Os próximos passos do aprendizado da linguagem natural, por Daniel Morais*
A linguagem é a ferramenta de comunicação mais antiga da humanidade. Por sua mutabilidade e adaptabilidade, consegue ultrapassar barreiras geográficas, culturais e sociais. Entretanto, para que seja efetiva, os interlocutores precisam dominar os signos, símbolos e códigos utilizados (na linguagem verbal e não-verbal). Para atuar como emissor ou receptor, o aprendizado é o caminho natural. Neste contexto, as máquinas, muitas vezes por meio de machine learning, também aprendem e, consequentemente, comunicam-se melhor.
Graças ao processamento de linguagem natural (PLN), uma das vertentes da inteligência artificial (IA), as conversas entre máquinas e humanos estão cada vez mais naturais e personalizadas. O PLN ajuda os dispositivos tecnológicos a entender e interpretar a linguagem utilizada pelos humanos e a intenção de cada comunicação realizada. Com isso, pode ser aplicado nas mais diversas soluções corporativas, tais como: atendimento ao cliente, gerenciamento de conteúdos, análise de dados, além da obtenção de insights estratégicos sobre o comportamento dos próprios consumidores.
Segundo a “Agenda 2023″, estudo produzido pela Deloitte, o uso de IA pelas empresas é majoritariamente aplicado no apoio ao suporte e atendimento de clientes, rendendo jornadas de compra personalizadas e análises importantes obtidas a partir delas. Como exemplos, temos a análise de sentimento das conversas, que utiliza o PLN para determinar o sentimento expresso em palavras e expressões, como um sentimento positivo, negativo ou neutro; e a análise de intenção, que identifica palavras-chave e padrões de comportamento nas conversas para ajudar a entender o objetivo, dores e necessidades do usuário naquele momento.
Logo, inúmeros desafios surgem a curto e longo prazo, dos mais simples aos mais complexos, tornando necessárias constantes evoluções nas soluções que envolvem IA conversacional. O uso de gírias e linguagem coloquial nas interações com assistentes virtuais/chatbots ou transcrição de áudio para texto (speech to text) podem representar uma dificuldade para as máquinas, pois exige a disponibilidade de enriquecimento da tecnologia, visto que, para processar corretamente, ela precisa ser treinada com dados relevantes e atualizados de forma contínua.
Também é necessário superar as dificuldades de reconhecimento e interpretação das falas dos usuários para respostas adequadas e alinhadas às expectativas. Além da necessidade de compreensão prévia do contexto das conversas para evitar ruídos e loopings no direcionamento dos atendimentos, é preciso que os assistentes virtuais sejam capazes de driblar a presença de ambiguidade no uso das palavras, já que a linguagem natural abrange termos, expressões e frases com múltiplos significados e interpretações.
Mesmo com desafios no caminho, é preciso ter um olhar positivo para o uso dessa tecnologia para tirar proveito dos benefícios, assim como foi feito nos anos 2000 com a democratização do acesso à internet. Sem dúvidas, a melhor forma de construir uma relação produtiva com o PLN é entender que investir em melhorias para otimizar ferramentas e plataformas demanda tempo e aprendizado, mas também trazem incontáveis ganhos para negócios que sabem usar o poder da IA conversacional a seu favor.
*Daniel Morais é CTO da WeClever