Tekst: Thomas van Manen
Fotograaf: Julia Janssen


Afgelopen jaar kwamen superlatieven tekort om de opkomst van chatbots te duiden. Chatbots zouden voor een efficiencyslag in klantcontact zorgen door gesprekken weliswaar te automatiseren maar toch menselijk te houden. Juist dat menselijke gesprek is momenteel het grootste probleem: mensen en chatbots spreken niet dezelfde taal. Lost in translation? Eerder een gevalletje babylonische spraakverwarring.

Nepgesprekken
Vooral Facebook sloeg met volle kracht op de chatbottrommel. Toen Mark Zuckerberg halverwege 2016 het botplatform voor Messenger lanceerde, kregen 900 miljoen mensen plots toegang tot geautomatiseerde communicatie met een merk. Op zijn beurt roept Microsoft over de rug van chatbots de conversatie uit tot het nieuwe platform. De praktijk is weerbarstiger. Vorig jaar bleek uit onderzoek van The Information dat bots op Facebook een failure rate hebben van 70 procent. Dat betekent dat er slechts in 30 procent van de gevallen geen menselijke interventie vereist was.

Veel Nederlandse bedrijven richten zich op eigen platformen: via een chatbot op de website of een babbelende avatar in een app. De aanleiding voor de opkomst van chatbots is duidelijk; messaging-apps waren nog nooit zo populair en ontwikkelingen in natural language processing (NLP) en artificiële intelligentie (AI) maken dat bots tot op zekere hoogte slim genoeg zijn om acties uit te voeren, van pizza’s bestellen tot het declareren van een schade. Het zijn echter uitsluitend processen waarin uitgestippelde klikpaden de ‘conversatie’ tot een goed einde brengen. Gescripte interacties dus, waarbij een afwijking van het vooraf gedefinieerde script leidt tot het einde van het gesprek of menselijk ingrijpen. De belofte was een natuurlijk gesprek, de realiteit is een commando-schema dat vastloopt als een gebruiker niet de juiste woorden gebruikt.


Nederlands als fundament
Betere taaltechnologie, gebaseerd op de Nederlandse taal, is cruciaal voor de toekomst van de chatbot en zijn verwachte opvolger: de spraakgestuurde virtuele assistent. Vanwege het kleine taalgebied staat Nederland onderaan op de agenda van Silicon Valley. Innovatie moet daarom van eigen bodem komen. En dat is precies waar de Amsterdamse start-up Embot.ai, geesteskind van Fadoa Schurer (CCO - zie foto hierboven) en Serge Cornelissen (CTO), op inspringt. Al een jaar timmeren ze aan de weg met volledig op het Nederlands gebaseerde taaltechnologie.

Chatbots en voice zijn volgens Schurer een logische evolutie van steeds natuurlijkere interactie met computers. Ze spreekt dan ook liever van conversational interfaces, waarbij tekst of spraak de in- en output zijn. ‘De input is ondergeschikt aan de user case. Ik ben altijd geïnteresseerd geweest in een meer natuurlijke interactie tussen mensen en computers. Een gesprek voeren, via tekst of spraak, is voor ons de meest natuurlijke manier van communicatie. Taaltechnologie gericht op het Nederlands bestond echter nog niet. Daarom zijn we onze eigen taaltechnologie gaan bouwen, met het Nederlands als fundament.’

Groeipijn
De hoeveelheid chatbots explodeert en via diensten als Siri (Apple) en Alexa (Amazon) praten we ook steeds vaker tegen onze apparaten. Onderzoeksbureau Gartner voorspelt dat dertig procent van de zoekopdrachten in 2020 spraakgestuurd zullen zijn. ‘We staan aan de vooravond van een andere manier van interactie met technologie en dus ook met diensten en bedrijven. Ik ben ervan overtuigd dat die conversatiegerichte interfaces straks het nieuwe normaal zijn. Je kunt dus beter nu beginnen te onderzoeken en testen wat dat voor jouw business kan betekenen’, meent Schurer.

Alle begin is moeilijk, zo ook de balans tussen automatisering en menselijke interactie. ‘Er is niets menselijks aan een button. En er is niets menselijks aan een bot die niet begrijpt dat je een adres wilt wijzigen als je ‘adreswijziging’ in plaats van ‘adres wijzigen’ typt. Het zijn geen gesprekken, maar je doorloopt een keuzemenu. Natuurlijke taal botst dan al snel met het script, waardoor veel gebruikers vastlopen en afhaken.’

