Baixe o app para aproveitar ainda mais
Prévia do material em texto
ADMINISTRAÇÃO DA INFORMAÇÃO O USO DA INTELIGÊNCIA ARTIFICIAL: UMA REVISÃO SISTEMÁTICA DOS PRINCIPAIS DESAFIOS DO CHATBOT NO RELACIONAMENTO COM O CLIENTE 1 RESUMO O ChatBot é um robô que utiliza um sistema de Inteligência Artificial que visa simular a conversação com humanos, sendo capaz de responder perguntas e solicitações com o propósito de criar um diálogo eficiente e real entre usuário e robô. Com o avanço tecnológico essa ferramenta digital tem modificado a maneira como as empresas se relacionam com seus clientes, essas estão buscando cada dia mais ferramentas que automatizam o atendimento ao cliente de maneira que possam ganhar velocidade e reduzir custos, mas sem perder a qualidade. Com a aceleração da digitalização das empresas, muitas buscam às pressas criar ou utilizar um recurso de inteligência artificial já pronto que não se sintam atrasadas no mercado. Mas para a implementação eficiente dessa solução é necessário planejamento, investimento, testes, personalização e manutenção. Entendendo o potencial, crescimento acelerado e relevância dessa tecnologia, o presente artigo tem como objetivo apresentar uma Revisão Sistemática da Literatura com as limitações que impactam a implementação de um Chatbot para se relacionar com os clientes. Através do cruzamento das principais barreiras evidenciadas pelos autores de publicações recentes, buscamos auxiliar pesquisadores e desenvolvedores na construção de futuros projetos. As conclusões deste artigo destacam a necessidade de mais investimento, pesquisas e estímulos para o desenvolvimento de novas soluções de Chatbots, além de um aprofundamento de estudos dentro de áreas específicas, como a da saúde que se destacou na pesquisa realizada. PALAVRAS-CHAVE: Chatbot; Relacionamento com o Cliente; Revisão Sistemática; Inteligência Artificial. ABSTRACT ChatBot is a robot that uses an Artificial Intelligence system that aims to simulate a conversation with humans, being able to answer questions and requests with creating an efficient and real dialogue between user and robot. With the technological advancement, this digital tool has changed the way companies relate to their customers, they are increasingly looking for tools that automate the customer service so they can save time and reduce costs, without losing quality. Following the fast digitization process in the market, many companies are in a hurry to create or use a pre-made artificial intelligence system, so they do not feel lagging in the market. For an efficient implementation of this solution planning, investment, testing, customization and maintenance are necessary. Understanding the potential, accelerated growth and relevance of this technology, this article aims to present a Systematic Review of Literature about the limitations that impact the implementation of a Chatbot for the customers relationship. After crossing the main barriers evidenced by the authors of recent publications, we seek to assist researchers and developers in the construction of future projects. The conclusions of this article highlight the need for more investment, research and incentives for the development of new Chatbots solutions, in addition to further studies within specific areas, such as health, which stood out in this research. 1. INTRODUÇÃO 2 Conhecido por simular interações humanas e apresentar uma personalidade, o chatbot é um programa desenvolvido para suprir as necessidades estipuladas pelo seu programador. Suas conversas tendem a ser uma resposta do seu aprendizado inteligente ou de um script pré-estabelecido que o compõe (Timplalexi, 2016). Nas últimas décadas o investimento em Inteligência Artificial (IA) tem sido cada vez mais discutido e apoiado nas empresas, principalmente pela praticidade que traz em rotinas e tarefas decisivas (Mckendrick, 2017). Partindo para a usabilidade, o uso dos Chatbots se tornou popularizado entre as organizações e clientes. Diante de um cenário de constante evolução é notório que os usuários estão cada vez mais abertos a descobrir e usufruir das vantagens de serem atendidos por assistentes virtuais. Para uma empresa que prioriza o relacionamento com o cliente, o Chatbot se mostrou uma solução eficiente para seu fortalecimento, podendo ser utilizado em diversas áreas, como da saúde, educação e varejo. Focando em proporcionar qualidade na interação, eficiência e uma experiência agradável e satisfatória. Apesar dos avanços da Inteligência Artificial, ainda há limitações que restringem o bom funcionamento do Chatbot, como a falta da aplicação de recursos de comunicação humanizada, ausência de personalização nas respostas e falta de compreensão da linguagem informal. O Chatbot ainda tem