Thought Leadership
Chatbots haben einen ähnlichen evolutionären Weg eingeschlagen wie selbstfahrende Autos. Mit dem Benchmarking-Ansatz für fahrerlose Fahrzeuge sind sie von dem, was wir Level 0 nennen könnten – einfache Call-and-Response-Programme – zu Level 5 vorgedrungen – hochentwickelte KI-gesteuerte Motoren, die zunehmend menschenähnliche Aufgaben ausführen können.
Wie, als würde man von Wählscheibentelefonen zum iPhone wechseln.
Chatbots sind, wie bei selbstfahrenden Fahrzeugen, noch nicht am Punkt der vollständigen Autonomie angelangt. Aber jeden Tag kommen sie ihm ein Stück näher.
Stufe 0: Regelbasierte Chatbots
Angefangen hat alles 1966, mit Antwortskripten auf häufig gestellte Fragen. Diese frühen Chatbot-Vorgänger, die immer noch im Einsatz sind, generieren geskriptete Antworten auf der Grundlage vorprogrammierter Regeln. Sie verlassen sich auf den Musterabgleich, um eine Konversation nachzuahmen, und können nicht aus dem Gespräch lernen oder sich anpassen, ohne umprogrammiert zu werden.
Der MIT-Informatiker Joseph Weizenbaum entwickelte 1966 den ersten solchen Chatbot. Er nannte diesen ELIZA (nach Eliza Doolittle, der Straßenhändlerin, die in George Bernard Shaws „Pygmalion“ zum Toast der Londoner Gesellschaft wird). Weizenbaum programmierte ELIZA so, dass es wie ein Roger’scher Psychotherapeut kommunizierte und auf Benutzeraufforderungen mit Fragen reagierte, die auf Schlüsselwörtern basierten. Wenn Sie ELIZA sagten, dass Sie unglücklich waren, würde es antworten: „Warum sind Sie unglücklich?“
Solche Bots basieren auf Entscheidungsbäumen, haben ein kleines Vokabular und verstehen möglicherweise nicht die gleiche Frage, die auf unterschiedliche Weise gestellt wird („Wo ist mein Paket?“ vs. „Wann kommt meine Bestellung an?“). Regelbasierte Bots können ihre Leistung im Laufe der Zeit nicht ohne weitere Codierung verbessern. Da sie jedoch relativ kostengünstig zu erstellen und zu verwenden sind, sind die Nachkommen von ELIZA auch heute noch weit verbreitet und ermöglichen es den Benutzenden, Informationen leichter zu finden, als Suchwerkzeuge zu verwenden oder FAQs zu durchkämmen.
Stufe 1: Intelligente Textbots
Die ersten intelligenten Chatbots haben dann im Jahr 2000 angefangen menschliche Sprachmuster zu verstehen und begonnen diese zu imitieren.
Level-1-Chatbots verwenden Natural Language Processing (NLP), einen Zweig der KI, der entwickelt wurde, um menschliche Sprache zu verstehen und in gleicher Weise zu reagieren. Sie gelten als Vorläufer der heutigen Sprachassistenten für Verbraucher (z. B. Siri, Alexa und Google Assistant).
Der erste weit verbreitete NLP-basierte Chatbot war SmarterChild, der Anfang der 2000er Jahre über AOL Instant Messenger, MSN Messenger und Yahoo Messenger zugänglich gemacht wurde. SmarterChild konnte menschenähnliche Gespräche führen und Informationen aus dem Internet abrufen. (Auf dem Höhepunkt seiner Popularität nutzten mehr als 30 Millionen Menschen SmarterChild, um nach Schlagzeilen, Wetterberichten und Aktienkursen zu fragen.)
Die heutigen NLP-basierten Bots, die mit Milliarden von Sprachbeispielen gefüttert werden, können im Handumdrehen menschenähnliche Textantworten generieren, Synonyme identifizieren und ähnliche Fragen verstehen, die auf verschiedene Weise formuliert sind.
Gartner prognostiziert, dass bis 2027 1 von 4 Unternehmen auf Bots als primäre Kundensupportkanäle angewiesen sein wird.
Stufe 2: Conversational AI Agents
2010 kamen dann die ersten sprachgesteuerten Assistenten auf den Markt: Konversations-KI-Bots, die NLP-Elemente (z. B. Stimmungsanalyse und natürliches Sprachverständnis und -generierung) mit automatischer Spracherkennung, Dialogmanagement und Text-to-Speech-Technologien kombinieren. Auf diese Weise können sie gesprochene Sprache verstehen und in gleicher Weise reagieren, ohne Benutzerschulung oder spezialisiertes Vokabular.
Das Aufkommen von Siri im Jahr 2010 läutete eine neue Ära der Gesprächsassistenten ein. Diese Bots wurden in Telefone und intelligente Lautsprecher eingebaut und entwickelten sich schnell zu intelligenten Assistenten, die Besprechungen planen oder Spiele spielen können.
