Paulo Carvalho:
Olá pessoal, sejam todos bem-vindos ao webinar da Cxpress.
Estou aqui com o William Ferreira, que é o head de operações da Elife. Eu sou o head de vendas da Elife outbound, aqui na operação da Cxpress.
Então sejam todos bem-vindos, espero que esse seja um momento de muito conhecimento, de muitas trocas aqui, para a gente falar sobre essa novidade, sobre essa atualização no mercado, como um todo, de chatbots, que é a linguagem NLP.
Então William, seja bem-vindo, é um prazer estar aqui com você. Pode ficar à vontade para se apresentar também, e o que você faz hoje aqui na Elife.
William Ferreira:
Bem, pessoal, eu sou o head de operações na Elife, já trabalho aqui na empresa há 12 anos, participei de grandes desenvolvimentos da empresa e algumas tecnologias que nós já lançamos no mercado.
Agora estou contribuindo também com o lançamento da Cxpress, que é a nossa grande aposta. É uma plataforma feita por especialistas em atendimento.
Nós usamos toda a nossa experiência, nesses últimos anos de existência da Elife, com atendimento em canais digitais, com atendimento telefônico, pensando na jornada do consumidor como um todo, para aplicar esses conhecimentos dentro da plataforma agora.
Espero que vocês aproveitem o conteúdo, que é sobre uma das ferramentas que nós estamos lançando, e que a gente acredita que vai mudar muito como o mercado pensa automação, como o mercado pensa a inteligência artificial e atendimento ao consumidor também.
Paulo Carvalho:
Legal, William, então já vou começar aqui com a primeira pergunta. O que os clientes estão acostumados a encontrar hoje no mercado de chatbots?
William Ferreira:
Boa. É importante falar, Paulo, que o mercado de chatbots não é assim tão estruturado ainda. Por mais que a gente já venha falando isso há bastante tempo. A Elife já está falando de chatbots no mercado para atendimento desde 2014/2015, nós já estávamos com as primeiras movimentações sobre chatbots.
A gente teve um grande boom no mercado, sim, muitas empresas entenderam o benefício da aplicação de um chatbot no seu sistema de atendimento. Mas, por incrível que pareça, ainda existe muita oportunidade. A questão é que o movimento do mercado é muito rápido, assim como a gente vem percebendo aí, com as últimas tecnologias, que o que a gente começou a fazer lá em 2015, hoje já tá começando a ficar obsoleto.
A gente está falando aí de oito anos atrás, e ainda assim é possível dizer que essas estruturas de atendimento automatizado já são obsoletas. O mercado hoje está acostumado com uma estrutura muito fechada, quando a gente fala de chatbots. Fechada porque essa estrutura é construída baseada em árvore de decisão. Foi assim que nós começamos a pensar em Inteligência Artificial no mercado, olhando para o atendimento ao consumidor.
Basicamente você estabelece um caminho, uma jornada que o consumidor deve percorrer para consumir o conteúdo que a sua marca tem, para consumir as informações do chatbot, e essa jornada é muito limitada. Ela basicamente define quais são os passos do consumidor. E aí a gente pode até perceber algumas frustrações por não ter o conteúdo que ele precisa ou por demorar demais para encontrar a informação que ele tem interesse.
Então, se eu pudesse resumir o que o mercado encontra hoje, quando a gente fala de automatização por meio de chatbots, é basicamente uma estrutura de perguntas e respostas numa jornada automatizada por meio de conversação. Isso foi bom até aqui, mas a gente sabe que tem muita coisa nova para melhorar a experiência do consumidor.
Paulo Carvalho:
William, já colocando o consumidor aqui no nosso papo, por que você acha que os chatbots baseados em árvores de decisão geram frustração para muitos usuários que interagem com eles?
William Ferreira:
A frustração do usuário, dentro da árvore de decisão, está muito baseada no fato de que não é ele quem decide qual caminho ele vai percorrer.
Além disso, a árvore de decisão também tem uma estrutura muito limitada de conversa. É possível, por exemplo, você ter a mesma resposta para uma variação de perguntas. Eu posso perguntar, por exemplo, “qual é a capital da França?”. A resposta de um chatbot baseado em árvore de decisão vai ser “Paris”.
