Un nouveau cadre de recherche aidera les chatbots IA à mieux imiter la conversation humaine
Alors que l’intelligence artificielle a un impact croissant sur notre vie quotidienne, les chercheurs de la School of Management de l’Université de Buffalo ont développé un nouveau cadre pour transformer les chatbots IA en partenaires de conversation plus intuitifs et plus humains.
À paraître dans Transactions AIS sur l'interaction homme-machinel'étude présente le Chatbot Discourse Design Framework, qui aide à trouver des modèles de conversation clés dans les discussions entre humains et les connecte aux conceptions de chatbot pour améliorer leurs capacités conversationnelles.
« Les chatbots sont partout, du service client aux soins de santé, et leur succès dépend de leur capacité à comprendre ce que vous dites et à fournir des réponses pertinentes », explique Raj Sharman, Ph.D., co-auteur de l'étude et professeur de sciences de gestion et de systèmes à l'UB School of Management. « Notre cadre permettra à tous les types d'organisations d'améliorer leurs opérations et l'expérience globale de leurs clients. »
Pour construire leur cadre, les chercheurs ont mené une recherche exhaustive de publications couvrant plus de deux décennies, de 2000 à 2022. Leur recherche a donné lieu à près de 100 articles axés sur l'analyse du discours utilisée dans la conception de chatbots, et comprenait également des articles antérieurs à 2000 qui offraient des informations fondamentales.
Grâce à cette enquête, ils ont identifié trois types de chatbots distincts : informatif, basé sur les tâches et conversationnel, chacun nécessitant des stratégies de conversation personnalisées.
« L’échec récent de certains chatbots bien connus montre à quel point il est important pour un chatbot de comprendre le type de conversation que vous souhaitez avoir avec lui », explique Sharman. « En créant des chatbots qui reconnaissent différents types de discussions, les entreprises peuvent les rendre plus efficaces, plus engageants et plus fiables pour les utilisateurs. »
Sharman a collaboré à l'étude avec les diplômés de l'UB School of Management, Sagarika Suresh Thimmanayakanapalya, Ph.D. '20, chercheur quantitatif senior chez JPMorganChase, qui était l'auteur principal ; et Pavankumar Mulgund, Ph.D. '20, professeur adjoint de systèmes d'information de gestion au Fogelman College of Business and Economics de l'Université de Memphis, qui était le deuxième auteur.
