chatbots_ebook

Prévia do material em texto

<p>Chatbots</p><p>Sumário</p><p>1 Introdução 4</p><p>2 O que são chatbots 5</p><p>2.1. Assistente virtual 5</p><p>3 Como funciona um chatbot 6</p><p>3.1 Painel de contole padrão de chatbot 7</p><p>3.2 Chatbot baseado em um</p><p>conjunto de diretrizes 8</p><p>3.3 Chatbot baseado em inteligência artificial 8</p><p>4 Tipos e usos de chatbot 9</p><p>4.1 Chatbot conversacional 10</p><p>4.2 Chatbot escudo 10</p><p>4.3 Chatbot social 11</p><p>4.4 Chatbot otimizador 11</p><p>4.5 Chatbot proativo 11</p><p>4.6 Chatbot para marketing 12</p><p>4.7 Chatbot para vendas 13</p><p>4.8 Chatbot para atendimento 13</p><p>5. Inteligência artificial e machine learning 13</p><p>6 Identificar, coletar, analisar e relatar 14</p><p>6.1 Entendendo um sistema NLP 16</p><p>6.2 Coleta de dados 16</p><p>6.3 Chatbots e experiência do usuário 17</p><p>7 Medindo o desempenho 18</p><p>7.1 Métricas mais usadas 18</p><p>8 Avaliando a performance</p><p>da árvore de classificação 21</p><p>9 Implantando chatbot e gerando</p><p>conhecimento no sistema 22</p><p>9.1 Gráficos e resultados 26</p><p>Resumo do curso 29</p><p>Referências 30</p><p>Módulo 1</p><p>Chatbots</p><p>1 Introdução</p><p>Você já imaginou um aplicativo capaz de estabelecer conversação com qualquer pessoa, de</p><p>forma tão natural quanto qualquer ser humano e, além disso, atender às necessidades de um</p><p>cliente de maneira rápida e eficiente? Esse é o conceito de um chatbot. Com a transformação</p><p>digital conquistando espaço na vida cotidiana, os implementos digitais estão cada vez mais</p><p>presentes na resolução de questões rotineiras e nos acompanhando nas interações e ações</p><p>diárias em ambientes digitais (SOUZA, 2018).</p><p>Nesse contexto, a tecnologia passou a fazer parte também das relações entre empresas</p><p>e consumidores, principalmente por meio dos canais de comunicação. É aí que o chatbot</p><p>se destaca, pois é uma ferramenta capaz de otimizar a comunicação e o tempo de respos-</p><p>ta para as solicitações dos usuários, além de reduzir custos operacionais da empresa. Sua</p><p>presença em locais de trabalho está se tornando cada vez mais comum e aumentado a pro-</p><p>dutividade das equipes. Um estudo recente apontou que cerca de 95% das pessoas espe-</p><p>ram utilizar os chatbots no setor de “atendimento ao cliente” e 53% no setor de vendas/</p><p>marketing (GADELHA, 2019).</p><p>5</p><p>2 O que são chatbots</p><p>Tecnicamente, o chatbot é um software programado e capacitado para estabelecer uma con-</p><p>versa com um interlocutor humano, realizando com ele uma linguagem natural (GADELHA,</p><p>2019). Essa ferramenta está sendo utilizada em aplicativos de mensagens, web sites e diver-</p><p>sas outras plataformas digitais. Atualmente, a criação de chatbots está integrada a platafor-</p><p>mas como WhatsApp, Facebook Messenger, Telegram, web sites em geral, sistemas de call</p><p>center e lojas virtuais (SOUZA, 2018).</p><p>O crescimento dos chatbots é resultado das várias vantagens que ele possui, como: a sua ap-</p><p>tidão para fornecer suporte praticamente imediato, com qualidade crescente aos clientes; e</p><p>reduzir a necessidade de manutenção de uma equipe numerosa que até então seria respon-</p><p>sável por esse atendimento, o que permite que os colaboradores se concentrem em tarefas</p><p>mais específicas, como planejamento e estratégias de mercado. Podemos afirmar então que</p><p>o objetivo dos bots, em termos gerais, é criar um escalonamento no trabalho de atendimento</p><p>e contribuir para a chamada experiência do cliente.</p><p>Em vista disso, o chatbot está cada vez mais se desenvolvendo no mercado e se destacan-</p><p>do, principalmente, por fazer parte da evolução de um tipo de sistema que responde a per-</p><p>guntas por meio de processamento de linguagem natural, chamado de NLP (Natural Langua-</p><p>ge Processing), que utiliza automação de conversas para criar relacionamento com clientes</p><p>e leads (GADELHA, 2019).</p><p>2.1. Assistente virtual</p><p>É muito comum que exista um certo nível de confusão entre assistentes virtuais e chatbots.</p><p>Quando nos referimos a um assistente virtual digitalizado, sua natureza de interação se</p><p>dá por texto e voz no interior através de interfaces conversacionais – o Amazon Alexa e o</p><p>Google Assistant são dois bons exemplos. A Alexa, por exemplo, pode automatizar diversas</p><p>funções em uma casa ou empresa por meio de comandos de voz emitidos pelo usuário, que</p><p>pode solicitar a execução de uma canção, abrir e fechar portas e janelas ou repassar a lista</p><p>de compras do mês.</p><p>Isto quer dizer que assistentes virtuais podem ser compreendidas como atores digitais de</p><p>interface cuja representação se dá pelo uso de personagens utilizadas para melhorar situa-</p><p>ções interativas entre humanos e aplicações computadorizadas. Por isso, também utilizam</p><p>inteligência artificial (IA) e o machine learning para aprender com os sinais externos e emitir as</p><p>respostas corretas (MAES, 1994).</p><p>6</p><p>FIGURA 1 – ASSITENTE VIRTUAL COMO INTEGRADOR DE AMBIENTES</p><p>FONTE: Freepik (2021).</p><p>Em sua concepção surgida nos anos 90, com a chegada da Internet, um assistente virtual se</p><p>referia a um profissional que trabalhava remotamente, seja no atendimento ao público ou ain-</p><p>da internamente em uma área qualquer. Com a chegada das tecnologias de assistência digital,</p><p>capitaneadas por softwares, o fator humano passou a dividir espaço com implementos inter-</p><p>néticos, o que causou e ainda causa uma certa confusão entre os estágios atuais do chatbot e</p><p>dos assistentes virtuais. Cabe lembrar que o fator humano ainda faz parte de ambos os casos.</p><p>No entanto, a assistente virtual digital (como a Alexa), que é centrada em controles de inter-</p><p>face, conta quase na sua totalidade com uso de inteligência artificial (MACEDO et al., 2007).</p><p>3 Como funciona um chatbot</p><p>Como se trata de um programa automatizado feito para interagir com clientes e demais con-</p><p>tatos de uma empresa, evento e afins, os chatbots não são limitados por fatores como tempo</p><p>ou localização geográfica. É por isso que a sua implementação tem sido bastante atraente</p><p>para diversas empresas e, embora os chatbots estejam cada vez mais ligados à inteligência</p><p>artificial (IA), nem todos estão necessariamente baseados em IA. Há basicamente duas for-</p><p>mas de chatbots possíveis: os baseados pelo estabelecimento de diretrizes e os baseados em</p><p>inteligência artificial e aprendizado de máquina (machine learning) (RUSSEL, 2013).</p><p>7</p><p>FIGURA 2 - COMO FUNCIONA UM CHATBOT</p><p>Fonte: Elaborada pelo autor (2021).</p><p>3.1 Painel de contole padrão de chatbot</p><p>Um processo de integração de um chatbot com um sistema qualquer necessita que determi-</p><p>nadas ações e scripts sejam configurados. A forma de organização visual irá variar de acordo</p><p>com cada plataforma, bem como certos comandos adicionais também sofrerão essa varia-</p><p>ção. No entanto, existe uma quantidade básica que constitui a espinha dorsal de um painel de</p><p>configuração de ações de um bot. Veja a seguir essas funcionalidades básicas.