Os chatbots são softwares que simulam a fala humana e são capazer de bater papo com usuários no Facebook, Telegram e WhatsApp, por exemplo. Eles ganharam popularidade nos últimos anos e têm sido usados por várias empresas para atender clientes, dar informações sobre serviços, vender produtos, entregar conteúdo, entre outras funções. Essas ferramentas usam inteligência artificial e estão cada vez mais aperfeiçoadas. Ou seja, você não sabe, mas provavelmente já conversou com um robô.
O iFood Guru ajuda a pedir pizza, a Clara é uma mentora virtual de empreendedorismo e a Beta divulga informações sobre a luta pela igualdade de gênero. Em inglês, o Marriott International é um robô que faz reservas de hotéis, o MedWhat ajuda com diagnósticos médicos e o WTF is That? descreve os elementos da imagem a ser enviada.
Chatbots também operam dentro do Facebook Messenger (Foto: Gabrielle Lancellotti/TechTudo)
Os chatbots operam por diversos canais como a web, aplicativos próprios e plataformas de troca de mensagens, por exemplo, o Facebook Messenger e o Telegram. A tecnologia funciona sem uma interface complexa, criada para que o usuário insira e receba dados específicos. Assim como qualquer aplicativo, os chatbots precisam descobrir os desejos do usuário e como entregá-los. A linguagem humana, porém, é confusa e imprecisa. Essa é a responsabilidade do machine learning - ou aprendizado de máquina - e do processamento de linguagem natural (NLP, na sigla em inglês), a mesma técnica presente na base dos sistemas de reconhecimento de voz de assistentes virtuais como a Siri,
Machine Learning é a prática de usar algoritmos para coletar dados, aprender com eles e tomar decisões a partir disso, com a automatização do processo de análise. No caso dos chatbots, o software é treinado para traduzir as informações dadas pelo usuário para um valor de saída desejado. Esses dados de entrada são analisados pelo bot, a fim de formar um contexto para identificar os elementos relevantes para reagir. A máquina pode descobrir sozinha novos padrões nos dados, extrair e salvar. Assim acontece o aprendizado.
O mecanismo NLP (Neuro-Linguistic Programming ou Programação Neuro-linguística, em tradução livre), que pode usar machine learning, é composto por múltiplas bibliotecas com capacidades diversas. A função é compreender e imitar os padrões da fala, com a simulação do tom humano, o que permite interações mais íntimas. Ao receber uma fala do usuário, o NLP identifica e extrai entidades, as partes mais importantes da informação. Para isso, são usadas tarefas de processamento de linguagem natural como a tokenização, o reconhecimento de entidade nomeada e a normalização.
Já a tokenização consiste em separar as palavras de uma frase, remover a pontuação, enquanto o reconhecimento de entidade nomeada busca por palavras em categorias predefinidas, como nomes e endereços. Já a biblioteca normalizadora consegue identificar erros de ortografia, abreviações e outras variações da escrita. Esse é o básico do NLP, mas se o objetivo for um chatbot mais complexo, serão necessários recursos adicionais capazes de entender a relação entre as palavras, estabelecer contexto e intenção.
iFood Guru é um exemplo de chatbot que ajuda a escolher uma pizza pelo Facebook Messenger (Foto: Reprodução/Facebook)
Por exemplo, há uma biblioteca chamada etiquetagem de partes da fala, que diferencia em uma frase os pronomes, verbos, adjetivos etc. A análise de dependência, por sua vez, identifica expressões, sujeito e objeto. Tarefas mais exigentes do processamento de linguagem natural incluem a análise de sentimento, na qual o chatbot pode reconhecer o estado emocional ou a atitude do usuário, como quando ele fica frustrado com um atendimento.
Para responder o indivíduo, são desenvolvidos loops de feedback que atendam à comunicação necessária. Alguns chatbots, por exemplo, fazem perguntas como “Você quis dizer a, b ou c?”, restringem a dúvida a algumas opções e ajudam na compreensão das vontades do usuário e como atender a elas. Além disso, as escolhas feitas são guardadas e usadas para continuar o treinamento do bot e aumentar sua eficiência.
O futuro dos chatbots
Apesar das possibilidades, os chatbots ainda têm um longo caminho pela frente. O Facebook, que há anos investe no desenvolvimento dessa tecnologia, anunciou em janeiro estar com foco em melhorar as habilidades de conversação dos robôs. A empresa indicou em um relatório alguns pontos-chave a serem aperfeiçoados. Entre eles, a consistência da personalidade, pois, normalmente eles não conseguem se lembrar do histórico do diálogo, e a reação quando não conhecem a resposta, que costumam ser programadas e limitadas.
Muitos chatbots modernos são treinados com diálogos de filmes. Mesmo os melhores roteiros não são conversas reais e naturais, portanto, os resultados dessa prática são, por vezes, estranhos. Para resolver, os engenheiros do Facebook fizeram seus próprios bancos de dados para treinar a inteligência artificial das máquinas. O arquivo tem mais de 160 mil falas e cada um dos chatbots usados recebeu uma pequena biografia, na tentativa de criar personalidades consistentes.
Chatbot criado pelo Facebook e pela Unicef alertam adolescentes sobre segurança online (Foto: Reprodução/Bruno Soares)
A companhia de Mark Zuckerberg não é a única a apostar nos chatbots. Especialistas da área têm previsões otimistas para a tecnologia. Em declarações à Forbes, afirmam que 2018 será um ponto de virada. Segundo os CEOs e fundadores de startups de tecnologias consultados, as empresas vão começar a enxergar o potencial de conversas automatizadas em grande escala e a tendência é o crescimento dos bots de bate-papo como instrumentos de comunicação com clientes, não apenas para suporte, mas também vendas. Alguns falam também em monetização, integração com plataformas de terceiros e interações offline. Todos concordam que os chatbots não substituem humanos, mas têm potencial para inovação.
A primeira plataforma que conecta o proprietário à imobiliária e/ou corretor de imóveis com o foco em potencializar as vendas e torná-las mais seguras maximizando o tempo do corretor.
