Portal BEI

Mutant Talk: a transformação de CX através de IA

Fonte: Jessica Chalegra

Da teoria à prática, a Mutant tem aplicado a inteligência artificial generativa para transformar a forma de fazer a gestão da experiência no consumidor. A empresa tem usado a nova tecnologia no desenvolvimento de novas soluções e chegou ao ponto de entender o comportamento do consumidor para criar soluções que exploram o grande potencial das inovações, a partir do uso da Inteligência Artificial (IA), e transformar em experiência.

Durante o Mutant Talks, Bruno Couto, head de Inovação e IA, apresentou as novidades que a empresa tem construído. O executivo ressaltou que a Inteligência Artificial tem tido sua capacidade explorada, para que seja transformada, aplicada e usada para mudar a forma de fazer experiência do consumidor, gerando valor diretamente para o cliente.

“E por que agora? Por capacidades que passamos a ter. A primeira delas é de criar. Até então, o software não era capaz de criar. Não havia a possibilidade de fazer com que uma máquina construísse um texto ou gerasse uma informação que não fosse explicitamente definida para ela sobre como ela deveria fazer. A segunda é de raciocinar. A máquina também não era capaz de montar um plano, uma estratégia para resolver um problema e tomar decisão, ou disparar uma ação a partir de um raciocínio, e pensar uma estratégia não pensada antes. Agora, com um software capaz de raciocinar e criar, é possível usar a máquina para interagir como um ser humano, e isso muda tudo”, explica.

Essa capacidade foi possibilitada através da Large Language Model (LLM), um modelo de Inteligência Artificial que usa algumas técnicas como aprendizado profundo e aprendizado por reforço. A LLM usa essas metodologias para conseguir absorver uma grande quantidade de dados e informações, mas especialmente dados que refletem a linguagem humana. Com essa capacidade de juntar referências, ela passa a ser capaz de responder criando, raciocinando e interagindo como um ser humano.

Esses modelos sabem fazer contas e calcular probabilidades de qual fragmento de palavra deve acontecer depois que o usuário coloca uma sequência de texto. Esse conhecimento da máquina acontece porque o modelo uniu tudo o que foi aprendido, juntou os padrões e passou a calcular a probabilidade.

“Quando pegamos uma LLM e fazemos um prompt, criamos uma pergunta, essa pergunta é um texto. O que o modelo faz é calcular, colocar o texto que é mais provável e que complemente o que vem na sequência do que foi colocado. É isso o que esse modelo faz e surpreendeu até mesmo os desenvolvedores dessa tecnologia. Eles não tinham noção de que esse comportamento ocorreria e a quantidade de aplicações que poderiam trazer. Porém, como a LLM é muito competente em lidar com a linguagem humana, ela cria uma ilusão de que quando você interage com um modelo desse, você está interagindo com o ser humano. Portanto, você pensa que do outro lado tem alguém, com consciência, sentimento, empatia e gratidão. Eu pergunto qual é o melhor preço de planos, mas se ela não souber, vai escrever o que for mais provável para substituir para uma pergunta como essa. Não é necessariamente verdade, e é isso que chamamos de alucinação. Então, a LLM não tem consciência ainda”, pontua.

Nesses avanços da aplicação dessa inovação, há uma série de técnicas e evoluções da própria tecnologia e método de como controlar esses modelos dentro de um grupo chamado engenharia de prompt. Essas técnicas de como construir e estruturar esse prompt ajuda a fazer com que seja possível controlar o modelo no sentido de fazer com que o comportamento mais provável dele seja o desejado pela empresa. Entre esses comportamentos, está a postura de um atendente, a partir da descrição de como ele deve se posicionar, se deve ser educado, fazer piada ou não, e de como lidar ali com diversidade de citações, sem dizer exatamente o que ele tem que fazer, mas passar para ele o perfil e a persona de como se comportar.

“Essas técnicas também ensinam o modelo a raciocinar. Eu escrevo o prompt, como o modelo deve pensar, quebrar e planejar em etapas, para ele executar uma tarefa. Isso é feito essencialmente usando linguagem natural. Escrevemos como deve ser, damos exemplos e o modelo aprende com essa instrução. A engenharia de prompt é algo que vem muita calhar para Mutant, porque passamos a ser capazes de tirar um gap que existia entre os designs de interação, e que era efetivamente possível de implementar. Os comportamentos das personas passam a ter um reflexo muito mais próximo do que foi desenhado”, frisa Bruno.

Um exemplo citado de como o bot faz o relacionamento com o consumidor foi apresentado durante o Mutant Talk. Na situação, um cliente recebeu uma oferta e, em seguida, o robô perguntou a ele se havia alguma dúvida. O cliente brincou com o contexto e questionou: “Com quantos paus se faz uma canoa?”. Diante da questão, o robô respondeu: “Depende do tamanho da Canoa, né? Mas aqui no nosso plano, você navega tranquilo, sem precisar de paus para montar a sua canoa digital. Quer saber mais sobre os seus planos?”. Essa resposta não foi orientada ao atendente virtual, ele criou. O comando passado foi para fazer o jogo do cliente, com empatia, de modo que espelhe o consumidor.