</p><p>• Configurações de script: área em que instâncias, nomes e scripts de execução são criados.</p><p>• Opções: seleção de respostas, produtos, links, QR codes e diversas outras instâncias</p><p>que podem ser utilizadas pelo usuário.</p><p>• Formulários: podem ser criados e selecionados para capturar dados imediatos do usuário.</p><p>• Configuração de mensagens: permite a criação de mensagens de texto para os</p><p>clientes, como mensagens de boas-vindas, perguntas ou despedida.</p><p>• Links: direcionam o usuário a algum local no website.</p><p>• Condições: através de palavras-chave determina condições de verdadeiro ou falso</p><p>em uma solicitação.</p><p>• Edição de HTML: área de edição de marcação HTML para aplicações de interface web.</p><p>• Fotos e vídeos: configuração de envio e recebimento de fotos e vídeos no bot.</p><p>• Download: permissão para download de arquivos disponibilizados para os clientes</p><p>e usuários.</p><p>• Transferência: redirecionamento de solicitações para outro serviço ou plataforma.</p><p>• Pagamentos: são integrados a funcionalidades de pagamento, como Pag Seguro ou</p><p>Pay Pal, que permitem pagamentos com auxílio do chatbot.</p><p>• Conectar API: permite a inserção de scripts que integram APIs diversas ao chatbot.</p><p>8</p><p>3.2 Chatbot baseado em um conjunto de</p><p>diretrizes</p><p>O chatbot da modalidade que funciona por conjunto de diretrizes é mais limitado do que o</p><p>chatbot com inteligência artificial, pois ele só pode responder a um</p><p>número limitado de solici-</p><p>tações e compreende também um vocabulário já predefinido em sua programação, seguindo</p><p>exatamente as normas que estão inseridas em seu código fonte. Isso não significa que seja</p><p>uma opção ruim para um determinado modelo de negócio, visto que é bastante utilizado por</p><p>instituições financeiras e operadoras de celular (RUSSEL, 2013).</p><p>Pensemos por um instante que um chatbot construído nessa técnica seja criado e, ao intera-</p><p>gir com o usuário, algumas perguntas determinadas já constam em sua rotina, como a verifi-</p><p>cação de saldo, realização de transferências, pagamento de contas, transferência via PIX etc.</p><p>Nesse caso, se o cliente solicitar ou responder algo diferente do que foi programado na rotina</p><p>do chatbot, este não poderá atender sua solicitação e, possivelmente, repetirá a mensagem</p><p>anterior ou ainda irá transferir o cliente para um assistente humano. Em outras palavras, ele é</p><p>indicado para tarefa objetivas, por isso deve contar com o auxílio de um assistente humano</p><p>para a realização de tarefas mais complexas (SOUZA, 2018).</p><p>3.3 Chatbot baseado em inteligência</p><p>artificial</p><p>Os chatbots baseados em inteligência artificial (IA) contam com o suporte de redes neurais,</p><p>inspiradas no funcionamento do cérebro humano. Esse tipo de bot é desenvolvido para apren-</p><p>der ao mesmo tempo que interage com os usuários. Sendo assim, quando um cliente estabe-</p><p>lece uma conversa com um sistema dessa natureza, o bot aprende padrões de linguagem e</p><p>tenta buscar soluções para as dúvidas que foram colocadas em questão.</p><p>Ao contrário do bot baseado em regras, o chatbot programado por IA funciona da seguinte ma-</p><p>neira: quanto mais interage, mais aprende e responde com maior assertividade. Obviamente,</p><p>como todo implemento de IA, é necessária uma quantidade inicial de informações para ofere-</p><p>cer um suporte mínimo como ponto de partida. É preciso que alguns elementos façam parte</p><p>de suas funcionalidades para seu funcionamento e aprimoramento, como: classificadores de</p><p>texto, algoritmos especialmente desenvolvidos para esta tarefa, redes neurais artificiais e</p><p>entendimento de linguagem natural (RUSSEL, 2013).</p><p>No entanto, continua sendo indicado que se ofereça um atendimento híbrido para esse tipo</p><p>de bot, pois, embora ele seja mais inteligente do que o chatbot baseado em regras, também</p><p>é possível que haja a necessidade de encaminhar o usuário para atendentes humanos, caso</p><p>alguma solicitação ainda seja desconhecida. A diferença é que após esse primeiro contato, o</p><p>9</p><p>bot aprenderá com o que aconteceu e reunirá um material para responder a esse questiona-</p><p>mento em um próximo momento, sem necessariamente depender de ajuda humana em uma</p><p>segunda ocasião.</p><p>Esse é o caso de chatbots conectados com tecnologias como a NLP e sua variante mais mo-</p><p>derna a NLU, que proporciona o aprendizado de formas mais complexas de conversação hu-</p><p>mana, como, por exemplo, manter o contexto, gerenciar um diálogo e ajustar as respostas</p><p>com base em questões que vão aparecendo ao longo da conversa. Em geral, um chatbot ba-</p><p>seado em inteligência artificial aprende e é programado para aprender ativamente com qual-</p><p>quer interação com o cliente (RUSSEL, 2013).</p><p>FIGURA 3 – CHATBOTS BASEADOS EM IA</p><p>FONTE: Freepik (2021).</p><p>4 Tipos e usos de chatbot</p><p>Quando uma corporação deseja iniciar a implantação de um chatbot, ela deve entender os ti-</p><p>pos disponíveis, suas aplicações e finalidades no mercado. A partir disso, ela poderá definir</p><p>de maneira assertiva qual modalidade é a mais apropriada para seu modelo de negócio. Por</p><p>ser uma ferramenta que está se impondo no mercado, os bots ainda são muito associados ao</p><p>suporte ao cliente, contudo, suas funcionalidades têm sido ampliadas. À medida que a ferra-</p><p>menta se desenvolve, a utilização de chatbots nas organizações cresce atuando em diversos</p><p>segmentos, tais como marketing, vendas e atendimento. A definição de qual área será apli-</p><p>cada essa tecnologia é basilar para compreender as funções que o chatbot irá exercer e qual</p><p>propósito de atuação ele será inserido (SOUZA, 2018).</p><p>10</p><p>4.1 Chatbot conversacional</p><p>O chatbot conversacional é uma modalidade desenvolvida para a condução de conversas</p><p>com clientes em temas diversos, podendo fazer parte do suporte técnico e trabalhar como a</p><p>brand persona (personagem que representa a marca para o consumidor), sendo representado</p><p>por uma figura de um mascote ou um personagem qualquer; ou ainda como alguém do time de</p><p>atendimento (MANFIO, 2015).</p><p>Nesse caso, são utilizados muitos elementos de humanização que garantem uma experiên-</p><p>cia de atendimento mais relevante e eficiente. Um aspecto interessante é a forma como a</p><p>estrutura de conversação é programada. De um modo geral, as pessoas costumam conversar</p><p>de forma automática e nem sempre refletem sobre a construção lógica de suas próprias falas.</p><p>Em um chatbot, como já vimos, existe a necessidade de configurar determinadas regras re-</p><p>ferentes a tais elementos que são essenciais para garantir a entrega de uma informação que</p><p>seja válida para o cliente. Segundo Souza (2018), existem dois elementos de suma importância</p><p>na configuração dessas regras:</p><p>• elementos constitutivos: a informação é gerada a partir de uma garantia de sentido</p><p>a tudo que está sendo dito, escrito ou ainda visualizado;</p><p>• elementos normativos: programam-se normas que ditam a forma correta de respon-</p><p>der e de falar, de forma personalizada para cada cliente simulando atitudes humanas.