dificuldades para assimilar ou associar as palavras utilizadas pelos consumidores como gírias, abreviações e erros de digitação, o que limita sua responsividade (Fryer, Nakao e Thompson, 2019). Segundo Huang e Rust (2018), a tecnologia deve ter capacidades empáticas, sendo assim, ser capaz de entender e assimilar as emoções humanas. Além disso, a escassez de uma representação do Chatbot, distanciam a empresa do seu cliente. Segundo Belanche et al. (2020), os chatbot que apresentam uma aparência e estética semelhante à humana, tendem com que os usuários tenham percepções positivas, há o aumento do apego emocional e aumenta sua confiança nos robôs. Podemos destacar a grande dificuldade na inserção de características humanizadas durante a comunicação, limitando o desempenho e o fornecimento de serviços para o usuário. Outro fator percebido é a programação de perguntas e respostas pré definidas com auto-seleção, o que limita o chatbot a reconhecer a solução que o cliente deseja, gerando a insatisfação por parte do consumidor, (Janmohamed et al., 2020). As empresas possuem acesso a uma variedade de informações valiosas sobre os seus consumidores de forma que garanta maior vantagem competitiva, mas segundo (Aboueid et al., 2021), não há transparência sobre como os dados coletados são usados por elas. Essas deficiências impactam no relacionamento e satisfação do usuário, pois comprometem diretamente no processo de troca e busca de soluções entre o Chatbot e o usuário. Por meio dessas dificuldades é proposto incentivar mais pesquisas e disseminar conhecimentos para gerar mais engajamento e interesse por parte da sociedade e organizações, dessa forma, aumentando os investimentos em IA para que os chatbots aprimorem a performance de entendimento da linguagem informal. Por fim, é crucial para as empresas a identificação de erros para o processo evolutivo dos ChatBots de maneira rápida e consistente (Africa Renew, 2020). Pensando nessas necessidades, esse artigo tem como objetivo mapear as principais limitações do uso do chatbot. Através de uma Revisão Sistemática e tabulação das barreiras presentes na literatura, queremos responder a seguinte 3 questão de pesquisa: Quais fatores prejudicam o relacionamento com o cliente através do uso de Chatbot? 2. REFERENCIAL TEÓRICO Este referencial teórico não tem a intenção de limitar os assuntos aqui apresentados, o objetivo é abordar os conceitos para compreensão de como as empresas estão se adaptando ao relacionamento com o cliente na era da informação com o auxílio da inteligência artificial e principalmente com o uso de chatbots, discussão primordial dessa pesquisa. Sendo assim, esta seção está dividida em três partes. Na primeira, o fundamento do relacionamento com o cliente que é abordado sob as perspectivas da gestão empresarial, na segunda parte, apresentamos o surgimento, conceito e tecnologias da inteligência artificial e por fim, na última parte, o desenvolvimento do chatbot durante as últimas décadas. 2.1 RELACIONAMENTO COM O CLIENTE Ao longo das décadas temos observado maiores preocupações das empresas com seus clientes no que tange o gerenciamento de seus relacionamentos, visto que a melhor abordagem pode fidelizar os consumidores à sua marca de forma duradoura (Correia e Monteiro, 2005). Criar um relacionamento de qualidadecom o cliente envolve primeiramente a compreensão e a disposição para dar voz às necessidades do consumidor, a fim da empresa entender o que de fato é esperado e desejado, seja de forma explícita ou implícita. Além disso, é importante focar em proporcionar uma interação positiva, atendimento personalizado, gerar segurança durante a venda, oferecer um diferencial em relação aos competidores, priorizar os clientes e nunca se esquecer de providenciar um pós-venda adequado. Toda essa interatividade poderá gerar a lealdade e satisfação do cliente, que é o ponto onde queremos demonstrar que o relacionamento é baseado na forma que a empresa traz valor a interação (Correia e Monteiro, 2005). Assim como o processo de introdução de novos produtos ou serviços no mercado exige um estudo do Ciclo de Vida do Produto (CVP), na Gestão de Relacionamento com Cliente não é diferente. A rentabilidade do cliente com a empresa deve ser analisada e acompanhada, essa projeção é utilizada através do termo ‘’Lifetime Value’’ (LTV), ou seja, a organização deve compreender quanto seus clientes gastam com seus produtos ou serviços e assegurar que seja alimentado o relacionamento entre ambos durante todo o processo, garantindo a gestão de uma relação a longo prazo. Este conceito é exemplificado através de Rifkin (2001), apresentando um paradigma entre o cenário pós-industrial e a atualidade, onde, apenas a produção e vendas não são suficientes, mas devem ser geridas através das estratégias de marketing e foco na criação de relacionamentos duradouros. Os resultados de um bom comprometimento durante esse primeiro contato de vendas (Demo et. al, 2017), que a empresa se apresenta de acordo com o que se propõe e quanto mais atenção e solicitude, maior a confiança desenvolvida, lealdade e recomendações pelo atendimento diferenciado. 