Verwerken en begrijpen
Het beter begrijpen van de intentie van een klant is cruciaal voor het verloop van het gesprek. ‘Wij onderscheiden natural language processing (NLP) en natural language understanding (NLU). De meeste bots passen uitsluitend NLP toe; het verwerken van taal. Wij voegen daar een laag NLU aan toe. Ons algoritme leert van alle interacties. Door middel van machine learning leert het algoritme steeds meer variaties kennen, zoals variaties in hoe je dezelfde vraag kunt stellen.’

Dat zelflerende vermogen zorgt ervoor dat Embot taal beter kan verwerken en daardoor vaker een goed antwoord geeft. ‘Na elke interactie analyseert het algoritme of het gesprek tot een goed einde is gebracht en welke factoren daar een rol in speelden. Dat is ook wederkerig: wij kunnen leren van waarom het niet goed ging.’

Servicespagaat
Chatbots zijn nu een beetje zoals apps een aantal jaar geleden: als bedrijf ‘moet je er wat mee’. Volgens Schurer is de strategische rol van chatbots in klantcontact echter helder. ‘Service is een differentiator waardoor mensen voor jouw merk of dienst kiezen. Terwijl juist op het gebied van klantcontact er steeds meer selfservice is; klanten moeten het steeds vaker zelf uitzoeken via klantportalen en faq’s. Tijdwinst voor het bedrijf, maar het kost jouw klant meer tijd. Chatbots kunnen klanten helpen om sneller te vinden wat ze zoeken. Faciliteer je ze daarin als merk, dan straalt het service-aspect weer op jou af. Performancewinst werkt dan twee kanten op: als bedrijf kun je een flink deel automatiseren zodat servicemedewerkers meer tijd hebben voor complexere hulpvragen, terwijl een klant minder tijd kwijt is voordat er invulling is gegeven aan zijn behoefte. Een vertrekpunt voor de ontwikkeling van een chatbot is een analyse van zoekopdrachten. Welke vragen stellen mensen op jouw site? En kun je afleiden of ze het antwoord vinden en hoe gemakkelijk gaat ze dat af?’

Embot trekt graag samen met de klant op voor de implementatie van een chatbot. ‘Technologie is niet het startpunt, dat is de organisatie. Het is cruciaal dat de juiste mensen met de juiste kennis bij dit soort projecten aanschuiven. Je bouwt immers aan een nieuw communicatiekanaal voor je merk. Dus er moeten mensen aanhaken die weten wat voor vragen er leven bij klanten, waar je de antwoorden kunt vinden en welke data er beschikbaar zijn, en gebruikt mogen worden, om interacties zo goed mogelijk te stroomlijnen.’

Constant Moolenaar, director Customer Services bij VIVAT (moederbedrijf van onder meer Zwitserleven en Reaal), onderschrijft dat. Voor laatstgenoemd merk ontwikkelde de Amsterdamse start-up een chatbot die de meest gestelde servicevragen moet afhandelen. ‘Een chatbot is niet alleen een bak technologie. Het is ook content maken en integraties bouwen met andere systemen en onderdelen van je organisatie. Dat vraagt ook van jouw mensen dat ze anders denken; dat ze van buiten naar binnen gaan kijken, in plaats van andersom. En dat je mensen van verschillende disciplines samenbrengt en laat werken aan een project, in dit geval een chatbot.’


Klantintenties
De voor Reaal ontwikkelde chatbot kan de zeventig meest gestelde vragen beantwoorden. Inmiddels zijn dat er al meer. Moolenaar: ‘Als verzekeraar zitten we middenin een versnelde transformatie van een conservatieve naar een digitale verzekeraar. Daarom zijn we over de hele linie aan het experimenteren met technologische innovaties die bijdragen aan de bedrijfsdoelstellingen.’ Daarin is durf en daadwerkelijk in actie komen een vereiste. ‘Een chatbot leert beter en sneller als er zoveel mogelijk input is. We hebben de chatbot daarom in vier weken gebouwd en live gezet om snel zoveel mogelijk data te verzamelen, verklaart Moolenaar. ‘Je voegt content toe in de vorm van antwoorden en vervolgens ga je vooral kijken naar vragen die niet worden beantwoord. Dat dwingt jou om continue optimalisatie van die chatbot onderdeel te maken van jouw proces. Dat is heel anders dan de standaard faq’s die we normaal maken voor een product. Het is een samenwerking: wij zorgen voor meer content en Embot zorgt ervoor dat de technologie telkens beter wordt in het herkennen van de intenties van klanten.’