</p><p>Um exemplo prático de aplicação do chatbot conversacional é o experimento realizado na</p><p>Universidade Federal do Ceará, que utilizou esse tipo de chatbot para levantar as principais</p><p>dúvidas de alunos e funcionários da instituição. A partir desses dados, desenvolveu-se o pro-</p><p>tótipo de um robô chamado Maciel, que auxiliou nas respostas às questões coletadas.</p><p>A equipe responsável analisou plataformas disponíveis no mercado para a construção de cha-</p><p>tbots e optou por utilizar a Dialog Flow, plataforma da Google. Depois, foram coletadas dúvidas</p><p>de alunos e funcionários por meio de documentação e formulários respondidos pelo público.</p><p>O robô foi então incorporado nas redes sociais e passou a interagir com o público pelo Face-</p><p>book Messenger. O resultado se mostrou tão positivo que mais tarde o mesmo robô também</p><p>foi integrado ao WhatsApp (ALMEIDA, 2019).</p><p>4.2 Chatbot escudo</p><p>Destinado ao suporte técnico, o chatbot escudo tem o objetivo de solucionar demandas bási-</p><p>cas relacionadas ao atendimento. Normalmente é configurado para prestar informações sim-</p><p>ples e fixas, sendo assim, não necessariamente precisa ser realizado por bots com inteligên-</p><p>cia artificial. Ele costuma responder perguntas simples, como horário de funcionamento de</p><p>11</p><p>uma determinada unidade ou o tempo de resolução de algum chamado ou solicitação, condi-</p><p>ções de pagamento, entre outras informações.</p><p>A utilização de um chatbot com função de escudo dá ao suporte técnico mais utilização, ga-</p><p>rantindo que os recursos humanos sejam alocados para solucionar demandas mais especiali-</p><p>zadas, complexas e que exigem tomadas de decisões mais específicas (SOUZA, 2018).</p><p>4.3 Chatbot social</p><p>O chatbot social é desenvolvido para interação com o público, mas vai além de contatos rea-</p><p>tivos individualizados que costumam ser lugar comum em todos os bots, pois também podem</p><p>ser utilizados para ações mais amplas junto ao cliente em vez de apenas comunicar sobre uma</p><p>demanda específica. Esse tipo de chatbot pode promover informações, enquetes e diversas</p><p>outras formas de interação de maneira bastante proativa. Pode ser programado para promo-</p><p>ção de ofertas em redes sociais e execução de ações segmentadas com uma base de clientes</p><p>já existentes (SOUZA, 2018).</p><p>4.4 Chatbot otimizador</p><p>O chatbot otimizador já demonstra a sua função pelo nome, que é a de otimizar rotinas. Os</p><p>clientes, por exemplo, podem utilizar as redes sociais em seus cotidianos utilizando esta mo-</p><p>dalidade. Essa forma de bot proporciona soluções que podem ser comandadas a partir desses</p><p>canais, o que facilita a rotina de clientes</p><p>quanto à interação junto a uma empresa.</p><p>Além disso, está presente também em aplicativos e até em outros canais, como suporte téc-</p><p>nico de websites, e oferece possibilidades para o cliente conduzir seu próprio atendimento,</p><p>como a solicitação da segunda via do cartão, abertura de um chamado, solicitação de um téc-</p><p>nico, entre outros (SOUZA, 2018).</p><p>4.5 Chatbot proativo</p><p>Ao contrário de chatbots sociais, que apresentam tanto ações reativas quanto proativas, os</p><p>chatbots proativos são predominantemente proativos, mas não necessariamente em ações</p><p>de interação. Esse tipo de implemento é inserido em e-commerces e sites institucionais e</p><p>serve para identificar o comportamento dos clientes, navegação nas páginas, verificar seus</p><p>pontos de interesse, suas dificuldades de uso e até mesmo coletar as informações sobre seu</p><p>padrão comportamental, comparando-as com clientes do mesmo perfil. Essas informações</p><p>podem propor soluções e sugestões de conteúdo, produtos que estejam relacionados ao per-</p><p>fil e necessidade do cliente. A questão é que tal antecipação não só auxilia na busca para agra-</p><p>dar os clientes como também diminui o número de insatisfações.</p><p>12</p><p>Sendo assim, é importante destacar que uma empresa ao entender o funcionamento dos bots,</p><p>poderá identificar com mais precisão qual irá atender à demanda do modelo de negócio e bus-</p><p>car no mercado desenvolvedores para esse tipo de software. Tais processos obviamente devem</p><p>ser realizados considerando não somente funcionalidades, mas também o grau de autoridade</p><p>da empresa, o suporte dado para as implantações e demais aspectos desse tipo de serviço.</p><p>4.6 Chatbot para marketing</p><p>O chatbot destinado ao marketing objetiva ampliar o engajamento e a interação do público</p><p>que se relaciona com uma marca qualquer. É possível também utilizar esse chatbot para con-</p><p>verter o usuário e, a partir de então, estabelecer uma relação mais próxima por meio de outras</p><p>ferramentas, como e-mail marketing ou ainda por mensagens enviadas em grupos de What-</p><p>sApp. No que diz respeito ao marketing, chatbots podem ser muito eficientes na captura e</p><p>qualificação de leads, para realizar o gerenciamento de etapas de um funil de vendas, realizar</p><p>atendimentos rápidos, melhorando a imagem da empresa perante sua clientela, e coletar da-</p><p>dos sobre mercado no campo de atuação da empresa (GADELHA, 2019).</p><p>FIGURA 4 – CHATBOT PARA MARKETING</p><p>FONTE: Freepik (2021).</p><p>Agora, vamos a um caso prático? No ano de 2019, a Parente Service – empresa do ramo de</p><p>comunicação multimídia e atuante no estado do Amazonas – realizou a implantação de ser-</p><p>viços de chatbot em suas quatro filiais abrangendo diversas áreas, mas com especial des-</p><p>taque na área de marketing.</p><p>Durante o processo, perguntas foram realizadas de modo que os clientes ficassem cientes de</p><p>que estavam lidando com uma inteligência artificial, pois o objetivo era avaliar a reação deles.</p><p>13</p><p>Após isso, níveis de satisfação foram coletados e, ao final do experimento, concluiu-se que em</p><p>termos gerais os clientes rapidamente se acostumaram – claro, após o contorno de problemas</p><p>iniciais que foram solucionados. Desde então a empresa adota o serviço de chatbot constante-</p><p>mente na sua rotina funcional (ALMEIDA, 2020).</p><p>4.7 Chatbot para vendas</p><p>Segundo Gadelha (2019), no processo de vendas esse tipo de bot pode atuar em várias frentes,</p><p>desde a prospecção até mesmo a ações de pós-venda. Um exemplo prático de utilização de</p><p>chatbot para vendas vem da empresa Recovery, que atua no segmento de gestão de créditos</p><p>em situação de atraso. A empresa passou a usar a ferramenta para agilizar o processo de nego-</p><p>ciação com clientes de forma mais rápida. Ao entender que ligações de cobrança desagradam o</p><p>usuário, a empresa desenvolveu uma solução que ao entrar em contato já informasse sobre as</p><p>possibilidades de negociação, tornando o processo menos desgastante. O chatbot passou a não</p><p>telefonar mais ao usuário em atraso, em vez disso envia mensagens via WhatsApp.</p><p>4.8 Chatbot para atendimento</p><p>Os chatbots estão ampliando a experiência do cliente no atendimento, de maneira que ele possa</p><p>solucionar dúvidas, sanar necessidades, ter suporte de atendimento de 24 horas e 7 dias por se-</p><p>mana, com custos operacionais baixos e proporcionando vantagens para clientes e empresas.