Dennoch wird diese Art von Bot als „schwache“ oder „schmale“ KI angesehen, da sie durch die Länge und Komplexität der verbalen Interaktionen begrenzt ist. Sie haben Schwierigkeiten, Absichten zu erkennen, können nicht aus Gesprächen lernen und nur einfache Aufgaben ausführen.
Trotzdem hat Gartner prognostiziert, dass Conversational AI Bots Unternehmen bis 2026 jährlich 80 Milliarden US-Dollar an Kundensupportkosten einsparen werden.
Stufe 3: Generative KI-Bots
Generative KI Chat Bots haben 2021 begonnen den Markt zu revolutionieren. Sie sind in der Lage kreative Inhalte zu generieren und sind ein Riesenschritt in der Entwicklung künstlicher Intelligenz.
Die neueste Generation von Chatbots, die auf großen Sprachmodellen (LLMs) mit Milliarden und sogar Billionen von Eingaben basieren, überwinden fast jede Einschränkung ihrer Vorgänger.
Wie mehrere neue generative KI-Plattformen (ChatGPT, Bing Chat, Google Bard) zeigen, können diese Bots eine bemerkenswerte Bandbreite an menschenähnlichen Aufgaben ausführen. Sie können Poesie, Musik und Kunst kreieren (oder erzeugen) und auch Softwarecode schreiben oder komplexe mathematische Gleichungen lösen.
Die Nachteile von LLMs sind ebenfalls gut dokumentiert. Sie können unter „Halluzinationen“ leiden, bei denen sie „Fakten“ fabrizieren und wilde Ungenauigkeiten produzieren. Und da diese Bots mit Internetdaten trainiert werden, sind sie anfällig für die gleichen Vorurteile, Ungenauigkeiten und Unwahrheiten, die online existieren.
Trotz dieser Bedenken planen laut Harris Poll 72 % der Fortune-500-Unternehmen den Einsatz generativer KI, um ihre Produktivität zu verbessern.
Stufe 4: Benutzerdefinierte KI-Bots
Seit 2023 sind die generativen KI Chatbots auch auf kleineren Tools verfügbar. Der Betrieb von LLM-basierten Bots erfordert eine enorme Menge an Energie und spezialisierten Computerchips, wodurch KI-generierte Inhalte menschlicher klingen. Aufgrund dieses Ressourcenhungers, muss die nächste Stufe der KI-Bots kleiner und individueller sein.
Diese Kleinen Sprachmodelle (SLMs) benötigen viel weniger Daten für das Training und weniger Komplexität. Das bedeutet, dass sie weniger Energie verbrauchen und weniger anfällig für Halluzinationen sind. Sie werden eingeschränkter sein, aber gezielter in dem, was sie tun können. Sie können beispielsweise auf Unternehmens- oder Branchendaten trainiert und für eine einzelne Aufgabe eingesetzt werden, z. B. die Identifizierung von Bildern oder die Erstellung personalisierter Marketinginhalte.
Es wurden nur eine Handvoll SLMs bereitgestellt, hauptsächlich zum Schreiben von Code und zum Abrufen von Daten. Eine Gruppe akademischer Informatiker stellt sich der Herausforderung eine Art BabyLM zu erstellen.
Solche SLMs wären ein wichtiger Weg die Leistung und Genauigkeit zu verbessern, ohne sich um die für ihren Betrieb erforderlichen Ressourcen kümmern zu müssen.
Stufe 5: Intelligente Digital Worker
Die Zukunft intelligenter Chatbots wird ein vollkommen autonomes Produkt sein.
Das ultimative Ziel für Chatbots ist, wie bei selbstfahrenden Autos, dass sie autonom agieren – ohne dass jemand hinter dem Steuer sitzt. Aber wie bei Autos heute wird es auf absehbare Zeit einen Menschen benötigen, um den Vorgang zu kontrollieren.
Es gibt eine Menge wirtschaftlicher Vorteile, die davon abhängen. Das Weltwirtschaftsforum prognostiziert, dass bis 2027 mehr als 40 % der gängigen Geschäftsaufgaben automatisiert sein werden. Chatbots werden sich von Kuriositäten zu Mitarbeitenden wandeln, die unsere Aufgaben verstehen und die richtigen Informationen liefern oder die richtige Aufgabe zur richtigen Zeit ausführen.
Diese intelligenten Digital Worker (IDWs) werden die Benutzerfreundlichkeit von Conversational Bots mit den Fähigkeiten spezialisierter Modelle für maschinelles Lernen kombinieren. Wir befinden uns in einem Moment nach BlackBerry und vor dem iPhone, in dem die gesamte Technologie vorhanden ist, aber wir noch kein Beispiel für eine großartige KI haben. Niemand hat es so schön verpackt wie das iPhone. Aber der Tag wird kommen.