Eu posso perguntar também “onde está a Torre Eiffel?”, e a resposta do chatbot baseado em árvore também vai ser Paris. Então, o que eu quero dizer com isso: duas perguntas diferentes levam para a mesma resposta.
O chatbot baseado em árvore de decisão não tem essa compreensão do contexto para gerar uma conversa mais fluida, e é até chato falar isso porque até hoje nós estávamos falando exclusivamente sobre árvore de decisão no chatbot.
Mas, de fato, com as novas tecnologias, a gente começa a perceber que essa estrutura tem um potencial fortíssimo de gerar frustração nos nossos consumidores, porque ele demora para encontrar a informação que ele quer, porque as respostas muitas vezes não atendem a complexidade da nossa linguagem.
E aí você com certeza já deve ter tido a experiência de falar com o chatbot e ele te responder “Desculpa, não entendi”. A gente sabe que essa experiência da tentativa de comunicação não bem sucedida com o chatbot frustra o usuário, isso é natural. Para falar a verdade, hoje eu ando frustrado até com Alexa, que é uma estrutura de Inteligência Artificial muito mais avançada do que o chatbot, mas mesmo assim ela tem lá suas limitações de conversação.
Então, quando eu penso o quanto o usuário pode se frustrar dentro dessa jornada, eu só consigo pensar em como as nossas estruturas promovem essa frustração, sem conseguir interpretar os contextos das conversas. Eu acho que esse é o grande problema que está na nossa arquitetura, e que acaba se refletindo de alguma forma nessa sensação para o consumidor final.
Paulo Carvalho:
Legal, e já trazendo esse gancho que você trouxe do contexto, estamos vivenciando o surgimento do ChatGPT, e o ChatGPT tem inovado diversas áreas, especialmente a experiência do cliente, com o uso de chatbots com tecnologia de ponta.
O que, para você, William, esses novos chatbots fazem, que os chatbots anteriores não eram capazes de fazer?
William Ferreira:
Acho que a gente começa pela linguagem, né? Os chatbots antigos foram construídos baseados em regras. Você diz um termo específico, eu identifico aquele termo dentro de uma biblioteca, e te dou uma resposta que eu já defini previamente.
A linguagem, nesse tipo de sistema de regra, pode não ser fluida, ela pode não ser natural.
Voltando ao exemplo de Paris, por exemplo, eu sempre vou dar uma resposta fechada para uma questão que foi aberta, e isso torna a linguagem menos humana. Quando a gente pensa no ChatGPT, a experiência surpreende justamente por causa da conversação.
Ele é capaz de entender o meu contexto, entender a minha questão, absorver ela dentro da resposta e, na hora que ele vai me devolver a informação, não só devolve a informação que eu solicitei, mas contextualiza aquela informação e cria uma memória.
E aí é que eu acho que a gente tem uma grande vantagem: essa memória que o ChatGPT cria para nós faz com que a conversa tenha sentido, né?
O que muito provavelmente, em algumas experiências de chatbots tradicionais, você já deve ter reparado, que ele pergunta mais de uma vez “qual é o seu nome?”, ou dizer mais de uma vez “olá” e “bem-vindo ao chatbot da empresa x”. O fato dele não ter essa memória torna a conversa muito mais limitada, de fato.
Além disso, como chatbots tradicionais são baseados em regras, eles não têm a capacidade de entender conversas complexas. É muito comum uma das regras não contemplar a informação que o usuário traz.
E aí, como você deve saber, o ChatGPT foi construído numa potência de parâmetros tão grande que é quase improvável que ele não entenda um contexto complexo. Claro, ele pode alucinar ali no meio, pode dar algumas respostas um pouco esquisitas, mas ele sempre vai, de alguma forma, se aproximar estatisticamente de uma resposta adequada para aquela dúvida que você tá lançando.
E acho que, por fim, um impacto muito grande na nossa estrutura de chatbots é a ideia de ter um aprendizado contínuo. Só para vocês entenderem qual é a grande vantagem desse modelo do ChatGPT: quando a gente pensa no chatbot tradicional, o aprendizado é basicamente feito por meio de humanos que leem os contextos e vão aumentando as regras. Quanto mais regras você coloca, mais assertiva fica aquela resposta.