</p><p>No que diz respeito às corporações, a automatização de chatbots para atendimento permi-</p><p>te realocar atendentes humanos para tarefas mais sensíveis e estratégicas, deixando que o</p><p>atendimento automatizado se dê para condições mais corriqueiras. Uma boa estratégia de</p><p>atendimento deve ser uma amálgama entre ferramentas e aplicativos que agem conjunta-</p><p>mente com atendentes humanos bem treinados.</p><p>5. Inteligência artificial e</p><p>machine learning</p><p>Segundo Russel (2013), a inteligência artificial é a capacidade de aprendizado intuitivo de sis-</p><p>temas por meio da interação com humanos e outros sistemas integrados. A partir de uma</p><p>programação básica, a própria inteligência vai preenchendo as lacunas do aprendizado por</p><p>meio de tentativa e erro. Ligado à inteligência artificial, o machine learning, ou aprendizado</p><p>14</p><p>de máquina, proporciona a entidades artificiais via IA (inteligência artificial) a expertise de</p><p>aprendizado, tomada de decisão e resolução de problemas (RUSSEL, 2013).</p><p>A integração com inteligência artificial e a vertente do machine learning são pontos de grande</p><p>atenção na criação de um chatbot. Essa sinergia promove melhores experiências para o clien-</p><p>te e, consequentemente, oferece soluções de valor para as corporações. Normalmente essa</p><p>integração conta com a programação de intenções, que são as ações que devem ser exe-</p><p>cutadas; e as entidades, que são o objeto dessas ações. Esses são os dois pilares de todo o</p><p>fluxo conversacional de um chatbot. Em certos casos, trabalham com inteligências artificiais</p><p>autônomas; em outros, trabalham integrados a bases externas de inteligência. Veja a seguir</p><p>algumas interfaces disponíveis para chatbots (BOZKURT, 2018).</p><p>• Chatfuel: plataforma de criação de chatbots considerada muito intuitiva e que atua</p><p>com inteligência artificial autônoma facilitando ao desenvolvedor a criação de um</p><p>chatbot. Está entre as mais utilizadas no mercado, integrando sistemas em empresas</p><p>de grande porte.</p><p>• Blip: possui integração com todas as inteligências artificiais disponíveis e, além dis-</p><p>so, conta com uma comunidade de desenvolvedores muito ativa que interage cons-</p><p>tantemente e aprimora práticas de utilização dessa ferramenta.</p><p>• DialogFlow: é uma ferramenta completa de desenvolvimento, que foi desenvolvida</p><p>pelo Google e idealizada para criação e implementação de interfaces conversacionais</p><p>em websites, aplicativos e dispositivos interagentes com a IOT (Internet das Coisas).</p><p>Foi traduzida para 20 idiomas e proporciona interações em linguagem natural entre</p><p>usuários e corporações por meio de canais de chatbot (KHURANA, 2017).</p><p>Importante</p><p>A inteligência artificial e o machine learning em conjunto são muito impor-</p><p>tantes para o desenvolvimento de um chatbot, pois promovem melhores ex-</p><p>periências para o usuário e soluções para a corporação.</p><p>6 Identificar, coletar, analisar</p><p>e relatar</p><p>O design conversacional se refere a todo um processo de desenvolvimento de linguagem hu-</p><p>manizada para máquinas (GADELHA, 2019). Sua intenção é tornar interações com humanos</p><p>mais naturais, fluidas e agradáveis. A sistemática abrange desde a pesquisa do contexto e posi-</p><p>15</p><p>cionamento do modelo de negócio até uma curadoria criteriosa de conteúdo, envolvendo diver-</p><p>sos profissionais, como designers, UX writers e desenvolvedores. Para que esse processo seja</p><p>realizado, é necessário seguir as seguintes etapas: compreensão do modelo de negócio, com-</p><p>preensão do usuário, estratégia, requisitos, personalidade, UX writing e tutoria de conteúdo.</p><p>Na primeira etapa, a de compreensão do modelo de negócio, o design conversacional deve</p><p>estar a cargo da equipe de conteúdo, que precisa estar próxima das equipes do marketing</p><p>para a realização de um processo de entendimento da empresa</p><p>para captar quais são suas ne-</p><p>cessidades, a maneira como trabalha e como se relaciona com os seus usuários, sua cultura</p><p>organizacional e políticas de conduta, entre outros fatores. É uma etapa importante, uma vez</p><p>que o bot fará parte da identidade corporativa da organização, por isso ele deve representá-la</p><p>de forma satisfatória.</p><p>Uma vez compreendido o modus operandi da empresa, é o momento da compreensão do</p><p>usuário. Nesta etapa, a equipe irá se debruçar sobre o usuário final. Dados sobre os clientes</p><p>devem ser levantados para que se possa definir uma persona, que é a representação do clien-</p><p>te ideal da empresa. É a partir das características dessa persona que detalhes maiores, como</p><p>especificações e requisitos do chatbot, podem ser elaborados.</p><p>Depois disso, é o momento de definir a estratégia que será usada para inserir o chatbot. As</p><p>necessidades do usuário devem ser cumpridas nessa fase, possibilitando que a ferramenta</p><p>alcance a resolução efetiva de problemas reais. A equipe de design conversacional trabalhará</p><p>muito próxima às equipes de desenvolvimento durante esse período.</p><p>Após a definição da estratégia, as equipes envolvidas em um determinado projeto de chatbot</p><p>estabelecem quais são os requisitos, ou seja, quais são as metas, funcionalidades, métricas,</p><p>indicadores de desempenho e demais fatores que irão compor o sistema de chatbot. Esses</p><p>requisitos devem ser acompanhados constantemente.</p><p>A definição de personalidade de um bot também é uma etapa importante do processo e tem</p><p>sido considerada uma das peças fundamentais do design conversacional. Afinal, uma das</p><p>suas grandes premissas é a humanização da linguagem, com o objetivo de obter uma melhor</p><p>experiência do usuário. Nesse sentido, para conseguir um contato mais próximo com o clien-</p><p>te, é preciso que se desenvolva uma identidade visual e uma determinada forma de linguagem,</p><p>definindo, assim, a personalidade do bot.</p><p>Após o cumprimento das etapas anteriores, o profissional UX writer entra em cena. É ele que</p><p>realiza a produção do conteúdo textual de toda a criação do fluxo conversacional, que deve</p><p>simular futuras interações entre humanos e o sistema. Nessa etapa, são realizados testes em</p><p>busca de melhorar as formas de interação e resposta ao usuário.</p><p>Uma vez definida toda a estrutura do bot, chega o momento de realizar uma curadoria em seu</p><p>conteúdo. O profissional responsável pela tutoria de conteúdo deve gerir a base de conheci-</p><p>mento do chatbot e atualizá-la constantemente, deverá também acompanhar a qualidade das</p><p>interações com os usuários e detectar melhorias para uma futura agenda, desenhando, as-</p><p>sim, novos fluxos de conversação e aprimorando a plataforma para uma melhor experiência.</p><p>16</p><p>Importante</p><p>O design conversacional é a área responsável pelo desenvolvimento de lin-</p><p>guagem humanizada para máquinas. Seu objetivo é tornar a interação entre</p><p>humanos e robôs mais natural e agradável. Esse processo envolve diversos</p><p>profissionais, como designers, UX writers e desenvolvedores.