4 O uso de tecnologias vinculado às orientações de marketing se mostram cada vez mais comuns entre as empresas, e contribuem para criação de vantagem competitiva nos negócios (Kumar, et al., 2011). A união desses recursos deve estar centrada no consumidor, propondo um posicionamento dinâmico que ultrapassa as estratégias tradicionais comumente adotadas pelas empresas, deixando de focar somente em slogan, preços baixos e promoções, mas construir um ciclo interativo através de feedbacks constantes, incluindo clientes, fornecedores e investidores (Mckenna, 1992). As estratégias para desenvolvimento e aprimoramento nas interações B2C e B2B, atualmente, estão direcionadas ao CRM que é um processo organizacional onde o foco é voltado diretamente ao cliente no centro da estratégia, para atender e compreender suas necessidades (Magalhães e Angerames 2015) de modo a antecipá-las e satisfazê-las baseado na consolidação do estudo e conhecimento da organização durante os anos a respeito do seus clientes (Correia e Monteiro, 2005), não se limitando a sistemas, como muitas vezes é apresentado, mas sim um método lucrativo e vantajoso para destacar-se no mercado (Magalhães e Angerames, 2015). Podemos citar que além de gerenciar, é importante saber como explorar essa relação, no intuito de aumentar os serviços ou produtos a serem oferecidos e reconquistar os consumidores perdidos ou inativos, Wang e Feng (2012). Entretanto vale ressaltar que neste quesito, a manutenção dos clientes traz maior satisfação ao desempenho e expectativas da organização, de tal forma que a estrutura do CRM corresponde melhor a abordagem de gerenciamento (Johnson, Clarke e Barczak, 2012) e de prática, produz maior lucratividade a empresa, em razão de ser mais caro aderir um novo cliente ao portfólio da empresa do que manter os que já estão (Magalhães e Angerames, 2015). O crescimento do foco no cliente, principalmente através do CRM, está se desenvolvendo cada vez mais nos últimas anos pois a variabilidade e versatilidade do mercado aumentou consideravelmente, estimulando mudanças e inovações nas estratégias de como auxiliar o consumidor, bem como administrar as informações recebidas por eles através dos bancos de dados (Stein, Smith e Lancioni, 2013). Consequentemente, ocasiona a necessidade de adaptação à nova era da informação baseada na tecnologia e os recursos que ela pode nos oferecer (Wang e Feng, 2012). 2.2 INTELIGÊNCIA ARTIFICIAL Na década de 1950, estudiosos buscavam recriar a inteligência humana com base no funcionamento das redes neurais do cérebro humano (Niu et al., 2016), essa foi uma das primeiras tentativas de criar uma Inteligência Artificial. Porém, o termo Inteligência Artificial (IA) só foi apresentado pela primeira vez em 1956 pelo cientista da computação John McCarthy, durante uma conferência sobre o tema (Muthukrishnan et al., 2020). Em meados dos anos 1969 pesquisadores apresentaram as primeiras análises baseadas no uso da IA por meio de regras, que surgiu a partir de estudos das lógicas matemáticas e da teoria dos algoritmos (Stefanuk e Zhozhikashvili, 2002). Essa nova abordagem desvalorizou e provou que os estudos das redes neurais poderiam ser incompletos e pouco confiáveis. Logo após, áreas de estudos sobre a IA sofreram os seus primeiros períodos de estagnação, conhecidos como “Inverno da IA”, momentos marcados por ações de cortes de verbas que eram investidos em pesquisas, provenientes das instituições governamentais (Muthukrishnan et al., 2020). Após um longo período de altos e 5 https://sciprofiles.com/profile/127568 baixos no desenvolvimento da IA, o século 20 sofreu uma vasta expansão em descobertas e explorações das possibilidades de abordagens, recursos e, principalmente aplicações. Atualmente a Inteligência Artificial pode ser definida como a combinação de hardware e software capaz de resolver problemas e tomar decisões, por meio de comandos ou análises de dados, essa tecnologia visa recriar a inteligência humana (Esmaeilzadeh, 2020). É fato que os seres humanos superam as máquinas em sua capacidades cognitivas, porém o avanço em suas aplicações vem deixando claro seu potencial para analisar grandes volumes de dados e, por meio deles, identificar padrões, por isso as grandes empresas utilizam as máquinas para realizar tarefas de baixo valor agregado, consideradas operacionais, permitindo que os esforços