对话式 AI 将自然语言处理 (NLP) 与机器学习相结合。这些 NLP 流程与机器学习流程融合成持续的反馈循环，从而能够不断改进 AI 算法。
对话式 AI 依靠其主要组成部分，能够以自然的方式处理、理解和生成回复。
机器学习 (ML) 是人工智能的一个子领域，由一系列算法、功能和数据集组成，这些要素可以利用经验持续进行自我优化。随着输入的信息越来越多，AI 平台机器可以越来越好地识别各种模式，并通过这种识别来进行预测。
自然语言处理是目前用于对话式 AI，借助机器学习技术进行语言分析的方法。在机器学习出现之前，语言处理方法经历了从语言学到计算语言学，再到统计自然语言处理的演变。在未来，深度学习将推动对话式 AI 的自然语言处理功能取得进一步发展。
NLP 包括四个步骤：输入生成、输入分析、输出生成和强化学习。将非结构化数据转换为计算机可读取的格式，然后进行分析以生成恰当的回复。在学习过程中，底层机器学习算法能够随时间推移而提高回复质量。这四个 NLP 步骤可进一步细分如下：
对话式 AI 首先要考虑您的潜在用户可能希望如何与您的产品互动，以及他们可能会提出哪些主要问题。然后，您可以使用对话式 AI 工具帮助潜在用户找到相关信息。在本节中，我们将介绍如何着手规划和创建对话式 AI。
常见问题解答是对话式 AI 开发流程的基础。它们可以帮助您明确最终用户的主要需求和关注点，从而可以在一定程度上减少支持团队需要处理的呼叫量。如果您的产品没有可用的常见问题解答列表，请与客户成功团队一起确定对话式 AI 可协助处理的恰当问题列表。
例如，假设贵司是一家银行，那么起始常见问题解答列表可能是这样的：
随着时间的推移，您可以随时向该列表追加更多问题，因此不妨一小部分问题着手，开始设计对话式 AI 的开发流程原型。
您的常见问题解答构成了用户输入中表达的目标或意图（例如访问帐户）的基础。您概述了自己的目标之后，就可以将其作为意图插入到有竞争力的对话式 AI 工具（比如 watsonx Assistant 中。
接下来，您需要教导您的对话式 AI，使其了解将用户可能会使用的措辞方式或是要求提供此类信息的方式。如果以“如何访问我的帐户”为例，您可能会想到用户在与客户支持代表聊天时可能使用的其他措辞，例如“如何登录”、“如何重置密码”、“注册帐户”等。
如果您不确定客户可能会使用的其他措辞都有哪些，那么您可能需要与分析和支持团队合作。如果您的聊天机器人分析工具已进行相应设置，分析团队就可以挖掘 Web 数据，并对网站搜索数据中的其他查询进行调查。或者，他们也可以分析来自网络聊天对话和客户服务中心的转录文本数据。如果分析团队不具备进行此类分析的能力，那么支持团队也可以针对客户提出问题时常用的措辞方式，提供富有价值的洞察分析。
想一想与您的意图紧密相关的名词或实体。在此示例中，我们重点关注用户的银行账户。因此，创建与银行账户信息紧密相关的实体是明智的做法。
很多值可能都属于此类信息，例如“用户名”、“密码”、“账号”等。
要了解与特定用户意图紧密相关的实体，您可以使用通过工具或支持团队收集的相同信息来制定目标或意图。这些名词将位于主要诉求之前或之后。
所有这些要素协同配合，创建与最终用户的对话。这些意图让机器能够破译用户要求提供的信息，而实体可以作为一种提供相关回复的方式。例如，您可能会设想，对话式 AI 与忘记密码的用户之间的对话展开如下：
目标和名词（IBM 喜欢称其为意图和实体）相互配合，一起用于根据用户需求构建合乎逻辑的对话流。如果您已准备好开始构建自己的对话式 AI，可以免费试用 IBM 的 watsonx Assistant Lite 版本。
当人们想到对话式人工智能时，往往会想到将在线聊天机器人和语音助手应用于客户支持服务和全渠道部署。大多数对话式 AI 应用程序都在后端程序中内置了丰富的分析功能，有助于确保类似真人的对话体验。
专家认为，对话式 AI 目前的应用属于弱 AI，因为它们专注于非常狭窄的任务领域。强 AI 仍是一个理论概念，重点是具备类似真人的意识，可以完成各种任务并解决多种问题。