Steeds slimmer
In een jonge markt zijn benchmarks een lastig verhaal. Voor chatbots is het oplospercentage de belangrijkste graadmeter. Schurer: ‘Dat kun je heel duidelijk achterhalen. Enerzijds doordat een chatbot eigenlijk een ingebouwd feedbackmechanisme heeft, anderzijds door gedrag na een interactie te analyseren: als er na de chatbot nog drie faq-pagina’s worden bezocht, mag je aannemen dat de interactie met de bot niet afdoende was.’

Beide partijen zijn tevreden over de bot, met name omdat het zelflerende vermogen in relatie tot het aantal correct beantwoorde vragen nauw samenhangt. ‘Een heel concreet voorbeeld van dat zelflerende vermogen is gefragmenteerde tekst; een klant die één zin of één vraag ‘ophakt’ in verschillende zinnen. In het begin bleek het uitdagend om daarin dan de vraag te herkennen. Nu kan de chatbot de samenhang tussen die zinnen herkennen en de centrale vraag eruit halen en die beantwoorden. Mijn algemene verwachting van het oplossingspercentage, ook op basis van het gemiddelde in de markt, zat rond de 50 procent. Na de opstartfase werken we nu toe naar een gemiddeld oplossingspercentage van 70 procent. Dat is veel hoger dan dat ik had verwacht na vijf maanden; na twee maanden lag dat nog op zo’n 35 procent.’

Chatbotdata en de AVG
Nederlands-eerst geldt bij Embot niet alleen voor de taaltechnologie. ‘Met een chatbot doe je aan dataopslag- en verwerking’, legt Schurer uit. ‘Ook van klantgegevens. Met het oog op de AVG merken we steeds vaker dat klanten er waarde aan hechten dat onze servers in Nederland staan en de data binnen de landsgrenzen blijft. Daarnaast waren we al compliant met bestaande wetgeving en zijn we ook compliant als het om de AVG gaat. We anonimiseren persoonlijke data nadat het algoritme er voor trainingsdoeleinden gebruik van heeft gemaakt. Tevens kunnen we de data gewoon opslaan bij de klant. Die blijft zo dus in eigen beheer.’

In de samenwerking met Reaal is dat ook het geval. ‘Bij de start was het data-aspect geen afweging ‘ vertelt Moolenaar. ‘Maar op het moment dat je echt gaat samenwerken met een partij die een kanaal voor jou in de markt zet, wordt dat een vereiste. Dat geldt voor al de partijen waar we mee samenwerken en waar we toekomst in zien. De volgende stap is de integratie met het crm-systeem en daarmee klanten kunnen helpen op basis van hun polisnummer. Niet compliant zijn met de AVG is daarin geen optie.’

Voorbij de hype cyle
Na de hype rest de vraag hoe chatbots en voice zich gaan ontwikkelen. ‘Chatbots zijn de opmaat naar een spraakgestuurde wereld’, aldus Schurer. ‘We werken momenteel al voor een aantal bedrijven aan voice-interacties voor Google Assistant of speakers van Amazon. Robuuste en Nederlandstalige taaltechnologie leveren voor voice-toepassingen is altijd onze visie geweest. Nu bestaat onze business volledig uit chatbots, maar over drie jaar verwacht ik dat die verhouding met voice 50-50 is. Veel van de vragen waar mensen nu nog de telefoon voor pakken kun je oplossen via voice assistants. Nu beginnen met leren zorgt ervoor dat je straks geen inhaalslag hoeft te maken.’

Moolenaar is het daar mee eens: ‘Voice staat op de roadmap, maar je moet er voor waken niet te veel tegelijk te willen. Klein, en vooral nu, beginnen met een afgebakend kader waarvoor je een implementatie gaat ontwikkelen. Bij grote corporates maken we soms te veel plannen en doen we te weinig. Alleen door te doen krijg je resultaat.’