Bagaimana Cara Kerja Chatbot AI? Begini Penjelasan Singkatnya

Apa Definisi dari Chatbot AI?

Dalam tingkatan paling sederhananya Chatbot dapat didefinisikan sebagai sebuah program yang dikembangkan untuk melakukan diskusi/percakapan dengan manusia. Nantinya, setiap pengguna dari program ini dapat mengajukan semacam pertanyaan atau pernyataan kepada “bot” tersebut. Kemudian, si bot ini tadi akan memberikan output jawaban atau tindakan yang sesuai.

Hal semacam ini memungkinkan terjadinya komunikasi antara manusia dan mesin. Bahkan, kalau kita bicara lebih jauh lagi, ada sebuah chatbot yang bisa “belajar sendiri” sekaligus bisa berkomunikasi menggunakan bahasa alami. Yup benar, ini adalah Chatbot AI. Program bot ini bisa merespons dari input pengguna dan memberikan output sesuai kombinasi skrip yang telah diprogram sebelumnya melalui algoritma pembelajaran mesin.

Tentu, Chatbot AI masih memerlukan sebuah database pengetahuan untuk mengolah semua hal tersebut. Semisal, ada sebuah input dari pengguna yang belum bisa dideteksi oleh si Chatbot AI ini, maka bot akan mencoba meneruskan input tersebut ke “human operator.” Dengan kata lain, pembelajaran mesin dan big data adalah 2 fondasi awal dari sebuah chatbot AI.

Sebelum masuk ke pembahasan singkat terkait bagaimana cara kerja Chatbot, sebaiknya kita semua harus mengenal dulu komponen penting dari sebuah arsitektur program ini.

Komponen Penting dalam Arsitektur Chatbot AI

Arsitektur bisa dibilang sebagai tulang punggungnya sebuah program chatbot manapun. Jenis arsitektur chatbot Anda bergantung pada berbagai faktor, seperti use-case, domain, jenis chatbot, dan lainnya. Namun, secara garis besar, alur percakapan dasarnya tetap sama. Berikut ini adalah beberapa komponen penting dari arsitektur chatbot:

Sistem Tanya dan Jawab

Seperti namanya, sistem tanya dan jawab itu memiliki peran untuk menjawab pertanyaan umum dari pengguna. Pertanyaan tersebut, nantinya, akan ditafsirkan oleh sistem dan kemudian akan dibalas dengan tanggapan yang sesuai dari database pengetahuan. Ada dua jenis “pelatihan” dalam sistem ini:

• Pelatihan manual mengharuskan beberapa orang domain specialist untuk menyusun daftar pertanyaan umum yang kemungkinan besar akan diajukan oleh pengguna, sekaligus memetakan jawabannya. Kalau Anda ingin yang lebih sempurna Anda juga bisa menggunakan beberapa pakar linguistik dan pakar etika di proses ini. 

• Pelatihan otomatis mengharuskan Anda untuk mengirim sejumlah dokumen khusus ke program chatbot dan memerintahkan program tersebut untuk melatih dirinya sendiri berdasarkan dokumen tersebut. 

Environment

Environment di sini konteksnya adalah bertanggung jawab untuk melakukan kontekstualisasi input dari pengguna agar lebih bisa dipahami oleh Chatbot AI menggunakan natural language processing (NLP).

Mesin NLP adalah salah satu komponen utama dalam arsitektur chatbot. Mesin ini memiliki kemampuan untuk menafsirkan apa yang dikatakan oleh pengguna pada waktu tertentu dan mengubahnya menjadi sebuah atau sejumlah input yang terorganisir. Kemudian, input tersebut akan diproses oleh sistem. Mesin NLP menggunakan sebuah algoritma pembelajaran mesin tingkat lanjut dalam menentukan maksud atau niat penggunanya. Setelah itu, dia akan mencocokkannya dengan database pengetahuan yang sudah ada di bot.

Mesin NLP terbagi menjadi dua komponen lagi:

• Intent Classifier: memetakan antara apa yang diminta pengguna dan jenis tindakan apa yang paling sesuai untuk dilakukan oleh program.

• Entity Extractor: memiliki tanggung jawab untuk mengidentifikasi kata kunci dari kueri pengguna.

Sistem Front-End

Sistem front-end adalah tempat pengguna berinteraksi dengan chatbot. Ini adalah sistem yang langsung memungkinkan pengguna berhubungan langsung dengan chatbot milik. Anda harus memperhatikan juga beberapa hal terkait Antarmuka Pengguna dan Pengalaman Penggunanya.

Node Server / Traffic Server

Sebuah server yang menangani permintaan traffic dari pengguna dan mengarahkannya ke komponen yang tepat. Respons dari komponen internal sering kali disalurkan melalui traffic server menuju ke sistem front-end.

Integrasi Kustom

Dengan integrasi kustom, chatbot Anda dapat diintegrasikan dengan sistem backend yang ada seperti CRM, aplikasi pembayaran, kalender, dan beberapa sistem lainnya. Hal ini dilakukan agar chatbot AI Anda semakin cerdas kemampuannya.

Oke, selanjutnya, mari kita mencari tahu secara singkat bagaimana cara kerja sebuah Chatbot.

Bagaimana Cara Kerja Chatbot AI?