尽管关注范围狭窄，但对话式 AI 对企业来说是一项十分有利可图的技术，可以帮助企业提高利润。虽然 AI 聊天机器人是对话式 AI 中最受欢迎的形式，但整个企业中还有许多其他的用例，其中部分示例包括：
虽然大多数 AI 聊天机器人和应用程序目前只具备基础的问题解决技能，但它们可以减少重复性客户支持互动所花费的时间并提高成本效益，从而腾出人力资源来重点关注参与度更高的客户互动。总体而言，对话式 AI 应用程序能够很好地复制真人对话体验，从而提高客户满意度。
对话式 AI 对于许多业务流程而言都是具有成本效益的解决方案。以下举例说明了使用对话式 AI 的优点。
随着移动设备进入消费者的日常生活，企业需要做好向最终用户提供实时信息的准备。由于对话式 AI 工具比真人员工更容易访问，因此客户可以更快捷、更频繁地与品牌互动。这种即时支持让客户能够避免在客户服务中心长时间等待，从而改善整体客户体验。随着客户满意度的提高，其对企业的影响力将会体现在客户忠诚度的提升和客户推荐收入的增加上。
对话式 AI 中的个性化功能还让聊天机器人能够向最终用户提供建议，从而让企业能够交叉销售客户最初可能并未考虑到的产品。
对话式 AI 还具有很强的可扩展性，因为与招聘和新员工入职流程相比，增加基础设施来支持对话式 AI 更便宜、更快捷。当产品扩展到新的地域市场或意外出现短期需求高峰期（例如在假日季）时，这一点尤其有用。
对话式 AI 仍处于起步阶段，近年来刚刚开始在企业中得到广泛采用。和任何新的技术进步一样，转向对话式 AI 应用程序的过程也存在一些挑战，其中部分示例包括：
无论输入是文本还是语音，语言输入都可能成为对话式 AI 的痛点。方言、口音和背景噪音都会影响 AI 对原始输入的理解。俚语和无脚本语言也可能会导致在处理输入时出现问题。
但是，对话式 AI 面临的最大挑战是语言输入中的人为因素。情绪、语气和讽刺会导致对话式 AI 难以解读用户想要表达的意思并予以恰当回应。
由于对话式 AI 依赖于收集数据来回答用户查询，因此它也容易受到隐私和安全漏洞的影响。开发符合严格隐私和安全性标准的 AI 应用程序，将有助于赢得最终用户的信任，最终随时间推移而提高聊天机器人使用率。
用户可能会对共享个人信息或敏感信息心存忧虑，尤其是当他们意识到自己正在与机器而不是真人交谈时。由于您的所有客户都不会是早期采用者，因此必须围绕这些技术的优点和安全性，对目标受众进行教育并帮助其适应这些技术，以创造更好的客户体验。用户的忧虑可能会导致糟糕的用户体验和 AI 性能降低，并抵消积极影响。
此外，有时聊天机器人的程序无法回答用户询问的多种问题。在这种情况下，必须提供替代沟通渠道来解决这些更复杂的问题，因为如果提供了错误或不完整的答案，会让最终用户倍感挫折。在这种情况下，客户应该有机会与公司的人工客服代表联系。
最后，对话式 AI 还可以优化企业的工作流程，从而减少特定岗位所需的员工数量。这可能会引发社会经济激进主义，从而对企业造成负面影响。
客户为什么需要对话式 AI？
对话式 AI 可帮助企业大规模提供实时、个性化服务，减少客服成本，提高用户满意度和效率。
对话式 AI 的关键技术组成包括哪些？
主要技术包括自然语言理解（NLU）、自然语言生成（NLG）、对话管理、多轮交互与增强型机器学习流程。查看企业对话式 AI 用例
对话式 AI 的典型应用场景有哪些？
广泛用于在线客服、虚拟助理、智能问答平台、自动售货机交互、电话语音应答等场景。
IBM 提供哪些工具支持对话式 AI 应用开发？
IBM 提供 watsonx Assistant、结合文档检索的问答抽取工具以及丰富 NL 技术组件，支持快速构建对话系统。
使用 IBM® watsonx Orchestrate 轻松设计可扩展的 AI 助手和代理、自动执行重复任务并简化复杂流程。
通过强大灵活的库、服务和应用组合，加速实现人工智能的商业价值。
通过增加 AI 重塑关键工作流程和运营，最大限度提升体验、实时决策和商业价值。