Boas práticas e usabilidade da IA

Este documento apresenta boas práticas para a utilização da Inteligência Artificial no Ligo Bots, visando aprimorar sua usabilidade, manutenção e desempenho.

Conceitos gerais

Para começar, é importante ressaltar este documento trata da integração de Inteligência Artificial integrada a plataforma Ligo Bots, e que o modelo operacional da mesma se limita as funcionalidades inerentes de uma NLU (Natural language Understanding), que nada mais é, que a interpretação da linguagem natural de acordo com exemplos manualmente inseridos para o seu treinamento. Para que documento seja efetivo, é essencial compreender os conceitos gerais desse modelo, que incluem:

Intenções

Intenções são basicamente as metas ou objetivos por trás das mensagens dos usuários. Quando você interage com um assistente de IA, você tem algo em mente que deseja realizar. Por exemplo, se você está pedindo para "reservar uma mesa em um restaurante", sua intenção é clara: você quer fazer uma reserva. Em um contexto de IA, identificar a intenção significa entender qual é o propósito fundamental da mensagem do usuário. Isso ajuda o sistema a direcionar a conversa para a ação apropriada.

Entidades

Entidades são os detalhes específicos dentro da mensagem do usuário que são essenciais para cumprir a intenção. Quando você pede para reservar uma mesa em um restaurante, existem informações específicas que o sistema precisa saber, como a data da reserva, o número de pessoas, o nome do restaurante, talvez até mesmo preferências alimentares ou restrições dietéticas. Todas essas informações são entidades. Elas fornecem contexto e tornam a interação mais precisa e personalizada. Identificar entidades corretamente ajuda o assistente de IA a entender completamente o que você está solicitando.

Confiança

A confiança é uma medida da certeza do sistema em relação à correspondência entre a mensagem do usuário e a intenção detectada, bem como as entidades associadas. Em outras palavras, é o grau de segurança que o sistema tem de que entendeu corretamente o que o usuário está pedindo. Por exemplo, se a IA diz que está 90% confiante de que você quer reservar uma mesa em um restaurante, isso significa que, com base na análise da sua mensagem, ela está bastante segura sobre sua intenção e as informações necessárias (entidades) para realizar essa tarefa. A confiança é crucial, pois determina como o sistema deve agir em resposta à sua solicitação.

Conceitos Específicos do Ligo Bots

1. Condições

As condições são as regras definidas pela plataforma para usar a IA no fluxo do produto. O cliente determina as regras, caminhos e nível de treinamento necessários para a IA ser aplicada a um fluxo específico. Essas condições podem ser estabelecidas apenas com intenções ou através do trabalho conjunto de intenção e entidade, visando uma IA mais eficiente, mantendo sempre a confiança e a consistência no fluxo.

2. Aprimoramento

O aprimoramento é a etapa final no funcionamento de uma IA. Nessa fase, as frases que não foram suficientemente assertivas para a IA são armazenadas para análise posterior. Essa análise tem como objetivo aprimorar e ampliar o escopo de exemplos para melhorar o entendimento da IA e garantir seu crescimento adequado.

Boas práticas na criação de uma IA

Para a criação de uma IA assertiva e que tenha um funcionamento adequado algumas regras precisam ser estabelecidas, são elas:

1. Quantidade de exemplos iniciais

Ao iniciar o processo de cadastro, é compreensível que haja uma ansiedade para testar e ver o funcionamento imediato. No entanto, é importante ressaltar que para que uma IA opere de maneira plena, é necessário estabelecer um conjunto mínimo de exemplos. Para uma configuração inicial funcional, recomenda-se o cadastro de pelo menos duas intenções distintas, cada uma contendo entre 4 a 5 frases de exemplo. Esse é um ponto de partida essencial para proporcionar à IA uma base sólida, possibilitando a adição progressiva de funcionalidades e aprimoramentos.

2. Frases cadastradas

O cadastro de frases é uma prática crucial para assegurar o desempenho ideal de uma IA. Embora a diversidade de exemplos seja importante, a quantidade não é o único aspecto a ser considerado para a construção de uma IA eficaz. A qualidade das frases é igualmente vital. As frases devem ser formuladas de maneira objetiva e clara, evitando redundâncias desnecessárias.

Não é recomendado cadastrar frases com variações mínimas, como diferenças de maiúsculas e minúsculas ou com e sem acentos, pois isso apenas sobrecarrega o mecanismo de inteligência com informações redundantes, o que pode prejudicar seu desempenho. Em vez disso, é mais eficaz concentrar-se em capturar a diversidade de intenções e contextos de maneira concisa e precisa.

