Hoe bouw je een bot? Meet Sir Pence

Nu online bankieren de norm is en face-to-face contact met klanten sterk is afgenomen, zoeken banken naar nieuwe manieren om de klant te bedienen, betrekken en beïnvloeden. Deloitte Digital ontwikkelde daarom bij wijze van proef de spaarbot Sir Pence.

Het definiëren van financiële doelen en motiveren van de klant om die te bereiken is één van de manieren waarop banken opnieuw contact maken met hun doelgroep. De grote vraag is natuurlijk in welke vorm je dat het beste kunt doen. Een aantal jonge ontwerpers bij Deloitte Digital heeft als proof of concept een spaarbot met een eigen karakter ontwikkeld. Dit geeft meer eigenheid en verrijkt daarmee de conversatie. Zo werd Sir Pence geboren, een enigszins bekakte butler die de klant helpt om zijn spaardoelen te halen en tips geeft die te maken hebben met het spaardoel.

Sir Pence leert van de reacties van de klant op de conversatie. Wanneer hij/zij bijvoorbeeld beter reageert op boodschappen die ‘s ochtends worden verstuurd, zal de bot daar rekening mee gaan houden. Stort de gebruiker vaak extra geld bij in de spaarpot gemotiveerd door Sir Pence? Dan zullen dit soort coachende berichten vaker terug komen. Ook zou de bot kunnen leren van de voorkeur van de klant voor een bepaalde communicatiestijl. Reageert hij bijvoorbeeld goed op tips van autoriteiten dan worden die vaker gegeven.

Van concept naar proof of technology

Voor ons was het project ook bedoeld om ervaring op te doen met de techniek rond onze chatbot. Op basis van bovenstaand initiële concept hebben we met bestaande componenten een platform gebouwd om de mogelijkheden van de technologie te testen. Er zijn veel opties om een chatbot te bouwen. Met Amelia en Google TensorFlow hebben we al eerder gewerkt. In dit geval hebben onze engineers voor wit.ai gekozen om daar ook ervaring mee op te doen.

Onderstaande screenshot en architectuuroverzicht geven inzicht in de Facebook Messenger chatbot die we gebouwd hebben op basis van de wit.ai language processing en conversation functionaliteiten. We hebben dit platform onder andere gekozen vanwege de beschikbaarheid in het Nederlands. We konden testen met een conversatie in het Nederlands en het verschil tussen Nederlands en Engels onderzoeken. Daarnaast is Facebook de eigenaar van wit.ai en is integratie met Messenger hierdoor efficiënt te realiseren.

Hoe werkt het in de praktijk en welke beperkingen zijn er?

Het wit.ai platform, dat in 2015 onderdeel is geworden van Facebook, is interessant omdat het uitgaat van configuratie op basis van een AI-getraind language processing netwerk en meerdere talen ondersteunt.

In de praktijk bleek dat het configureren en verder ‘inleren’ van de scenario’s met betrekking tot de intentie van de gebruiker en extra parameters zoals het moment van de dag en het spaardoel, vrij vlot te realiseren is. De documentatie is goed.

Naast het extraheren van intentie is het natuurlijk mogelijk om de chatbot te integreren met lerende systemen en andere slimme op artificial intelligence gebaseerde systemen. Zo kun je inspelen op andere gebeurtenissen in het leven van de klant, zoals een gift, reis naar het buitenland of loonsverhoging die hij bijvoorbeeld deelt op social media. De output (een combinatie van de intentie en concrete parameters op basis van de reactie van de gebruiker) van het wit.ai platform is hier goed geschikt voor. Met dit soort systemen kunnen de automatische adviezen richting de klant nog persoonlijker en slimmer worden. Voor dit prototype hebben we deze integraties echter buiten beschouwing gelaten. Bij het doorontwikkelen van de bot gaan we hier wel mee aan de slag.

Omdat wit.ai een generieke oplossing is, moet het systeem alle context eerst leren. Het heeft een beperkte kennis van de echte wereld. Om het beste resultaat te behalen moet het domein van de conversatie zo specifiek mogelijk zijn.