Isso é bacana porque o bot vai sendo empoderado, e de alguma forma o usuário tem uma resposta mais adequada. Por outro lado, o ChatGPT faz esse trabalho automaticamente. Isso porque as regras que foram usadas para construção da arquitetura do ChatGPT já contemplam essas variações de possibilidades que nós estamos falando aqui.
Então esse aprendizado se torna muito mais rápido, e de forma contínua, para garantir também um chatbot mais inteligente. Quando a gente olha para a balança entre chatbot tradicional baseado em árvore de decisão e ChatGPT, é quase que incomparável as duas experiências, né? Você vai ter um chatbot fluido, inteligente, que é capaz de se adaptar a questões complexas, e isso tudo impacta na experiência final do consumidor.
Paulo Carvalho:
Muito bom, Will, é muito interessante estarmos vivenciando essa novidade em uma empresa como a Elife, que é sem dúvidas uma empresa sempre busca inovação, sempre busca estar na dianteira do mercado. E para uma empresa, no caso, olhando para um cliente, uma empresa que é usuária nesse chatbot, quais as vantagens desses novos chatbots em comparação com chatbots baseados em árvores de decisão?
William Ferreira:
Eu acho que não tem como nós falarmos dessa transição sem falar nos custos, né? A gente sabe que construir uma estrutura de chatbot tradicional e garantir essa estrutura é um trabalho que envolve uma equipe de desenvolvedores, envolve custo, exige uma estrutura muito grande. E essa estrutura grande acaba impossibilitando que a gente tenha um custo eficiente.
Então, quando eu penso nas vantagens desses novos chatbots, além de tudo que a gente já falou ali atrás, sobre a Experiência do Consumidor, eu também não consigo deixar de pensar em como isso impacta na redução de custos para a empresa. Porque a gente está falando de uma estrutura infinitamente menor.
Isso porque a maior parte do trabalho, a arquitetura, a inteligência que a gente precisa, ela já foi desenhada por outra empresa, que é o caso do ChatGPT (OpenAI), embora exista outras empresas aí nesse modelo.
Então, de alguma forma a gente retira o melhor potencial dessa estrutura, e traz para nossa empresa esse trabalho já mastigado, que já foi estruturado, para segmentá-lo dentro das informações que são pertinentes a cada negócio. Não tem como não falar de custos.
Paulo Carvalho:
Com certeza. Podemos dizer que a tecnologia do ChatGPT vai tornar chatbots mais acessíveis para pequenas e médias empresas?
William Ferreira:
Sem dúvida. Acho que é legal, quando a gente fala de pequenas e médias empresas, e vou pegar aqui o gancho do custo de novo, só para poder seguir o raciocínio. Mas pequenas e médias empresas não têm tanta verba disponível para fazer com que a mágica aconteça, né?
Eu gosto de pensar que a inovação sempre acontece no meio das grandes empresas, as grandes corporações. Mas a revolução acontece no meio das pequenas e médias empresas, porque a necessidade de ter uma estrutura eficiente, de ter redução de custos, de fazer a mágica acontecer, faz com que as pequenas e médias empresas se movimentem, consigam aderir muito mais facilmente a essas novas tecnologias.
E aí pensa, por exemplo, numa empresa que precisa ter um suporte 24/7, ter uma escala de pessoas, de trabalho, que garanta aquela cobertura. Pode ficar muito caro, o que inviabiliza um negócio para uma pequena média empresa quando a gente fala do ChatGPT.
Usando essa inteligência para dar suporte para o consumidor, eu consigo uma cobertura 24/7 para atender toda minha base de clientes, e isso é um ganho muito grande para qualquer empresa. Além do que, qualquer escala, quando a gente fala de crescimento, a pequena e média empresa que começa a crescer, ela automaticamente precisa de mais recursos humanos para poder fazer o trabalho de entrega.