Além disso, é crucial evitar ambiguidades entre as frases cadastradas. Por exemplo, se houver uma intenção relacionada a "comprar pão" e outra sobre "comprar bolo", palavras-chave comuns entre elas podem causar confusão no funcionamento da IA. Nesses casos, é importante garantir que as frases cadastradas sejam distintas o suficiente para que a IA possa interpretar corretamente a intenção do usuário.

Portanto, ao cadastrar frases, é essencial buscar uma balanceada combinação entre diversidade e especificidade, garantindo que a IA possa compreender uma ampla gama de solicitações sem sacrificar sua capacidade de discernimento e precisão.

3. Utilização de intenção e entidade

Quando lidamos com casos em que várias intenções possuem frases muito semelhantes, pode ser vantajoso utilizar tanto intenções quanto entidades em conjunto para garantir uma compreensão mais precisa e específica das solicitações do usuário.

Por exemplo, suponha que estamos desenvolvendo um sistema de chatbot para uma padaria online. Podemos ter várias intenções relacionadas à ação de compra, como "fazer um pedido", "comprar algo" ou simplesmente "comprar". No entanto, dentro dessas intenções genéricas, podem existir nuances que diferenciam os itens que os usuários desejam comprar. Aqui é onde as entidades entram em jogo.

Podemos criar entidades para itens específicos que os usuários podem querer comprar, como "pão" e "bolo". Em seguida, configuramos condições que combinam a intenção genérica "comprar" com essas entidades específicas. Por exemplo, podemos ter uma regra que associa a intenção "comprar" com a entidade "pão", e outra regra que associa a mesma intenção com a entidade "bolo".

Dessa forma, quando um usuário fizer uma solicitação para comprar algo, o sistema será capaz de identificar não apenas a intenção geral de compra, mas também o item específico que o usuário deseja adquirir. Isso proporciona uma base sólida de trabalho para a IA, ajudando-a a evitar confusões na análise de frases com intenções semelhantes.

Essa abordagem permite uma personalização mais refinada das interações com o usuário, garantindo que suas necessidades sejam atendidas de forma mais precisa e eficiente. Além disso, facilita a manutenção e expansão do sistema, pois novas intenções e entidades podem ser adicionadas conforme necessário para lidar com casos mais complexos ou específicos.

4. Tempo de treinamento

Quando novos exemplos são adicionados à plataforma, o fornecedor da inteligência artificial automaticamente agenda o treinamento para atualizar o sistema. Esse agendamento é fundamental para garantir que a IA esteja constantemente atualizada com os dados mais recentes disponíveis. No entanto, o tempo necessário para concluir o treinamento pode variar, dependendo de diversos fatores, como a quantidade de dados adicionados e a complexidade do modelo de IA.

Durante o intervalo entre o agendamento e a realização do treinamento, todas as frases recém-adicionadas à plataforma são armazenadas aguardando a incorporação à IA. Importante ressaltar que, mesmo durante esse período de espera, a inteligência artificial continua disponível para uso, respondendo às consultas dos usuários com base no conhecimento adquirido até o momento do último treinamento.

5. Maturidade

O desenvolvimento completo de uma inteligência artificial é um processo que demanda tempo e dedicação desde sua concepção até a total operacionalidade de suas funcionalidades. Este período de maturação pode ser altamente variável, influenciado por diversos fatores, incluindo o tamanho e a complexidade da IA, assim como a qualidade das intenções e entidades cadastradas em seu sistema.

Uma analogia útil para compreender o conceito de maturidade da IA é compará-la a um bebê em seu processo de crescimento. Assim como um bebê requer tempo, cuidado e ensinamentos constantes para compreender questões básicas e desenvolver habilidades, uma IA, por mais sofisticada e bem projetada que seja, também necessita de um período inicial de adaptação e aprendizado.

Os estágios iniciais de aprimoramento e treinamento são fundamentais para estabelecer as bases do desenvolvimento futuro da IA. Assim como um bebê aprende a reconhecer padrões, compreender linguagem e interagir com o ambiente ao seu redor, a IA precisa ser exposta a uma ampla variedade de dados e exemplos para aprender a interpretar informações, identificar padrões e fornecer respostas relevantes e precisas.

Conforme a IA progride em seu processo de maturação, sua capacidade de compreensão, análise e resposta tende a se aprimorar gradualmente. O contínuo treinamento e refinamento ao longo do tempo são essenciais para garantir que a IA se torne cada vez mais eficaz e precisa em suas funções designadas.