Doordat alle invoer en correcties gedeeld worden door hetzelfde systeem, leert wit.ai van alle applicaties en gebruikers die ermee werken. Dit heeft als voordeel dat het leren van het gehele wit.ai-systeem steeds sneller gaat. Wel is het belangrijk om na te denken over transparantie richting de gebruiker als je zo’n bot besluit uit te rollen. Het systeem weet meer van de gebruiker dan alleen diens spaartransacties, maar ook waar hij voor spaart, welke content hij bekijkt en op welke triggers hij reageert. Een deel van die informatie ligt bij de bank en een deel bij Facebook. Controle over de data wordt dan ook lastiger, aanzien het op de servers van Facebook staat. Je kunt dit ondervangen door bijvoorbeeld zelf het chatdeel te hosten. Dan is het voor externe systemen lastiger om de directe link met een individuele gebruiker te leggen. Over dit alles moet je als bedrijf transparant zijn door de gebruiker inzicht en controle in zijn data te geven.

De eerste experimenten in het Engels zijn erg veelbelovend: met relatief weinig training zijn de resultaten heel acceptabel. Spelfouten en synoniemen zijn niet snel een probleem.

In het Nederlands is dit heel anders. Er is meer training nodig om de basis van het gesprek in het systeem te krijgen, omdat Nederlands op internet minder vaak gebruikt wordt als taal dan Engels. Zelfs na training moeten de vragen ook goed lijken op het getrainde materiaal om de juiste respons te krijgen. Spelfouten zorgen er snel voor dat er geen duidelijke intentie kan worden bepaald. Daarnaast komen nieuwe functionaliteiten van wit.ai zoals het herkennen van specifieke patronen rond tijd, locatie, bedragen, groeten & afscheid, et cetera later beschikbaar in het Nederlands en werken deze door gebrek aan training minder goed.

Het is overigens ook mogelijk om met spraak te werken. Dit is echter nog niet geïntegreerd met Facebook Messenger en ook het genereren van een spraakantwoord is geen onderdeel van het wit.ai-project. Om deze reden hebben we dit onderdeel niet verder getest voor dit prototype.

Naast het ontleden van taal, moet er natuurlijk ook een gesprek gevoerd worden. Hiervoor heeft wit.ai een eenvoudige set mogelijkheden. Voor een simpel scenario binnen een goed getrainde taal werken deze prima. Als het scenario echter iets complexer wordt of de taal wordt niet goed geïnterpreteerd, dan valt dit onderdeel door de mand. Wit.ai heeft daarom ook aangekondigd dat ze niet verder gaan hiermee. Er zijn voldoende diensten die veel volwassener alternatieven bieden. De alternatieven die wit.ai noemt zijn:

–        https://chatfuel.com/ cloud-based variant, die gebaseerd is op configuratie in plaats van coderen;

–        https://botpress.io/ self-hosted, voor developers door developers.

Wat zijn de conclusies en next steps?

Ons prototype toont aan dat het heel goed mogelijk is om in een korte tijd op basis van standaardcomponenten een eenvoudige chatbot op te zetten die zinvolle feedback geeft op de situatie van de klant. De belofte dat je de Nederlandse taal kunt gebruiken binnen wit.ai is deels ingelost, hoewel duidelijk is dat werken in het Engels aanzienlijk eenvoudiger is.

Koppelingen met backend systemen en externe gebeurtenissen kunnen de conversatie persoonlijker maken. Afhankelijk van de specifieke doelstelling en je budget zijn andere uitgebreidere chatbotsystemen zoals bijvoorbeeld Amelia en Google TensorFlow wellicht een beter aansluitende keuze. Daarin zijn de benodigde koppelingen namelijk vaak al aanwezig, terwijl je die bij wit.ai zelf moet programmeren.

Als eerste snelle stap (start small!) is ons prototype echter goed werkbaar. Wij gaan aan de slag om de combinatie van externe gebeurtenissen en de spaardoelen van onze voorbeeldklant te gebruiken bij het verder uitwerken van ons prototype. Dit alles met als doel om de interactie nog rijker te maken.

Uiteraard wordt het echte succes niet bepaald door het concept of de techniek. Gaat de klant gebruikmaken van de functionaliteit en spaart hij zo sneller het geld voor zijn spaardoel bij elkaar? Dat willen we graag de komende tijd testen bij een selecte groep klanten van een financiële instelling, waarvoor we nog een partner zoeken. Wordt vervolgd.

Dit artikel is geschreven door Franklin Heijnen in samenwerking met Michiel de Vries en Matthijs Abma.