</p><p>6.1 Entendendo um sistema NLP</p><p>Anteriormente, vimos que a humanização da linguagem de um chatbot é baseada na inteli-</p><p>gência artificial e em sistemas NLP. Agora, vamos conhecer um pouco mais das caracterís-</p><p>ticas desse tipo de implemento. A natural language processing (NLP), ou processamento de</p><p>linguagem natural, é uma área do escopo da inteligência artificial dedicada ao desenvolvi-</p><p>mento de capacidade tecnológica de entendimento da linguagem dos seres humanos, ou seja,</p><p>a linguagem natural humana. Um sistema NLP deve ser capaz de extrair informações a partir</p><p>de contato direto com o usuário, por isso está intimamente ligado ao machine learning e tam-</p><p>bém deep learning NLP (GADELHA, 2019).</p><p>O deep learning NLP (ou aprendizagem profunda, em português) trata de uma extensão do ma-</p><p>chine learning que através de algoritmos mais complexos busca um aprendizado mais rápido</p><p>e mais aprofundado, fazendo forte uso de redes neurais. Essa modalidade de sistema já está</p><p>sendo muito utilizada pelo Google e pelas maiores redes sociais para entender o comporta-</p><p>mento dos usuários em rede.</p><p>No sistema NLP, as questões do contexto da conversa com seus significados sintáticos e se-</p><p>mânticos são levadas em consideração. Além disso, o sistema também possui ferramentas</p><p>que tentam interpretar a expressão de sentimentos que podem estar expressadas nos co-</p><p>mentários. Nesse sentido, o NLP, ao fazer parte de uma dinâmica de aprendizado de máquina,</p><p>auxilia os sistemas a entenderem, analisarem e simularem a linguagem humana. Somada a</p><p>isso, a NLU (natural language understanding ou compreensão de linguagem natural) completa</p><p>as funcionalidades de processamento do NLP com ações de reconhecimento de linguagem.</p><p>6.2 Coleta de dados</p><p>De acordo com Amaral (2016), os chatbots são ferramentas que estão em consonância com</p><p>outros processos de coleta de dados modernos, como o big data. Para que a ferramenta se</p><p>desenvolva, principalmente se estiver ligada a sistemas de inteligência artificial, são usados</p><p>os dados já existentes em bancos de dados estruturados e não estruturados. No entanto, essa</p><p>coleta de dados continua sendo feita ininterruptamente por meio da interação dos usuários</p><p>17</p><p>com as próprias ferramentas de inteligência artificial agregadas aos chatbots e que, por sua</p><p>vez, colhem informações, realizam o processamento e buscam alternativas para solucionar</p><p>eventuais dificuldades (RUSSEL, 2013).</p><p>As informações ficam armazenadas em servidores físicos ou servidores em nuvem, podendo ser</p><p>reutilizadas para novas estratégias, bem como auxiliando os próprios chatbots no seu processo</p><p>de aprendizado. Como os implementos de big data estão ligados a ferramentas de inteligência ar-</p><p>tificial, que gerenciam diversos chatbots no mercado, há um fluxo informacional constante que</p><p>alimenta as interações por meio de atendimentos contínuos, filtragem de demandas, análise de</p><p>dados em tempo real, aperfeiçoamento de processos e melhora na performance (AMARAL, 2016).</p><p>6.3 Chatbots e experiência do usuário</p><p>A experiência do usuário é um fator fundamental na jornada de compras e relacionamento</p><p>entre empresas e clientes. Diariamente, o mercado oferece a potenciais compradores uma</p><p>grande variedade de novas tecnologias que geram diversas possibilidades e que oferecem a</p><p>melhor experiência dentro dos contextos que atuam (ROGERS; SHARP; PREECE, 2013).</p><p>É nesse contexto que implementos de UX (user experience) ganham relevância no mercado e</p><p>constituem um campo de conhecimento aplicado para criação de produtos e serviços em que</p><p>o objetivo é maximizar a experiência e satisfazer as necessidades de qualquer usuário ao ma-</p><p>nipular um app ou plataforma.</p><p>É fundamental que o usuário tenha uma experiência coesa, intuitiva e facilitada, com uma na-</p><p>vegação fácil e a resolução rápida dos seus problemas. Através de mecanismos e gatilhos que</p><p>o ajudem a atingir seus objetivos ao demandar uma necessidade para um sistema.</p><p>Existe uma equação entre as necessidades do usuário e as necessidades do negócio que deve</p><p>ser resolvida, por isso a experiência do usuário é um processo que deve levar em considera-</p><p>ção pesquisa, diagnóstico, jornada de compras do cliente, desenvolvimento de protótipos,</p><p>testes e equipes colaborativas na busca de solução de problemas. Tudo isso constitui a es-</p><p>pinha dorsal de um trabalho de UX, que busca justamente proporcionar ao usuário uma ex-</p><p>periência agradável e não somente na parte visual de um implemento tecnológico, mas em</p><p>outros aspectos que devem ser levados em consideração dentro de fatores intuitivos e sen-</p><p>soriais de ordem audiovisual e ergonômica. Estes aspectos estão presentes em chatbots e</p><p>devem levar em consideração o melhor suporte e manipulação por parte do usuário, uma vez</p><p>que são ferramentas destinadas à solução de demandas (ROGERS; SHARP; PREECE, 2013).</p><p>18</p><p>7 Medindo o desempenho</p><p>Em qualquer modelo de negócio, as métricas podem ser vistas como dados ou informações quan-</p><p>tificáveis que são utilizadas na análise de resultados de um ou mais processos</p><p>que orientam ações</p><p>ou estratégias específicas. Para toda empresa que busca mensurar resultados em suas perfor-</p><p>mances, uma métrica é um número que representa medidas que são acompanhadas por equipes</p><p>específicas com o objetivo de entender o que está funcionando ou não em uma estratégia.</p><p>Em geral, são medidas de desempenho indispensáveis no momento atual do mercado, pois</p><p>por meio delas é possível obter avaliações de performance diversas, como taxa de relaciona-</p><p>mento com clientes, retorno de investimento, identificação de tendências, entre outras. No</p><p>entanto, como existem diversas métricas, é importante que se tenha em mente o modelo de</p><p>negócio e o tipo de métrica que é necessária medir.</p><p>7.1 Métricas mais usadas</p><p>O Net Promoter Score (NPS) pode ser usado como um medidor de estratégia com chatbots. Para</p><p>que dados sejam coletados dessa métrica, ao final de um atendimento se faz uma pergunta ao</p><p>usuário, por exemplo: “como você avalia o atendimento?” e, então, apresenta notas de 0 a 10. Com</p><p>os resultados obtidos, os clientes podem ser inseridos em três grupos distintos (GADELHA, 2019):</p><p>• promotores: são clientes que voltariam a utilizar o bot e ainda indicariam o serviço</p><p>para outras pessoas (suas notas giram em torno de 9 a 10);</p><p>• neutros: o próprio nome já revela esse tipo de cliente, pois, geralmente, ao considerar</p><p>sua experiência como neutra, avalia o chatbot com notas entre 7 e 8 pontos;</p><p>• detratores: consideram suas experiências com os bots ruins ou insatisfatórias e, pro-</p><p>vavelmente, não indicariam o bot (suas notas giram em torno de 0 a 6 pontos).</p><p>Outra métrica utilizada durante o atendimento é o Chatbot Rates (CR). Nessa métrica, ao fi-</p><p>nal de cada resposta se pede ao usuário uma avaliação positiva ou negativa da experiência.