Nessa estrutura do ChatGPT, a gente tem um ganho enorme porque a escala é automatizada. Então eu consigo ter um crescimento muito mais sustentável quando eu penso numa pequena e numa média empresa. Além do que, essas novas ferramentas, elas nos dão uma facilidade de uso e de manuseio que as estruturas atuais não nos permitem fazer. Dificilmente uma pequena e média empresa vai ter verba para pagar uma empresa para desenvolver um chatbot, ou vai ter, internamente, desenvolvedores capazes e habilitados para fazê-lo sozinho.
Nessa nova estrutura do ChatGPT, eu consigo construir um chatbot em alguns minutos, basicamente definindo questões simples ali, que estão parametrizadas, para que aquele bot se comporte de alguma forma. Isso significa que qualquer pessoa dentro da área de atendimento de uma empresa é capaz de construir essa tecnologia e integrar ao processo de atendimento para facilitar o seu próprio trabalho.
Eu acho que a gente está falando aqui, de fato, de uma democratização do que a tecnologia para o atendimento ao consumidor pode fazer.
Paulo Carvalho:
Muito bom, foi esse público de pequenas e médias empresas que inspirou a Elife a criar a Cxpress, né? Democratizar realmente o atendimento omnichannel e o atendimento automatizado, agora com o ChatGPT.
William Ferreira:
Exato, a gente basicamente usou a ideia, a estrutura. Na verdade, os conceitos que as grandes empresas estabelecem de jornada do consumidor para levar esses conceitos, essas ideias, para as pequenas e médias empresas também conseguirem se adaptar, de alguma forma.
Paulo Carvalho:
E o que o empresário, William, precisa para criar o seu próprio chatbot com a tecnologia do GPT?
William Ferreira:
Bem, acho que a gente está falando aqui de várias possibilidades, né? E eu vou falar especificamente da Cxpress, porque é o nosso universo aqui de discussão.
A gente construiu o modelo de automação na Cxpress de uma forma que ele fosse acessível de fato. Então quando a gente pensou nas informações necessárias para desenvolver esse chatbot, a gente não esperava que as pessoas tivessem qualquer conhecimento técnico sobre como fazer.
O nosso caminho foi basicamente facilitar isso em três etapas, a gente pode dizer: você primeiro constrói uma base de conhecimento. E uma base de conhecimento é algo simples, eu tô falando de perguntas e respostas que você já tenha numa FAQ, eu tô falando de e-mails que já foram recebidos.
Qualquer transcrição de dados, que tenha ali informação útil para o consumidor, pode ser link de site, pode ser apresentação em PowerPoint de uma campanha que vai ser lançada. Enfim, todos esses formatos e documentos podem ser usados como uma base de conhecimento.
A gente empodera, de alguma forma, o ChatGPT para ele entender qual é o universo de conversa. Isso porque a maior preocupação dos nossos consumidores foi “ah, mas nós vamos colocar o ChatGPT dentro do nosso chatbot, e ele vai começar a falar sobre coisas aleatórias que não tem a ver com o nosso negócio”. Na verdade, não.
A gente criou um filtro, que é justamente a base de conhecimento, para que quando o ChatGPT for responder ao usuário, ele passe por esse filtro e se limite exclusivamente às respostas que estão dentro desse filtro, da base de conhecimento. Obviamente, dali ele cria novas respostas, e essa é a graça do modelo baseado em inteligência artificial generativa.
Ele consegue pegar um conteúdo, um input, uma informação, e transformar aquela informação de uma forma mais adaptada, dentro de um contexto, de uma forma mais próxima daquilo que o usuário está perguntando. Diferente daquilo, do exercício sobre Paris.
Quando eu perguntar “qual é a capital da França?”, ele vai me responder detalhadamente “a capital da França é Paris” e ele pode até dar mais informações, como população e tudo mais. Assim como, quando eu perguntar sobre a Torre Eiffel, ele vai dar também detalhes sobre a Torre Eiffel, sobre onde ela está e, enfim, entendendo o contexto e detalhando aquela informação para ficar mais rica.
A base de conhecimento faz isso, ela cria esse universo para que o ChatGPT possa, a partir dele, gerar novas respostas.
