Chatbots e Agentes Humanas: Preferências dos Clientes e Implicações da IA

O avanço de machine learning e inteligência artificial (IA) está revolucionando o atendimento ao cliente, com chatbots se tornando ferramentas comuns. No entanto, um estudo recente revela que as preferências dos clientes ainda se inclinam para interações humanas.

Contexto da pesquisa

A pesquisa foi realizada em parceria com um grande varejista da América do Norte, centrando-se em como os clientes interagem com chatbots em comparação aos agentes humanos. O estudo analisou mais de meio milhão de interações de serviço ao cliente.

Método proposto

Utilizando métodos de machine learning, os pesquisadores categorizaram as interações em seis grupos principais: pedidos, cupons, produtos, envio, questões de conta e pagamentos. Para a análise, foram empregados algoritmos de processamento de linguagem natural (NLP) para medir a similaridade linguística entre os agentes e os clientes.

Resultados e impacto

A pesquisa revelou que “os clientes raramente recorrem a chatbots para questões relacionadas a envio ou pagamento”
(“customers rarely turned to chatbots for questions related to shipping or payment”).

— Pesquisador, Varejista Norte-Americano

A análise demonstrou que os agentes humanos mostraram maior similaridade linguística em comparação aos chatbots, o que indica que “similaridade gera afinidade” e, portanto, um maior engajamento dos clientes. Quando agentes humanos se comunicavam de forma semelhante aos clientes, o tempo de resposta aumentava.

Esses resultados desafiam a expectativa de que a sofisticada IA poderia mimetizar de maneira eficaz a linguagem dos clientes. A pesquisa sugere que melhores interações podem ocorrer quando as empresas identificam a natureza das consultas antes de decidir entre um chatbot ou um agente humano.

Estudos futuros podem focar em como a personalização das respostas de chatbots, baseadas em interações anteriores dos clientes, pode elevar a eficiência e a satisfação, oferecendo uma maior variedade de serviços e insights sobre o comportamento do consumidor.

Fonte: (TechXplore – Machine Learning & AI)