</p><p>Nesse caso, o uso de emojis é muito comum, como os botões thumbs up (polegar positivo) ou</p><p>thumbs up down (polegar negativo), conforme a imagem a seguir.</p><p>19</p><p>FIGURA 5 – CHATBOT RATES (CR)</p><p>FONTE: Elaborada pelo autor (2021).</p><p>A coleta de resultados deve direcionar uma eventual reprogramação do bot, bem como uma</p><p>requalificação de sua inteligência artificial. Os usuários que não responderam ao questionário</p><p>ou nem mesmo interagiram com a experiência também devem ser levados em consideração,</p><p>pois entender o motivo de não terem interagido com o sistema pode trazer insights para pro-</p><p>mover as melhorias necessárias.</p><p>Um recurso muito utilizado hoje pela maioria dos chatbots é o Fallback Rates (FBR). As res-</p><p>postas fallback são programadas para o atendimento ao usuário caso ele opte por caminhos</p><p>ainda não conhecidos pelo robô. Nesse caso, o atendente virtual afirma não poder cumprir a</p><p>demanda e pode encaminhar o usuário a um atendente humano. É importante acompanhar a</p><p>incidência desse tipo de resposta, pois isso pode significar a necessidade de uma reprogra-</p><p>mação do bot ou a implantação de novas intenções do usuário que ainda não são conhecidas.</p><p>O que determina essa intenção é a chamada taxa de confusão, que é dividida pelo número de</p><p>vezes que o chatbot teve que utilizar uma resposta fallback pelo total de mensagens.</p><p>FIGURA 6 – MÉTRICA FALLBACK RATES (FBR)</p><p>Número de</p><p>respostas fallback</p><p>Total de respostas</p><p>oferecidas</p><p>Taxa de confusão</p><p>FONTE: Elaborada pelo autor (2021).</p><p>Outra métrica considerada muito importante em estratégias com bots é a taxa de usuários</p><p>ativos. É possível descobrir quantas pessoas interagem com o seu chatbot em um determina-</p><p>do período. Esse acompanhamento pode ser diário, semanal, mensal etc. Caso o número seja</p><p>baixo, é preciso repensar na abordagem, verificar quais são os atrativos dos outros canais</p><p>utilizados pelo cliente e até mesmo rever o design do seu robô. A taxa de usuários ativos está</p><p>diretamente ligada a outra métrica muito importante: a taxa de retenção.</p><p>20</p><p>A taxa de retenção tem o objetivo de descobrir quantos usuários voltaram a utilizar o bot em</p><p>um determinado período de tempo, por isso essa taxa acompanha a anterior, mas investiga a</p><p>assiduidade desses usuários. Nesse sentido, uma taxa de retenção alta significa que a estra-</p><p>tégia está no caminho certo, ou seja, isso indica que o bot está atendendo as suas necessida-</p><p>des e os usuários se mostram satisfeitos com a interação.</p><p>Além dessas métricas, também é possível medir por meio das interações por conversação.</p><p>Essa métrica tem o intuito de descobrir o número de vezes que o usuário trocou mensagens</p><p>com o bot durante uma sessão. Como cada chatbot possui regras e estratégias definidas para</p><p>seu uso, essa taxa deve ser analisada com cuidado. Um chatbot destinado ao atendimento,</p><p>por exemplo, pode ter taxa de interações baixas já que seu objetivo é atender o usuário de</p><p>maneira rápida e assertiva. No entanto, um chatbot voltado para o entretenimento pode ter</p><p>taxas de interações muito mais altas, o que significa que os usuários estão explorando as fun-</p><p>cionalidades do robô.</p><p>A Goal Completion Rate (GCR) é uma métrica que investiga se o chatbot está cumprindo seu</p><p>propósito. Para isso, o acompanhamento dessa taxa busca verificar quantas vezes o bot está</p><p>realizando as entregas esperadas pela empresa e pelo usuário. Os objetivos podem ser diver-</p><p>sos, como a captação de leads, o número de vezes que o bot conseguiu dados solicitados aos</p><p>usuários, realização de atendimento, e quantas vezes o bot foi capaz de solucionar o problema</p><p>do seu consumidor.</p><p>Por fim, a Session Length é uma métrica em que a taxa de duração média da sessão é avalia-</p><p>da em conjunto com outra métrica, que já vimos em nosso estudo, a métrica de interações por</p><p>conversação. A diferença é que o indicador nos fornece outras informações a partir da inte-</p><p>ração entre usuários e o bot. Entre os dados que são possíveis de se obter com esse indicador</p><p>estão o tempo que o cliente perde lendo as mensagens, se os botões utilizados o deixam con-</p><p>fuso, se o texto está de fácil leitura e taxas de compreensão (GADELHA, 2019).</p><p>Atenção!</p><p>As métricas são medidas de desempenho essenciais em uma estratégia de</p><p>chatbot. A partir delas, é possível mensurar os resultados obtidos na per-</p><p>formance. No entanto, é importante que a equipe defina o objetivo e qual</p><p>métrica seria melhor para o modelo de negócio.</p><p>21</p><p>8 Avaliando a performance</p><p>da árvore de classificação</p><p>Em termos gerais, uma árvore de decisão é uma representação de um mapa de possíveis</p><p>resultados a partir de uma série de escolhas, simulando que um indivíduo em um nó primário</p><p>execute ações que irão se subdividir em diversos resultados. Cada um desses resultados en-</p><p>caminha o usuário para outros nós que se ramificam em outras possibilidades, criando uma</p><p>estrutura de árvore. Existem três tipos de nós:</p><p>• nó de probabilidade: exibe as possibilidades de certos resultados;</p><p>• nó de decisão: representa uma decisão tomada;</p><p>• nó de término: representa o resultado final de um caminho tomado a partir de uma decisão.</p><p>FIGURA 7 – ÁRVORE DE DECISÃO</p><p>FONTE: Freepik (2021).</p><p>22</p><p>No contexto dos chatbots, uma árvore de decisão é uma ferramenta de auxílio aos usuários</p><p>para encontrarem respostas para as suas solicitações. O processo começa a partir de uma</p><p>pergunta inicial, depois, baseado em inteligência artificial, o sistema devolve ao usuário uma</p><p>série de perguntas que servirão de guias. Cada uma dessas perguntas devolvida ao usuário é</p><p>chamada de “ramo” de uma árvore de decisão e cada um desses “ramos” ajuda no desenvolvi-</p><p>mento da conversa e das interações de um chatbot.</p><p>Para entender como isso funciona na prática, imagine que um usuário deseja ir a um festival de</p><p>música e seleciona um artista qualquer. O chatbot poderá fazer uma pergunta solicitando qual</p><p>data e local seriam mais apropriados. Depois do usuário responder, o chatbot novamente per-</p><p>guntaria se ele deseja ingressos para pista ou camarote, qual assento deseja e assim por diante.</p><p>Agora, é importante conhecermos as etapas conceituais de um processo de desenvolvimen-</p><p>to de árvore de decisão. Esse processo, mais tarde, se integrará com outras demandas de</p><p>construção de um chatbot.</p><p>Primeiro, é preciso realizar a definição de propósito para determinar quais necessidades o</p><p>chatbot irá resolver, ou seja, qual é o seu papel no modelo de negócio. Após a definição de</p><p>propósito, é hora da etapa de identificação das premissas, em que será preciso identificar o</p><p>assunto que o bot irá compreender para que seja capaz de responder as solicitações do usuá-</p><p>rio. Devem ser determinados os estilos narrativos, se a fala será formal ou informal, quais in-</p><p>formações do usuário serão armazenadas etc.