> ## Content Index > Fetch the complete content index at: https://admin.kod.ru/llms.txt > Use this file to discover other available public pages before exploring further. # Актуально о чат-ботах - URL: https://admin.kod.ru/aktualno-o-chat-botah-mts/ - Published: 2024-06-07T08:50:15.000Z - Updated: 2024-06-07T08:52:05.000Z - Description: Рассказываем про технологии создания ИИ-помощников, потребности бизнеса и ожидания пользователей. - Author: МТС - Tags: Блоги Вы вряд ли удивитесь, если мы скажем, что рынок разговорного ИИ стремительно развивается. Его объём [достиг](https://brandessenceresearch.com/technology-and-media/conversational-ai-market-size?ref=admin.kod.ru) $8,2 млрд к 2023 году, а к 2028-му может вырасти до $32,5 млрд. Сегодняшний российский рынок [оценивается](https://www.vedomosti.ru/technologies/new%5Ftechnologies/articles/2023/11/13/1005245-golosa-zovut?ref=admin.kod.ru) в десятки миллионов долларов. MTS AI тоже участвует в развитии технологий: компания уже реализовала десятки ботов для организаций из разных сфер. Руководители проектов лингвистической разработки MTS AI Наталья Степанова и Елена Деликанова знают всё про технологии создания ИИ-помощников, потребности бизнеса и ожидания пользователей — и делятся этой информацией. ### Что нужно бизнесу В первую очередь клиент должен определиться с числом сценариев для бота, требованиями к его текущей производительности и потребностью в будущем масштабировании. Одним компаниям нужно автоматизировать всего один сценарий обслуживания их клиентов, а другим — сразу десятки. - Чат-боты могут решать узкопрофильные задачи. Например, выдавать информацию о смене тарифа или состоянии баланса. Они ведут диалог в одной области и называются тематически ограниченными (closed domain). - Диалоговые системы общего назначения (open domain) очевидно требуют гораздо больших затрат. Они не ограничиваются одной тематикой и имеют широкий набор навыков. Многим компаниям важна масштабируемость ИИ-помощника: они планируют активно расти, а вместе с ними должен эволюционировать расти и виртуальный ассистент. Именно так было с клиентским чат-ботом для МТС. Когда-то он отвечал только на вопросы о тарифах связи, а сегодня может рассказать и про домашний интернет, музыкальный сервис, онлайн-кинотеатр и наши премиум-услуги. Небольшие проекты при этом не теряют актуальность: мы разработали HR-бот с информацией о командировках, больничных и отпусках для одного из клиентов и бота, собирающего заявки на поставку вычислительной инфраструктуры, — для другого. ### Что нужно пользователям Сегодня пользователей не интересуют боты, которые предлагают нажать кнопку и оказаться в определённом пункте меню. Люди не хотят запоминать номера команд и предпочитают общение на привычном языке. При этом они чаще разговаривают по существу: мало кто спрашивает ботов клиник или банков о музыкальных вкусах или погоде. И организациям просто нет смысла тратить на это ресурсы. На чём точно не стоит экономить, так это на качестве распознавания запросов пользователя (интентов). Бот, который не понимает, о чём идёт речь, не просто раздражает, но и снижает лояльность к бренду. У каждой компании — своё число смысловых нюансов для виртуального помощника. Кому-то будет достаточно, если бот поймёт, что пользователь спрашивает про тарифы. Кому-то нужно понимание того, что именно клиент хочет узнать о тарифах. А кому-то нужно считывать разницу между запросами «сменить тариф» (перейти на другой) и «изменить тариф» (настроить текущий). Важно и понимание контекста разговора, в том числе умение учитывать все предыдущие реплики. Представим себе такой диалог: — Я хочу узнать, почему телефон заблокирован. — На вашем номере отсутствует блокировка. — Да не у меня, а у мамы. Здесь ИИ-помощник должен понять, что последняя фраза относится к начальному интенту и не является самостоятельным запросом. ### Актуальные технологии создания ботов Основных технологий три: - правила - машинное обучение - генеративный ИИ Но есть и гибриды, совмещающие в себе правила и ML-модели. **Rule-based-боты** У чат-ботов, созданных с помощью правил, сценарии определяются прописанной логикой и деревом решений. Они анализируют запрос и отвечают по логике сценария или просто выбирают нужную из базы фраз. **+** Полный контроль над логикой и быстрые доработки. **–** Боты не ответят на вопросы, которые не входят в скрипты или содержат нестандартную лексику. Они не знают, что делать, если «интернет моросит». **Боты на базе ML** Обучаются на больших наборах данных: расшифровках разговоров, переписках с клиентами и т. д. Такие помощники анализируют вопросы клиентов и подбирают ответы, схожие с предыдущими запросами. **+** Позволяют работать с большим количеством сценариев. **–** Требуют качественной разметки данных, валидации и тестирования моделей. Иначе возможно нелогичное поведение и даже ошибки. **Гибриды** Объединяют в себе правила и машинное обучение. Такие боты используют модель для определения потребности пользователя и правила для уточнения его запроса и предсказуемого движения по сценарию. **+** Гибкость. **–** Сложный контроль за моделью и большие вычислительные ресурсы. Обычно одних ML-ботов недостаточно — в них всё равно нужно добавлять правила. Например, если у компании действует временная скидка, проще написать правило, чем дообучить ML-модель. **Боты с генеративным ИИ** Эта популярная технология включает в себя большие языковые модели (LLM). Они помогают создавать тексты на естественном языке — например, те же ответы на вопросы. Чат-боты на основе таких моделей могут поддерживать разговор почти на любую тему! Чтобы LLM работала на специализированных сценариях заказчика, её нужно дообучать или использовать совместно с базой знаний. **+** Лучше всех понимают естественный язык. **–** Требуют мощную вычислительную инфраструктуру. **Что же выбрать** Как мы уже говорили, при выборе той или иной технологии нужно учитывать потребности конкретного бизнеса. Нет смысла создавать бот на генеративном ИИ, который автоматизирует всего три сценария обслуживания. С этим эффективно справится простой бот на правилах.