sejam direcionados para atividades que estão além das capacidades da IA, como em situações que há a necessidade de julgamentos ou de aspectos criativos do intelecto (Plastino e Purdy, 2018). Nas empresas vemos a IA aplicada para agregar na produtividade e no desempenho, utilizada em diversas áreas, como em serviços de atendimento ao cliente, em que é possível esclarecer dúvidas, solicitar informações de produtos, rastrear pedidos, utilizando uma linguagem natural, como exemplo temos a Lu, chatbot da Magazine Luiza, ou em serviços como no e-commerce onde é usado para verificar padrões de interesses dos clientes e com isso fazer recomendações de compras mais assertivas, exemplo disso temos o site da Amazon (Srivastava, 2018). A inteligência Artificial é alimentada pelo Machine Learning (ML), um dos recursos da IA que prevê respostas, quando se sabe o que será solicitado, isso se dá por meio da lógica dos algoritmos, que reconhece padrões e agrupa dados semelhantes, ou seja, ele aprende por meio de algoritmos e executa atividades de forma autônoma e com o tempo e “experiência” o sistema aprende cada vez mais e se torna capaz de tomar decisões em diversos cenários (Nabi, 2018). No subcampo do ML temos o Deep Learning, na tradução aprendizado profundo, que “ensina” as máquinas a interpretarem e compreenderem dados de forma natural, assim são capazes de executar atividades de identificação de imagem, reconhecimento de fala e, principalmente a capacidade compreensão da linguagem natural, conhecida como Processamento de Linguagem Natural (PLN), um dos recursos da IA capaz de processar a linguagem humana, como fala e escrita (LeCun; Bengio e Hinton, 2015). É notável sua aplicabilidade em ferramentas e sistemas em que é necessário a leitura e análise da escrita pela IA, como softwares de correções gramaticaise chatbots que tem o objetivo de agilizar e tornar o atendimento dos clientes e consumidores mais prático. 2.3 CHATBOT Um chatbot é uma ferramenta de software que interage com os usuários em um determinado tópico ou em um domínio específico de uma forma natural e coloquial, usando texto e voz. O uso de agentes virtuais estão presentes no marketing, atendimento ao cliente, suporte técnico, bem como educação e treinamento. Os desenvolvimentos atuais nesta área sugerem que a interação com as tecnologias, seja pela linguagem natural ou pela fala, é possível porque a tecnologia se desenvolve e os usuários se acostumam a interagir com entidades digitais. Em vez de criar um aplicativo de máquina inteligente semelhante a um humano, trata-se de criar assistentes digitais eficazes que são capazes de fornecer 6 informações, responder perguntas, discutir um tópico específico ou executar uma tarefa (Pavel Smutny Petra, Schreiberova, 2020). A revolução tecnológica vem chegando de forma gradativa nas mãos dos consumidores, porém o desenvolvimento já começa desde de anos de 1800. E conforme ao longo dos anos surgiram chats que não surpreendiam a expectativa dos usuários, hoje em dia estão se tornando mais comuns. Os aplicativos de chatbot já existem há muito tempo, exemplos notáveis sendo ELIZA, ALICE, Claude e HeX. ELIZA foi o primeiro chatbot do mundo. Desenvolvido por Joseph Weizenbaum em 1956 ( Weizenbaum, 1983 ) Apesar das mudanças constantes no mercado e evolução tecnológica, percebemos que o uso de machine learning se tornou importante durante as comunicações digitais e com isso é preciso focar para que essa comunicação seja eficiente e eficaz para suprir a necessidade dos usuários. Hoje em dia, os chatbots são utilizados no atendimento para clientes, visam resolver problemas dos usuários de forma automatizada e reduzir a necessidade de envolvimento de pessoas no atendimento virtual. Assistentes digitais pessoais como Siri da Apple, Alexa da Amazon, Cortana da Microsoft ou Assistant do Google são as grandes referências quando falamos de tecnologias de reconhecimento de voz e inteligência artificial. Esses assistentes digitais usam técnicas de aprendizado de máquina e são capazes de gerenciar algumas tarefas do dia-a-dia de assistentes ou secretárias tradicionais (como organização de agenda e priorização de e-mail, destacando o conteúdo e as interações mais importantes) para ajudar seus usuários a se tornarem mais eficazes. (Budiu, 2018). Na aplicação real do chatbot podemos dizer que ajudam na questão profissional e são grandes ferramentas para o uso de empresas, pois fortalecem o como exemplo na comunicação, o relacionamento com o cliente e além disso são muito utilizados para suporte nas áreas da saúde e educação. Os chatbots têm uma longa história de uso como agentes pedagógicos em ambientes educacionais. Desde o início da década de 1970, foram desenvolvidos agentes pedagógicos em ambientes