O USO DA INTELIGÊNCIA ARTIFICIAL UMA REVISÃO SISTEMÁTICA DOS PRINCIPAIS DESAFIOS DO CHATBOT NO RELACIONAMENTO COM O CLIENTE

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