们的对话者不再只是人类怎么办？ ? 正是人工智能的这一方面让人如此兴奋. 后果是巨大的.
利阿 : 它的潜力和局限性
所有数字体验都可以通过对话式人工智能来改变或增强. 然而, 使用对话式人工智能设计相关的数字体验是一个充满陷阱的旅程. 真正融入每一种数字体验, 对话式人工智能必须超越简单的测试, 企业现在必须计划如何最大限度地提高客户旅程的成果. 人工智能如何创建相关对话 ? 企业如何利用 ? 对话式人工智能的价值取决于它所拥有的知识, 与所有机器学习应用程序一样. 伊西, 源信息质量差可能导致所提供的答复质量差. 任何不正确的数据, 流程中不完整或过时的输入只会在链条末端产生扭曲的结果. 在很多方面, ChatGPT 和其他大型语言模型实验的早期结果表明，这些模型提供的结果奇怪地反映了查询本身或构建模型的数据.
四类问题
这就是为什么企业应该退一步. 最重要的是，您不应将对话式 AI 界面视为回答员工或客户提出的所有问题的唯一解决方案。. 常见对话或搜索中提出了两组问题. 第一组由提及或不提及品牌的应用程序组成, 和第二个, 客观或主观询问. 当我们将它们结合起来时, 这两个群体产生了四个不同的类别 : 不提及品牌的主观问题, 不提及品牌的客观问题, 提及品牌的主观问题和提及品牌的客观问题. 通过将不同类型的问题分为这四类, 企业可以快速识别由人工智能驱动的相关对话所提供的机会，同时限制潜在的失误.
对话式人工智能在客观性方面表现出色
前三个类别在广泛搜索或人们搜索评论或评级时是否常见, 最后一类 (提及品牌的客观问题) 对话式 AI 的优势所在. 对话式人工智能仅限于主观问题和对话, 尤其是当人们询问如何以及为何对特定主题表达特定观点时. 而且, 大多数企业依赖第三方评论网站来解决主观问题. 反过来, 提及品牌的客观问题为企业提供了最大限度发挥对话式人工智能影响力的最佳机会. 这些问题有助于实现最佳的客户体验, 但也需要对数据采取不同的方法. 准确可靠地响应所需的数据必须从业务的不同部分收集并存储，以便对话式人工智能可以轻松访问最新信息.
对话式人工智能与数据融合的影响
收集和组织信息, 品牌可以使用内容管理器 (知识图谱) 为 Google 等数百个平台提供支持, 必应, Siri 和 Alexa – 这些平台本身已经基于人工智能. 同样的方法可以允许 Chat-GTP 等对话式人工智能系统访问相同的数据来回答提及这些相同品牌的客观问题.
开始AI对话
最佳对话式人工智能技术之战才刚刚开始.
谷歌, 必应, 亚马逊甚至 Netflix 明天都可能将对话界面集成到他们的平台中. 那就是说, 人工智能伦理和数据完整性问题将成为对话式人工智能的主要问题. 想要利用对话式人工智能来改善客户体验的公司现在必须问自己数据管理和组织的问题，以便符合保护私人数据方面的期望。. 借助对话式人工智能, 品牌将有机会直接与消费者或合作者互动，而不是通过搜索引擎等第三方平台. 然后，交互将变得更加直接，并将由与对话式人工智能界面相关的他们自己的数据提供支持。.
为人工智能系统提供动力
首先查看提及品牌的客观问题, 企业必须制定一项战略，将相关数据集中并组织到一个旨在为人工智能系统提供动力的平台中, 同时保持对每个响应的确切来源的人类控制和监督. 得益于这种方法, 企业将能够为这种新的用户体验做好准备, 通过为每个客户对话提供正确的答案.