de aprendizagem digital conhecidos como Intelligent Tutoring Systems (Laurillard, 2013). Com isso os resultados presentes no cotidiano das empresas e pessoas crescem. O serviço de rede social Facebook abriu sua plataforma de Messenger para permitir a inclusão de chatbots no aplicativo em abril de 2016. Desde então, a plataforma do Facebook Messenger tem mais de 1,3 bilhão de usuários mensais (Constine, 2018). No entanto, ainda existem limitações de acessibilidade sobre o uso da inteligência artificial prática, que está ligado a capacidade do usuário acessar o sistema, onde ocorre a interação virtual, algumas das limitações são a necessidade de conexão persistente com a Internet, deficiências no reconhecimento e compreensão de fala, a necessidade de infraestrutura de TI para integração do sistema utilizado . Em 2019, a Amazon iniciou os serviços VA compatíveis com HIPAA (“habilidades Alexa”) , mas as implementações foram limitadas a apenas alguns serviços e organizações. Além disso, a privacidade das informações pessoais e a possibilidade de modo de escuta contínua suscitaram grandes preocupações.(Emre Sezgin et. al, 2020). 7 https://www-sciencedirect.ez345.periodicos.capes.gov.br/science/article/pii/S0360131520300622?via%3Dihub#! https://www-sciencedirect.ez345.periodicos.capes.gov.br/science/article/pii/S0360131520300622?via%3Dihub#bib33 https://www-sciencedirect.ez345.periodicos.capes.gov.br/science/article/pii/S0360131520300622?via%3Dihub#bib16 https://www.nature.com/articles/s41746-020-00332-0#auth-Emre-Sezgin 3. MÉTODO Buscando entender o estado da arte sobre as barreiras que impactam na implementação de Chatbots para o relacionamento com clientes, foi realizada uma revisão sistemática da literatura. Para alcançar um número representativo de artigos foi realizada a busca em três bases de dados: Scopus, Web of Science e PubMed. A escolha das bases se deve a sua relevância quanto a artigos relacionados à Administração, para as duas primeiras, como buscamos artigos que falam de barreiras variadas não obteríamos um resultado satisfatório buscando em bases focadas em tecnologia, quanto a PMC (PubMed Central), ela traz muitos artigos relacionados a Saúde, campo que segundo nosso levantamento vem crescendo muito no uso de Chatbots. Além disso, as três bases possuem um conteúdo multidisciplinar, algo importante para a pesquisa já que o uso de Chatbots acontece em diversos segmentos como Varejo, Saúde e Serviços, dessa forma buscar artigos apenas relacionados. Por se tratar de uma tecnologia em constante mudança, principalmente após o surgimento da indústria 4.0 e que se tornou ainda mais utilizada com o avanço da pandemia do Coronavírus, buscamos artigos publicados em 2020. Além disso, foi aplicado um filtro para trazer apenas artigos revisados e em português, língua nativa dos pesquisadores, ou inglês, idioma com maior número de publicações. Não foi feita a seleção de autores ou local de publicação, mas excluímos artigos com tópicos de Engenharia, Ciência da Computação , já que abordariam questões muito técnicas sobre a tecnologia, o que não é o objetivo desse levantamento. Quanto aos termos utilizados, buscamos as palavras “quality” e “chatbot” em qualquer parte do artigo. Isso resultou em 75 artigos na PubMed, 73 na Web of Science Expanded e 30 na Scopus. Com a exclusão de duplicidades chegamos a um total de 120 artigos. Esses tiveram seus resumos lidos de maneira dinâmica para entender se realmente tratavam dos temas que estávamos buscando. Essa leitura preliminar é importante para que não seja desperdiçado tempo de pesquisa na leitura completa de artigos que não tratam do tema alvo da revisão. Após essa seleção, foram excluídos 56 artigos, restando um total de 64 artigos que tiveram todo o seu conteúdo analisado, essa análise serviu tanto para um critério mais rigoroso de seleção quanto para a classificação das barreiras presentes dos artigos, as quais serão utilizadas para a construção da análise desse projeto. Após a leitura completa dos artigos mais alguns foram excluídos por não abordarem as barreiras para a implementação de um chatbot como ferramenta de relacionamento, muitos desses falavam apenas sobre oportunidades no uso dessa tecnologia, o que não é o objetivo dessa pesquisa. Com isso restaram 36 artigos que foram tabulados e organizados em uma planilha contendo as seguintes informações: Título, Autores, Ano de Publicação, Questão de Pesquisa, Local de Publicação, Metodologia e Barreiras relacionadas ao Chatbot presentes na publicação. Quanto à definição das barreiras, essas foram classificadas dentro de categorias conforme eram encontradas no conteúdo do material analisado, de forma que permitissem um claro entendimento do universo explorado. Ao final da leitura e tabulação foram definidas as seguintes categorias, conforme sua adequação com o conteúdo dos artigos: Problemas Cognitivos, Dificuldade para Desenvolvimento, Linguagem não Humanizada, Falta de Opções de Idioma, Incapacidade de Validar Informações, Problemas de Segurança, Limitações Éticas, Usabilidade Ruim e Rejeição dos Usuários.Essa planilha com as nove classificações de barreiras e as informações 8 diversas das publicações possibilitou a análise detalhada e clara do estado da arte sobre as Barreiras para o uso do Chatbot como ferramenta de relacionamento. 