</p><p>A terceira etapa é o refinamento de navegação. Neste momento, deve-se mapear a maneira</p><p>como o bot interpretará as informações definidas em etapas anteriores por meio de palavras-</p><p>-chaves ou frases de exemplo. Assim, o bot poderá identificar as intenções do usuário e au-</p><p>xiliá-lo da melhor forma possível. Nesse momento, as ferramentas de linguagem natural são</p><p>utilizadas (GADELHA, 2019).</p><p>Depois, deve-se realizar o mapeamento da árvore de conversa. É nesse momento que a árvo-</p><p>re de decisão de um chatbot é realizada. Por fim, é necessário realizar a definição de canais</p><p>de caráter estratégico para o modelo de negócio. Aqui, o profissional deverá definir se o ne-</p><p>gócio estará ligado ao Facebook Messenger ou Telegrama, WhatsApp, blogs, aplicativos, site</p><p>institucional, entre outras opções.</p><p>23</p><p>9 Implantando chatbot</p><p>e gerando conhecimento</p><p>no sistema</p><p>Existem diversas maneiras de se criar uma integração de ferramentas de chatbot com um</p><p>sistema de dados. Para você compreender como funciona esse processo, será apresentado</p><p>neste tópico um estudo de caso em uma seguradora.</p><p>Em empresas de seguro, há uma variedade de sistemas de gestão baseados em formulários</p><p>que coletam dados. Porém a realidade dos chatbots implica em uma comunicação ininterrup-</p><p>ta e humanizada que, integrada a alguma plataforma, atende ao usuário e simultaneamente</p><p>coleta os seus dados (HART; VALMORBIDA, 2019).</p><p>Foi a partir dessa demanda que, de acordo com Hart e Valmorbida (2019), um chatbot foi de-</p><p>senvolvido com o objetivo de conectar segurados e potenciais clientes com a corretora. A</p><p>base foi o desenvolvimento de uma API (Interface de Programação de Aplicativos) que inte-</p><p>grou o chatbot a ferramentas de comunicação, como Telegram, Whatsapp, Facebook Mes-</p><p>senger e outras. A linguagem de programação utilizada foi o Python em conjunto com a Na-</p><p>tural Language Toolkit (NLTK) – um sistema NLP responsável pela humanização da linguagem.</p><p>Geralmente, os empreendimentos da área de seguros utilizam os chamados sistemas multi-</p><p>cálculos. Como o próprio nome afirma, sua base permite uma gama de cálculos de diversas</p><p>modalidades de seguros, com origem em um formulário único, otimizando muito o tempo de</p><p>criação de propostas a clientes. Os sistemas multicálculos trabalham com dados históricos</p><p>de contratos efetivados (DOS SANTOS, 2018 apud HART; VALMORBIDA, 2019).</p><p>A proposta desenvolvida para a seguradora visava a comunicação com vários sistemas mul-</p><p>ticálculos. Esses sistemas “conversam” por meio de um script em JavaScript Object Notation</p><p>(JSON) e enviam todos os dados para uma camada única de processamento gerenciada atra-</p><p>vés de um Representational State Transfer (REST). Este, por sua vez, é integrado ao Protocolo</p><p>de Transferência de Hipertexto (HTTP).</p><p>Em outras palavras, sistemas diferentes se comunicam entre si (JSON), enviam dados para o</p><p>mesmo lugar e cada sistema com seu idioma possui uma tradução para que todos se enten-</p><p>dam (REST). Por fim, essas aplicações são compatíveis com a Web (HTTP).</p><p>Além disso, uma camada de software foi utilizada para construir a interação, sendo composta</p><p>por apps Cronos Multicálculo e SGCOR (HART; VALMORBIDA, 2019). Observe o esquema abaixo:</p><p>24</p><p>FIGURA 8 – DIAGRAMA DA IMPLEMENTAÇÃO</p><p>FONTE: Hart e Valmorbida (2019).</p><p>Na imagem acima, você pode ver uma representação genérica e completa do sistema dispos-</p><p>ta em quatro módulos:</p><p>• camada de aplicativos de interface com o usuário;</p><p>• camada da API, cuja função é armazenar dados de interação com os usuários, proces-</p><p>sar linguagem natural e distribuir dados entre as bases multicálculos;</p><p>• camada multicálculo, que recebe os dados da API coletados pelo aplicativo de comunicação;</p><p>• camada do sistema de gestão, que recebe as solicitações processadas anteriormen-</p><p>te e devolve as respostas necessárias ao usuário, fazendo o caminho inverso.</p><p>Sucintamente, verificamos um sistema integrado de interação, armazenamento e construção</p><p>de conhecimento de dados com base nas necessidades dos clientes. O uso de inteligência artifi-</p><p>cial (IA), nesse sistema, torna essa tarefa de aprendizado mais fluída (HART; VALMORBIDA, 2019).</p><p>Agora, vamos compreender como as mensagens correm pelo sistema nesse processo de in-</p><p>teração? Veja a seguir um diagrama de caso que demonstra esse processo, desde a solicita-</p><p>ção do usuário pelo aplicativo de mensagens até a API que a classifica e envia para a instância</p><p>correta de acordo com o dado coletado.</p><p>25</p><p>FIGURA 9 – DIAGRAMA DE CASO</p><p>FONTE: Hart e Valmorbida (2019).</p><p>Quanto ao fluxo da mensagem pelo sistema, você pode ver representado no esquema abaixo:</p><p>FIGURA 10 – FLUXO DA MENSAGEM</p><p>FONTE: Hart e Valmorbida (2019).</p><p>26</p><p>Agora, vamos observar e entender: a partir de uma solicitação do usuário (no Facebook Messen-</p><p>ger, por exemplo), a API captura a mensagem e a classifica de acordo com critérios já estabeleci-</p><p>dos e desenvolvidos por uma IA (no exemplo uma cotação). De acordo com o que foi solicitado, o</p><p>sistema encaminha a mensagem para o sistema de gestão que prepara um cálculo, requere uma</p><p>nova pergunta ou devolve uma resposta imediata para a questão. Na figura abaixo, você pode ver</p><p>uma simulação simples de pergunta, classificação e resposta (HART; VALMORBIDA, 2019).</p><p>FIGURA 11 – SIMULAÇÃO</p><p>FONTE: Hart e Valmorbida (2019).</p><p>O sistema, finalmente, foi disponibilizado para uso real. Veja abaixo uma situação com</p><p>um cliente.</p><p>27</p><p>FIGURA 12 – DIAGRAMA DE CASO</p><p>FONTE: Hart e Valmorbida (2019).</p><p>9.1 Gráficos e resultados</p><p>Após a disponibilização do sistema, foram coletados resultados para aprendizado da equipe</p><p>e aprimoramento. Dentre os usuários, as faixas etárias coletadas foram de 31,3% de 18 a 25</p><p>anos, 43,8% de 26 a 25 anos e 25% de 36 a 45 anos. A divisão por sexo foi de 43,8% feminino e</p><p>66,3% masculino (HART; VALMORBIDA, 2019).</p><p>28</p><p>FIGURA 13 – AVALIAÇÃO DOS CLIENTES</p><p>FONTE: Hart e Valmorbida (2019).</p><p>Outros gráficos foram gerados com mais resultados para a pergunta “A assistente virtual supriu</p><p>suas necessidades de informação?”. As notas eram de 1 a 5, sendo o resultado da nota 1 “não aju-</p><p>dou” e a nota 5 “ajudou muito”. Cerca de 43,8% avaliaram com nota 5; 31,3% avaliaram com nota</p><p>4; 12,5% avaliaram com nota 3; e 12,5% avaliaram com nota 2 (HART; VALMORBIDA, 2019).</p><p>FIGURA 14 – AVALIAÇÃO DOS CLIENTES QUANTO AO NÍVEL DE AJUDA</p><p>FONTE: Hart e Valmorbida (2019).</p><p>No quesito “Como você considera sua experiência ao conversar com a assistente virtual?”, as</p><p>notas seguiram o mesmo critério de 1 a 5, sendo a nota 1 “ruim” e a nota 5 “muito bom”. Cerca</p><p>de 37,5% avaliaram com nota 5; 31,3% avaliaram com nota 4; 25% avaliaram com nota 3; e 6,3%</p><p>avaliaram com nota 1 (HART; VALMORBIDA, 2019).</p><p>29</p><p>FIGURA 15 – AVALIAÇÃO DOS CLIENTES QUANTO A EXPERIÊNCIA</p><p>FONTE: Hart e Valmorbida (2019).</p><p>Outros dados foram coletados a partir de perguntas como: “Você voltaria a utilizar um assis-</p><p>tente virtual para consulta de informações ou efetuar novas cotações de seguro?”