“A forma com que somos capazes de desenhar e aplicar nosso desenho de interação com o cliente e a experiência que entregamos mudou completamente. Uma LLM não é tudo que precisamos para poder ter essa capacidade de criar, de raciocinar e de interagir como um humano. Tem uma série de outras coisas que precisam estar em torno da LLM para que essa capacidade se manifeste, e uma delas é a de ter memória. É preciso saber o que foi dito no curto prazo para poder guardar o contexto, assim como no longo prazo, para poder ter um contexto maior”, comenta.

“Mas, além da memória, é necessário ser capaz de planejar, raciocinar, quebrar um problema em várias etapas e usar esse planejamento para disparar ações. Com essas ações, acionar ferramentas que vão permitir, por exemplo, fazer uma busca numa base de informação para trazer um conhecimento que o modelo não tinha. Eventualmente, se ele seguisse sem essa informação, iria alucinar e falar alguma coisa que não era verdade”, acrescenta.

Essa arquitetura de combinar memória, capacidade de planejamento e ações que usam ferramentas distintas é o que define um agente de Inteligência Artificial. Ela ainda está promovendo uma mudança na produtividade e na capacidade de automação, porque esses agentes não atuam mais sozinhos. exclusivamente só um. Agora, é possível criar vários agentes, dar uma competência para cada um deles e fazer com que eles interajam entre si.

Exemplos aplicados na Mutant

Dentro da Mutant, a engenharia de software tem sido usada para possibilitar que seja criado um agente de IA, com a arquitetura já mencionada. A inovação tem instruído a tecnologia para que ela se comporte como uma pessoa capaz de receber um briefing e construir, como exemplo no caso de um aplicativo, o roadmap para que esse aplicativo seja desenvolvido. Todo esse processo de engenharia de software tem resultado em um grande ganho de eficiência com o uso dessas técnicas de agentes. A combinação dos agentes para montar times pode resolver problemas complexos, como o desenvolvimento de software.

“O que estamos fazendo é experimentar colocar agentes para construir times que, de fato colaborem com as pessoas, mas que executem de forma autônoma boa parte do crescimento dessas tarefas que serão feitas. Nas nossas consultorias de mapeamento e planejamento de jornada, existe a possibilidade da prática de pesquisas com consumidores, para entender a experiência do usuário. Coletamos dados e traçamos as estratégias de como vamos interferir e planejar a jornada com o consumidor”, explica.

Com esse objetivo, a Mutant tem testado a possibilidade de construir agentes que se posicionam como clientes. É traçado o perfil, o comportamento do consumidor e experimentada a interação com o cliente, de forma virtual, para entender como os agentes se comportam e geram dados sintéticos que apresentam insights sobre como fazer os ajustes da jornada. Segundo Bruno, essa prática de montar times e colocar agentes de IA para resolver problemas complexos tem ganhado força, tanto ao ponto de ser a principal aposta de como será vivida de fato essa revolução de produtividade esperada com o uso de inteligência artificial generativa.

“Para aproveitar essa oportunidade de aplicar Inteligência Artificial para o negócio, a Mutant, há mais de cinco anos, tem um laboratório de IA. Aplicamos IA nas nossas soluções há bastante tempo e agora fizemos uma revisão da nossa estratégia, dada essa mudança que a IA generativa trouxe. Pegamos a nossa prática para entregar experiências para os consumidores, de forma a influenciar o comportamento deles, para que eles gerem valor para os nossos clientes, seja comprando, pagando suas dívidas ou se comportando de uma forma menos onerosa no momento de atendimento”, comenta.

“Pensamos dentro dos desafios do mercado, com tendências de tecnologia, especialmente de IA generativa. Aplicamos esse framework para fazer uma ideação, experimentar, criar um produto, tração e escala, usando IA e suportados para os serviços que tem esse laboratório prove”, complementa.

A Mutant criou uma arquitetura na qual um agente de vendas interage com o cliente, fazendo uma primeira oferta. Ao mesmo tempo, há um segundo agente, que age como alisador da interação, que está em interação com o agente de vendas e observa a conversa para identificar qual etapa da negociação, que a conversa está. Além disso, ele é responsável por instruir o agente de vendas e cria a prompt para orientar quanto à melhor decisão. Em seguida, com acesso às ferramentas e sendo capaz de pensar, o agente de vendas vai tomar a decisão mais adequada para o momento.

Foto: Assessoria/Mutant.

Compartilhe:

WhatsApp
Facebook
Twitter
LinkedIn
Pinterest
Telegram
+ Relacionadas
Últimas

Newsletter

Fique por dentro das últimas notícias do mundo dos negócios!