4. ANÁLISE Apesar de alguns artigos abordarem temas específicos como dificuldade de integração com redes sociais e outros sistemas, adaptação para pessoas com deficiência e lentidão no processamento de informações, para dar maior clareza para este estudo dividimos essas barreiras em 9 categorias, de forma que fosse possível mapear a tendência dos estudos mapeados. Na figura abaixo conseguimos ilustrar de maneira resumida a presença delas entre os temas abordados pelos autores. Gráfico 1: Desenvolvido pelos autores Vale ressaltar que o gráfico acima é uma representação dos assuntos trabalhados pelos autores, uma vez que em um mesmo artigo o autor pode falar de diversas barreiras. Para uma análise sobre o Estado da arte, precisamos fazer um alinhamento quanto a participação das barreiras dentro das obras, o que se fosse representado dentro de um gráfico, ultrapassaria os 100%, já que temos temos artigos que mencionam mais de uma barreira. Seguindo esse raciocínio as categorias que aparecem com maior frequências nos artigos são Problemas Cognitivos, representa limitações das ferramentas em entender e responder corretamente o usuário e está presente em 53% dos artigos, seguida pela Dificuldade para desenvolvimento, essa representa problemas como limitação de investimento, desinteresse em pesquisas e falta de padronizações, manuais e ferramentas para desenvolvimento de soluções de Chatbot. Apesar da frequência dessas duas barreiras, apenas 30% dos artigos que comentam sobre Problemas 9 Cognitivos falavam sobre a Dificuldade de Desenvolvimento, isso mostra que os problemas enfrentados pelos desenvolvedores não impacta apenas em uma barreira, mas em várias, o que fica ainda mais evidente quando vemos que essa barreira está presente em todas as outras categorias criadas. Questões como Falta de Opções de Idiomas, Incapacidade de validar informações e Usabilidade Ruim aparecem em apenas 6% dos artigos cada, sendo temas ponto pouco explorados pelos autores, assim como a Rejeição dos Usuários que aparece e, apenas 8% dos artigos, essa rejeição trata de dificuldades de adaptação à tecnologia e falta de confiança na qualidade do serviço prestado. Limitações Éticas apareceu com um pouco mais de frequência nos artigos analisados, estando presente em 14% dos deles, essa limitação foi citada em casos como decisões ambíguas da inteligência artificial, tendência ao racismo e falas mal interpretadas pelo robô. Um pouco mais presente nos artigos tivemos a Falta de linguagem humanizada e Problemas de Segurança, cada uma esteve presente em 17% dos Artigos. Gráfico 2: Desenvolvido pelos Autores Não houve nenhum cruzamento significativo entre as barreiras, de forma que possamos ligar uma limitação com outra, mesmo a Dificuldade de Desenvolvimento não se manteve muito presente em em categorias específicas. Isso posto, se formos tentar trazer à tona qual é o principal desafio para a implementação de Chatbots que realizem um relacionamento com cliente de qualidade, podemos citar a Capacidade de Desenvolvimento. Essa barreira que inclui a falta de investimento, desinteresse em pesquisa e ausência de padronizações e normas é um assunto comum durante a discussão de diversos problemas no campo da Inteligência Artificial. Tendo clareza quanto a essa afirmação, podemos propor a necessidade de um estudo quantitativo 10 sobre as principais dificuldades de implementação de um Chatbot do ponto de vista dos desenvolvedores. Um ponto que podemos destacar é a quantidade de Artigos que relacionavam os Chatbots com a Medicina, sendo o campo mais presente dentro do levantamento, sendo comentada em 44% dos Artigos. Nenhum dos artigos selecionados trouxe mais do que 4 barreiras, dentre as 9 categorias criadas, além disso, nenhum autor apareceu em destaque diante dos outros, principalmente por conta da data de publicação selecionada para essa Revisão Sistemática. Podemos destacar como oportunidades para novos pesquisadores, o aprofundamento das barreiras para implementação de Chatbots de uma das Categorias apresentadas nesse artigo, já que agora podemos entender quais delas são relevantes atualmente. Além disso, o estudo do uso do Chatbot na área da saúde se mostrou algo muito promissor e relevante. 