Dikembangkannya sebuah chatbot pasti dia ini punya suatu alasan tertentu. Misalnya, sebuah toko di e-commerce kemungkinan besar menggunakan chatbot untuk membantu mereka dalam mengautomasi proses jual beli agar lebih efisien. Di sisi lain, sebuah perusahaan telekomunikasi kemungkinan besar menggunakan chatbot untuk membantu mereka dalam menjawab pertanyaan dari pelanggan. 

Pada dasarnya, berdasarkan yang kami lansir dari Maruti Tech, ada 3 model kerja dari suatu chatbot.

Pattern-Matching

Sebuah bot yang menggunakan metode pattern-matching atau pencocokan pola akan melakukan klasifikasi input teks dan menghasilkan respons yang sesuai berdasarkan database. Struktur standar pola ini adalah menggunakan bahasa “Artificial Intelligence Markup Language” (AIML).

Contoh pattern-matching sederhana:

Input pengguna: Do you know who Abraham Lincoln is?

Chatbot menjawab: Abraham Lincoln was the US President during the American civil war.

Pattern-matching dengan bahasa AIML adalah salah satu founding father dari keseluruhan teknologi chatbot berikutnya. Metode ini hanya berfungsi melalui pencocokan semacam kalau A maka B saja. Kalau ada sesuatu yang lebih kompleks dari hal ini, model chatbot ini tidak akan bisa menjawab. Terlepas dari keterbatasannya ini, seperti yang dituliskan sebelumnya, metode ini adalah awal dari berbagai program chatbot berikutnya.

Algoritma

Pola yang unik harus tersedia dalam database untuk memberikan respons yang sesuai untuk setiap jenis pertanyaan. Sebuah hirarki akan dibuat dengan menggunakan banyak kombinasi pola. Algoritma digunakan untuk mengurangi jumlah pengklasifikasian dan membuat struktur yang lebih mudah dikelola.

Multinational Naive Bayes adalah salah satu algoritma learning classification untuk NLP yang paling populer digunakan. Misalnya, Anda punya sekumpulan kalimat dalam kelas tertentu. Setiap ada input kalimat baru, setiap katanya itu akan dihitung berdasarkan kemunculan atau occurance-nya dan berdasarkan kemiripan atau commonality-nya. Kemudian, setiap kelas (yang berisi beberapa kumpulan kalimat) diberi skor. 

Kelas dengan skor tertinggi lah yang paling mungkin dikaitkan dengan kalimat input dari pengguna.

Contohnya: 

Class: Greetings

“How are you doing?”

“Good morning”

“Hi, there!” 

Sample Input Sentence Classification:

Input: “Hello, good morning.”

Term: “Hello” (no matches)

Term: “Good” (class: Greetings)

Term: “morning” (class: Greetings)

Classification: Greetings (score=2) 

Bagian skor klasifikasi mengidentifikasi kelas dengan kecocokan kata paling banyak. Skor menandakan intent mana yang paling sesuai dengan kalimat tersebut, namun tidak menjamin bahwa kalimat tersebut benar-benar cocok. Skor tertinggi ini itu hanya memberikan basis relativitas saja.

Artificial Neural Networks

Jaringan Neural adalah cara menghitung output dari input yang menggunakan koneksi yang dihitung dari iterasi berulang saat proses melatih data ke chatbot. Setiap langkah yang dilalui oleh data pelatihan ini akan mengubah prioritas jawaban. Hal ini tentu menghasilkan output dengan akurasi yang lebih baik.

Setiap kalimat dipecah menjadi kata-kata individual, kemudian setiap kata itu digunakan sebagai input dalam “jaringan neural” ini. Lalu, ini semua dihitung dengan iterasi berbeda melalui data pelatihan ribuan kali sehingga output jawaban yang nanti dikeluarkan akan menjadi lebih akurat. Lihat ilustrasi di bawah ini untuk lebih jelasnya.

Oke, tentunya, ada banyak variasi lainnya terkait model kerja chatbot ini. Semuanya, kemungkinan besar, turunan dari antara atau semua model kerja yang barusan Anda baca tadi. Kompleksitas juga dapat meningkat pada beberapa variasi. Namun, hal mendasarnya itu tetap sama, dan inti pekerjaanya adalah tetap melakukan klasifikasi teks.

Kesimpulannya

Sebagian besar perusahaan saat ini hadir secara online dalam bentuk website atau sosial media. Mau tidak mau, Anda harus memanfaatkan sistem chatbot ini untuk berkomunikasi dengan audiens Anda dengan lebih dengan mudah dan efisien. Apalagi untuk Anda yang sedang membutuhkan kualitas customer support/service yang cepat. Masih khawatir dengan “kakunya” chatbot? Jangan khawatir karena sistem Chatbot modern saat ini sudah dapat berkomunikasi dengan audiens Anda dengan intonasi ucapan yang sama seperti manusia. Semua ini bisa terjadi berkat pengembangan dan kemajuan pesat dalam NLP. 

Ingin merasakan bagaimana pengalaman menggunakan chatbot? Atau mungkin masih punya beberapa pertanyaan terkait ini? Apapun itu, tim kami siap untuk memberikan konsultasi kepada Anda. Terima kasih semoga bisa membantu.