Depois disso, depois de criar a base de conhecimento, nós definimos quais são os mandamentos. Ele é um chatbot que vai responder no feminino, no masculino? Se gênero não é uma questão, mas ele vai sempre usar a terceira pessoa, a primeira pessoa? “Qual é a brand persona?”, nós costumamos dizer no meio das grandes empresas.
Ou melhor, qual é o comportamento de resposta que você espera que o chatbot tenha? E essas definições podem ser escritas: “eu quero que toda vez que alguém me mandar uma mensagem, ele cumprimente com ‘Olá’, ‘bom dia’, ‘boa tarde’, diga o nome da pessoa, em seguida a resposta”.
Todas essas definições, que nós chamamos de prompts, que são os comandos utilizados para gerar o comportamento, são facilmente descritas dentro da plataforma. Eu tô falando basicamente de duas etapas, que é levantar o conteúdo e definir qual é o comportamento que esse chatbot vai estabelecer na conversa. E é tudo para você construir um chatbot baseado em inteligência artificial generativa com o ChatGPT.
Paulo Carvalho:
Muito bom, William. Bem-vindos à revolução! Uma pesquisa recente da Elife sobre Experiência com Atendimento apontou que o WhatsApp é o canal preferido de 9 em cada dez brasileiros na hora de entrar em contato com as empresas. Como é que você acredita que o ChatGPT e a Cxpress entram nesse contexto?
William Ferreira:
Acho que é legal a gente pensar que a estrutura do ChatGPT é baseada em conversa, né? E isso é que é legal, a gente até aqui construiu os chatbots cheios de informações, imagens e vídeos, e o que era possível fazer para chamar a atenção do usuário.
E de repente veio o ChatGPT, com texto, texto puro, e ele conseguiu ganhar a atenção de todo mundo porque a conversa é boa.
E aí, quando a gente pensa nisso, o WhatsApp se encaixa muito bem nesse sistema. A gente tá falando de uma plataforma de conversa baseada majoritariamente em texto, e eu não tô dizendo que isso exclui as possibilidades de uso de outras ferramentas. Não, eu estou dizendo que o modelo de trabalho do WhatsApp tem muito a ver com o modelo de trabalho do ChatGPT.
Então a integração das duas ferramentas responde a essa principal necessidade que o usuário já tem: ele prefere falar com a empresa no WhatsApp. É óbvio que ele prefere porque ele não precisa ficar pendurado no telefone, porque ele pode responder quando ele tiver disponibilidade, porque ele pode trocar documentos ali, já mandar prints e outras informações necessárias, enfim.
De fato, a facilidade do WhatsApp já foi comprovada nesta pesquisa, que nós fizemos na Elife, e agora com o ChatGPT eu acho que a gente tem duas plataformas que funcionam maravilhosamente bem e atendem justamente à expectativa do utilizador final.
Paulo Carvalho:
Daqui a pouco a gente vai ter uma demonstração prática da nossa plataforma Cxpress e do chatbot ChatGPT, usando toda a linguagem natural.
E aí, William, só para dar um overview aí, o que é que as pessoas podem aguardar dessa demonstração da Cxpress, e a demonstração do nosso bot, usando NLP?
William Ferreira:
A gente costuma dizer que a Cxpress é uma plataforma que simplifica, automatiza e unifica o atendimento ao consumidor. Então eu acho que a nossa expectativa por meio dessa experimentação, que nós vamos fazer agora, é mostrar para vocês que a construção de um chatbot pode ser muito mais fácil do que foi anunciado pelo mercado até agora.
A gente quer realmente que a pizzaria do meu bairro consiga criar um chatbot em minutos, que o mercado da esquina tenha a possibilidade de ter um chatbot para atender o consumidor também. Isso vai facilitar para todo mundo, vai facilitar para o empresário, vai facilitar para o consumidor final. E o nosso trabalho aqui é mostrar para vocês como isso pode ser simplificado.
Paulo Carvalho:
Muito obrigado, William, pelo papo. Então o convite agora, que eu faço para vocês, é assistirem a demonstração do Gabriel, que é o nosso especialista na Cxpress.
Ele vai mostrar em poucos minutos, na prática, como criar o seu bot usando a inteligência natural e como atender os seus clientes de forma prática, omnichannel, na nossa ferramenta Cxpress.