. Nesse caso,</p><p>56,3% escolheram nota 5; 31,3% avaliaram 4; 6,3% avaliaram 3; e 6,3% escolheram nota 1.</p><p>Outra questão que se mostrou relevante nesse estudo de caso foram as motivações que le-</p><p>varam os clientes a consultar o chatbot. Os resultados obtidos a partir da questão “Para que</p><p>fim você utilizou a assistente virtual?”, que propunha mais de uma escolha, contava com as</p><p>alternativas “Consultar informações sobre seguro”, “Consultar informações da corretora”,</p><p>“Efetuar cotação de seguro” e “Outros”. Como resposta, 81,3% desejavam informações sobre</p><p>seguros, 37,5%</p><p>informações da corretora, 37,5% cotações de seguros e 6,3% outros assun-</p><p>tos (HART; VALMORBIDA, 2019).</p><p>30</p><p>Resumo do curso</p><p>Neste curso, você aprendeu que o chatbot é uma ferramenta de comunicação e interação</p><p>com o usuário cada vez mais utilizada na estratégia de empresas de todos os portes. Após</p><p>essa leitura, você entendeu a importância de estabelecer uma estratégia de chatbot que faça</p><p>sentido para um determinado modelo de negócio, definindo o tipo ideal de chatbot e as métri-</p><p>cas a serem utilizadas.</p><p>Além disso, você conheceu implementos importantes que são aliados no momento da criação</p><p>de um chatbot, como a inteligência artificial (IA), o big data, a internet das coisas, machine</p><p>learning, experiência do usuário (UX), entre outras correntes técnicas e tecnológicas. Esses</p><p>implementos contribuem para a estrutura do chatbot e, consequentemente, melhoram a sua</p><p>performance, principalmente no que diz respeito a facilitar a jornada dos clientes. Esperamos</p><p>que esta etapa tenha sido proveitosa e que seja apenas o começo dos seus estudos acerca</p><p>das tecnologias interativas.</p><p>31</p><p>Referências</p><p>ALMEIDA, B. M. D. CatBot - Um agente conversacional para auxiliar estudantes acadêmicos.</p><p>2020. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Universida-</p><p>de Federal Fluminense, Niterói, Rio de Janeiro, 2020. Disponível em: https://app.uff.br/riuff/</p><p>bitstream/1/13025/1/Barbara.pdf. Acesso em: 10 set. 2021.</p><p>ALMEIDA, E. et al. Implementação da ferramenta Chatbot no gerenciamento de vendas onli-</p><p>ne: estudo de caso na Parente Service. Revista Científica Multidisciplinar Núcleo do Conhe-</p><p>cimento, ano 5, ed. 11, v. 7, p. 25-44, nov. 2020. Disponível em: https://www.nucleodoconheci-</p><p>mento.com.br/administracao/ferramenta-chatbot. Acesso em: 10 set. 2021.</p><p>AMARAL, F. Big Data: uma visão gerencial. São Paulo: Ed. Polo Books, 2016.</p><p>BOZKURT, A. A tecnologia se renova: conceitos-chave sobre assistentes pessoais inteligentes</p><p>(IPAs). Anadolu: Anadolu University, 2018.</p><p>HART, L; VALMORBIDA, W. Desenvolvimento de uma API para Chatbots de vendas e gestão</p><p>de seguros. Revista Destaques Acadêmicos, Lajeado, v. 11, n. 4, p. 101-120, 2019. Disponível</p><p>em: http://www.univates.br/revistas/index.php/destaques/article/view/2361. Acesso em:</p><p>23 set. 2021.</p><p>GADELHA, I. B. L. O uso de chatbots no atendimento de clientes de revenda por catálogo.</p><p>2019. Dissertação (Mestrado em Computação Aplicada) - Núcleo de Desenvolvimento da Ama-</p><p>zônia, Programa de Pós-Graduação em Computação Aplicada, Universidade Federal do Pará,</p><p>Tucuruí, 2019. Disponível em: http://repositorio.ufpa.br/jspui/bitstream/2011/12417/1/Disserta-</p><p>cao_UsoChatbotsAtendimento.pdf. Acesso em: 10 set. 2021.</p><p>KHURANA, D. et al. Processamento de linguagem natural: estado da arte, tendências atuais e</p><p>desafios. Department of Computer Science and Engineering, Manav Rachna International Uni-</p><p>versity, 2017.</p><p>MAES, P. Agents that reduce work and information overload. Communications of the ACM, v.</p><p>37, n. 7, p. 31–40, 1994. Disponível em: https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.</p><p>1.1.368.2096&rep=rep1&type=pdf. Acesso em: 23 set. 2021.</p><p>MACEDO, A. et al. Um estudo sobre a introdução de um assistente virtual para suporte à escri-</p><p>ta coletiva. Revista Renole Novas Tecnologias na Educação, Porto Alegre, v. 5, n. 1, jul. 2007.</p><p>Disponível em: https://seer.ufrgs.br/renote/article/view/14153/11696. Acesso em: 23 set. 2021.</p><p>MACIEL, H. Ferramentas e criação de chatbot – Maciel o robô acadêmico. 2019. Trabalho de</p><p>Conclusão de Curso (Graduação em Engenharia de Software) - Campus Russas, Universidade</p><p>Federal do Ceará, 2019. Disponível em:http://www.repositorio.ufc.br/bitstream/riufc/43424/1/</p><p>Herison%20tcc.pdf. Acesso em: 10 set. 2021.</p><p>https://www.nucleodoconhecimento.com.br/administracao/ferramenta-chatbot</p><p>https://www.nucleodoconhecimento.com.br/administracao/ferramenta-chatbot</p><p>http://www.univates.br/revistas/index.php/destaques/article/view/2361</p><p>https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.368.2096&rep=rep1&type=pdf</p><p>https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.368.2096&rep=rep1&type=pdf</p><p>32</p><p>MANFIO. E. R. A evolução dos chatterbots: PNL, I.A. e difusão cultural. Faculdade de Tecno-</p><p>logia de Garça/ UEL, 2015. Disponível em: https://inbot.com.br/apoio/artigos/A-EVOLUCAO-</p><p>-DOS-CHATTERBOTS-PLN-IA-FATEC.pdf. Acesso em: 10 set. 2021.</p><p>ROGERS, Y. et al. Design de Interação: além da Interação humano-computador. Tradução de</p><p>Isabela Gasparini. 3. ed. Porto Alegre: Bookman Editora, 2013. 585 p.</p><p>RUSSELL, S. Inteligência Artificial. Rio de janeiro: Elsevier, 2013.</p><p>SOUZA, R. F. Desenvolvimento de chatbot aplicado ao atendimento de clientes em e-busi-</p><p>ness. 2018. Trabalho de Conclusão de Curso (Grau de Bacharel em Engenharia de Computa-</p><p>ção) - Departamento de Engenharia da Computação, Universidade Federal de Santa Catarina,</p><p>Araranguá, Santa Catarina, 2018. Disponível em: https://repositorio.ufsc.br/bitstream/hand-</p><p>le/123456789/187968/Trabalho-versao-final-Roger- Florzino-de-Souza.pdf?sequence=1&isAl-</p><p>lowed=y. Acesso em: 10 set. 2021.</p><p>https://inbot.com.br/apoio/artigos/A-EVOLUCAO-DOS-CHATTERBOTS-PLN-IA-FATEC.pdf</p><p>https://inbot.com.br/apoio/artigos/A-EVOLUCAO-DOS-CHATTERBOTS-PLN-IA-FATEC.pdf</p><p>1 Introdução</p><p>2 O que são chatbots</p><p>2.1. Assistente virtual</p><p>3 Como funciona um chatbot</p><p>3.1 Painel de contole padrão de chatbot</p><p>3.2 Chatbot baseado em um conjunto de diretrizes</p><p>3.3 Chatbot baseado em inteligência artificial</p><p>4 Tipos e usos de chatbot</p><p>4.1 Chatbot conversacional</p><p>4.2 Chatbot escudo</p><p>4.3 Chatbot social</p><p>4.4 Chatbot otimizador</p><p>4.5 Chatbot proativo</p><p>4.6 Chatbot para marketing</p><p>4.7 Chatbot para vendas</p><p>4.8 Chatbot para atendimento</p><p>5. Inteligência artificial e machine learning</p><p>6 Identificar, coletar, analisar e relatar</p><p>6.1 Entendendo um sistema nlp</p><p>6.2 Coleta de dados</p><p>6.3 Chatbots e experiência do usuário</p><p>7 Medindo o desempenho</p><p>7.1 Métricas mais usadas</p><p>8 Avaliando a performance da árvore de classificação</p><p>9 Implantando chatbot e gerando conhecimento no sistema</p><p>9.1 Gráficos e resultados</p><p>Resumo do curso</p><p>Referências</p>