Legacy-Systeme sind ein Hindernis für Chatbot-Entwicklung

Die Entwicklung eines Chatbots steht auf der To-Do-Liste vieler digitaler Organisationen. Doch das ist keine leichte Aufgabe, sagt Lauren Kunze, CEO von Pandorabots, einer Plattform für den Aufbau und die Bereitstellung von Chatbots.

Zu viele unorganisierte oder unstrukturierte Daten, zu wenig Daten oder Legacy-Systeme können Unternehmen daran hindern, ihre Chatbot-Strategie zu verwirklichen, erläutert Kunze im Video-Interview. Darin beschreibt sie die Herausforderungen, die mit der Entwicklung eines Chatbot verbunden sind und erklärt, warum der Mensch immer noch Teil des Technologieprozesses ist.

Was sind die größten Hindernisse, die IT-Führungskräfte überwinden müssen, wenn sie einen Chatbot entwickeln?

Lauren Kunze: Es gibt viele verschiedene Fälle und es hängt von der Branche ab. Manchmal hat ein Unternehmen überhaupt keine Daten, und dann ist es mehr ein kreatives Projekt; oder es versucht abzuschätzen, wie Benutzer mit dem Service interagieren – und die meiste Zeit wird es dabei schlecht schätzen. Es ist wichtig, dass die Entwicklungszyklen ein bis drei Monate dauern, und dann packt man den Bot zur Seite, sammelt Daten darüber, wie die Leute tatsächlich mit dem System interagieren und bewegt sich von dort weiter.

Auf der anderen Seite haben wir Unternehmen, die zu viele Daten haben – sie ertrinken in Daten, und sie wissen nicht, wie man diesen einen Sinn verleiht. Und [diese Daten] kommen aus allen verschiedenen Bereichen und Kanälen. Sie haben Foren, Live-Chats, E-Mail, Call-Center-Protokolle und würden sich freuen, diese Daten zu nutzen, insbesondere in einem Fall, bei dem es sich um einen FAQ-Kundendienst handelt.

Und es gibt ein großes Missverständnis in der Industrie – obgleich ich denke, dass die Leute in zunehmendem Maße sich hierbei weiterbilden –, dass, wenn wir alle diese Daten haben, wir sie einfach in einen Mixer packen und eine Machine-Learning-Knopf drücken und es einen tadellos gesprächigen Chatbot ausspuckt. Das ist nicht der Fall. Die Daten müssen vorverarbeitet und markiert werden, um nützlich zu sein. Selbst dann können Machine-Learning-Techniken nur einen Teil des Weges dorthin leisten. Man braucht immer noch Menschen in dem Prozess, um den Chatbot zu trainieren oder wenn der Chatbot in einem Kundenservicefall ausfällt.

Die andere große Hürde bei der Entwicklung eines Chatbot ist die bestehende Infrastruktur beziehungsweise Legacy-Systeme. Ein Referent sprach heute darüber [Anm. auf dem Event Chatbots & Virtual Assistants for the Enterprise], dass sich einige ihrer Dokumentationen auf Mikrofiche befinden und ihre Entwickler nicht wissen, wie man diese aktualisiert. Ein anderes Beispiel könnte die Vorbestellung in einem Restaurant sein. Es erscheint als ein großer Anwendungsfall für ein Fast-Food-Restaurant, um den Menschen zu ermöglichen, im Voraus zu bestellen und die Warteschlange zu überspringen. Aber in einigen Fällen haben Unternehmen einfach nicht die Infrastruktur, um eine solche Dienstleistung zu unterstützen und auszuführen. Oder sie haben eine, doch dieses ist veraltet. Das ist eine weitere Herausforderung: Wie bekommen wir die Daten, die wir haben, in ein Format, das wir einsetzen können?

In zwei weiteren Videos spricht Lauren Kunze über den Geschäftsnutzern von Chatbot-Daten und darüber, was man beim Datenschutz im Zusammenhang mit Chatbots beachten muss.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Alle Videos ansehen

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close