5. REFERÊNCIAS ABOUEID, S. et at. Young Adults’ Perspectives on the Use of Symptom Checkers for Self-Triage and Self-Diagnosis: Qualitative Study, JMIR Public Health and Surveillance, Janeiro de 2021, Vol.7(1). BELANCHE, D. et al. Service robot implementation: a theoretical framework and research agenda. The Service Industries Journal, Março de 2020, Vol.40(3-4), pp.203-225 CORREIA, V; MONTEIRO, M. Customer Relationship Management Applied To Business-To-Business, Revista Produção Online, Março de 2005, Vol.5(1). DEMO, G; WATANABE, E; CHAUVET, D et al. Customer Relationship Management Scalefor The B2C Market: A Cross-Cultural comparison. Revista De Administração Mackenzie, Junho de 2017, Vol.18(3). ESMAEILZADEH, P. Use of AI-based tools for healthcare purposes: a survey study from consumers’ perspectives, BMC medical informatics and decision making, Julho de 2020, Vol.20(1), pp.1-19 FRYER, L. K.; NAKAO, K.; THOMPSON, A. Chatbot learning partners: Connecting learning experiences, interest and competence. Computers in human behavior, Abril de 2019, Vol.93, pp.279-289. JANMOHAMED, T. et al. A Smartphone-Based Health Care Chatbot to Promote Self-Management of Chronic Pain (SELMA): Pilot Randomized Controlled Trial. JMIR Mhealth Uhealth, Abril de 2020, Vol.8(4). JOHNSO, D; CLARK, B; BARCZAK, G. Customer relationship management processes: How faithful are business-to-business firms to customer 11 https://doaj.org/article/7a0b4b87f5ea49ee9347fb7fd8ea999d?frbrVersion=2 https://doaj.org/article/7a0b4b87f5ea49ee9347fb7fd8ea999d?frbrVersion=2 https://doaj.org/article/ecea7262ecb5483aacce9e2749ee6ec2?frbrVersion=3 https://doaj.org/article/ecea7262ecb5483aacce9e2749ee6ec2?frbrVersion=3 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?frbrVersion=4&ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A31%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-elsevier_s&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Chatbot%20learning%20partners:%20Connecting%20learning%20experiences,%20interest%20and%20competence&rft.jtitle=Computers%20in%20human%20behavior&rft.aulast=Fryer&rft.auinit=L&rft.auinit1=L&rft.au=Fryer,%20Luke%20K&rft.date=2019-04&rft.volume=93&rft.spage=279&rft.epage=289&rft.pages=279-289&rft.issn=0747-5632&rft.eissn=1873-7692&rft_id=info:doi/10.1016/j.chb.2018.12.023&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Celsevier_s%3Edoi_10_1016_j_chb_2018_12_023%3C/elsevier_s%3E%3Cgrp_id%3E-3683229502229561816%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_pqid=2181758475&rft_id=info:pmid/&rft_galeid=570306890 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?frbrVersion=4&ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A31%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-elsevier_s&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Chatbot%20learning%20partners:%20Connecting%20learning%20experiences,%20interest%20and%20competence&rft.jtitle=Computers%20in%20human%20behavior&rft.aulast=Fryer&rft.auinit=L&rft.auinit1=L&rft.au=Fryer,%20Luke%20K&rft.date=2019-04&rft.volume=93&rft.spage=279&rft.epage=289&rft.pages=279-289&rft.issn=0747-5632&rft.eissn=1873-7692&rft_id=info:doi/10.1016/j.chb.2018.12.023&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Celsevier_s%3Edoi_10_1016_j_chb_2018_12_023%3C/elsevier_s%3E%3Cgrp_id%3E-3683229502229561816%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_pqid=2181758475&rft_id=info:pmid/&rft_galeid=570306890https://www-ncbi-nlm-nih.ez345.periodicos.capes.gov.br/pmc/articles/PMC7165314/# profitability?. Elsevier - Industrial Marketing Management, Outubro de 2012 Vol.41(7), pp.1094-1105. LECUN, Y. ; BENGIO, Y. ; HINTON, G. Deep learning. Nature, 2015, Vol.521(7553), p.436 LIBAI, B. et al. Brave New World? On AI and the Management of Customer Relationships. Journal of Interactive Marketing, Maio de 2020, Vol 51. p 44-56. MAGALHAES, A; ANGERAMES, G. CRM - Customer Relationship Management: Feasibility Of Implementation. Revista Unemat De Contabilidade Unemat, Janeiro-Junho 2015, Vol.4(7). MCKENDRICK, J. The Artificial Intelligence Journey: has only begun, Gale Academic Onefile Database Trend & Applications, Setembro de 2017, Vol. 31(4), p.1(2). MUTHUKRISHNAN, N. et al. Brief History of Artificial Intelligence. Neuroimaging clinics of North America, Novembro de 2020, Vol.30(4), pp.393-399 NABI, J. How Bioethics Can Shape Artificial Intelligence and Machine Learning, Hastings Center Report, Outubro de 2018. Vol. 48 (5), p. 10-13 NIU, J. et al.. Global Research on Artificial Intelligence from 1990–2014: Spatially-Explicit Bibliometric Analysis, ISPRS International Journal of Geo-Information . 2016; 5 (5) p. 66. PLASTINO, E.; PURDY, M. Game changing value from Artificial Intelligence: eight strategies. Strategy & Leadership, Janeiro de 2018, Vol.46(1), pp.16-22 SRIVASTAVA, S. Artificial Intelligence: Way Forward For India, Journal of Information Systems and Technology Management : JISTEM, 2018, Vol.15, pp.1-23 STEIN, A; SMITH, M; LANCIONI, R. The development and diffusion of customer relationship management (CRM) intelligence in business-to-business environments. Elsevier - Industrial Marketing Management, Agosto de 2013, Vol.46(6), p.855(7). STEFANUK, VL; ZHOZHIKASHVILI, AV. Productions and rules in artificial intelligence, Institute for Information Transmission Problems, Russian Academy of Sciences, Moscow, Agosto de 2002, Vol. 31(6) pp. 817-826 WANG, Y; FENG, H. Customer relationship management capabilities, Emerald Insight, Management Decision, Fevereiro de 2012, Vol.50(1), pp 115-129. TIMPLALEXI, ELENI. The Human and the Chatterbot: Tracing the potential of transdimensional performance. A Journal of the Performing Arts, Setembro de 2016, Vol.21(5), pp.59-64. 12 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A21%3A09IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-nature_a&rft_val_fmt=info:ofi/fmt:kev:mtx:&rft.genre=article&rft.atitle=Deep%20learning&rft.jtitle=Nature&rft.au=Yann%20Lecun&rft.date=2015-05-27&rft.volume=521&rft.issue=7553&rft.spage=436&rft.issn=0028-0836&rft_id=info:doi/10.1038/nature14539&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Cnature_a%3E10.1038/nature14539%3C/nature_a%3E%3Cgrp_id%3E8640630830527897053%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_id=info:pmid/ https://www-sciencedirect.ez345.periodicos.capes.gov.br/science/article/pii/S105251492030054X?via%3Dihub#! https://onlinelibrary-wiley.ez345.periodicos.capes.gov.br/action/doSearch?ContribAuthorStored=Nabi%2C+Junaid https://onlinelibrary-wiley.ez345.periodicos.capes.gov.br/journal/1552146x https://onlinelibrary-wiley.ez345.periodicos.capes.gov.br/toc/1552146x/2018/48/5 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?frbrVersion=3&ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A10%3A12IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-emerald_s&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Game%20changing%20value%20from%20Artificial%20Intelligence:%20eight%20strategies&rft.jtitle=Strategy%20%26%20Leadership&rft.aulast=Plastino&rft.auinit=E&rft.auinit1=E&rft.au=Plastino,%20Eduardo&rft.date=2018-01-15&rft.volume=46&rft.issue=1&rft.spage=16&rft.epage=22&rft.pages=16-22&rft.issn=1087-8572&rft.eissn=1758-9568&rft_id=info:doi/10.1108/SL-11-2017-0106&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Cemerald_s%3E10.1108/SL-11-2017-0106%3C/emerald_s%3E%3Cgrp_id%3E5618926392028963331%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_pqid=2001043256&rft_id=info:pmid/&rft_galeid=533497958 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?frbrVersion=3&ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A10%3A12IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-emerald_s&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Game%20changing%20value%20from%20Artificial%20Intelligence:%20eight%20strategies&rft.jtitle=Strategy%20%26%20Leadership&rft.aulast=Plastino&rft.auinit=E&rft.auinit1=E&rft.au=Plastino,%20Eduardo&rft.date=2018-01-15&rft.volume=46&rft.issue=1&rft.spage=16&rft.epage=22&rft.pages=16-22&rft.issn=1087-8572&rft.eissn=1758-9568&rft_id=info:doi/10.1108/SL-11-2017-0106&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Cemerald_s%3E10.1108/SL-11-2017-0106%3C/emerald_s%3E%3Cgrp_id%3E5618926392028963331%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_pqid=2001043256&rft_id=info:pmid/&rft_galeid=533497958 https://link.ez345.periodicos.capes.gov.br/sfxlcl41?frbrVersion=2&ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2021-05-07T10%3A15%3A34IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=ARTIFICIAL%20INTELLIGENCE:%20WAY%20FORWARD%20FOR%20INDIA&rft.jtitle=Journal%20of%20Information%20Systems%20and%20Technology%20Management%20:%20JISTEM&rft.aulast=Srivastava&rft.au=Srivastava,%20Sunil&rft.date=2018-01-01&rft.volume=15&rft.spage=1&rft.epage=23&rft.pages=1-23&rft.issn=18092640&rft.eissn=18071775&rft_id=info:doi/10.4301/S1807-1775201815004&svc_val_fmt=info:ofi/fmt:kev:mtx:sch_svc&rft_dat=%3Cproquest%3E2125613711%3C/proquest%3E%3Cgrp_id%3E-103634813206855256%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3Ehttp://search.proquest.com/docview/2125613711/%3C/url%3E&rft_id=info:oai/&svc.fulltext=yes&req.language=por&rft_pqid=2125613711&rft_id=info:pmid/&rft_galeid=584601696 https://www-emerald.ez345.periodicos.capes.gov.br/insight/search?q=A.V.%20Zhozhikashvili HUANG, M.; RUST, R. Artificial Intelligence in Service. Journal of service research : JSR, Maio de 2018, Vol.21(2), pp.155-172 13
Compartilhar