Chatbots eficientes deveriam beber da fonte da Gestão do Conhecimento e KCS

Juliano Statdlober
Apr 6, 2018 · 4 min read

Esse artigo pode a princípio parecer incomum para esta publicação, uma vez que não está restrito a discutir somente chatbots, mas também a trazer à tona conceitos sobre gestão do conhecimento e KCS — Knowledge Centered Service, além é claro dos chatbots em si.

Antes de mais nada, é importante destacar um fato importante, que apesar de parecer ser obvio, algumas vezes pode passer desapercebido.

O fato é que chatbots não são um fim em si mesmos, eles são utilizados para atingir algum objetivo.

Este objetivo é invariavelmente estar em contato com usuários ou clientes para informar, ajudar a resolver problemas ou coletar dados. Para executar suas tarefas, chatbots devem ser treinados adequadamente. Em outras palavras, podemos portanto afirmar que sem conhecimento um chatbot não faz absolutamente nada.

Antes de irmos adiante discutindo chatbots, vamos revisar alguns conceitos sobre Gestão do Conhecimento — GC. De acordo com a área de GC, existem dois tipos fundamentais de conhecimento, tácito e explícito. Tácito é todo aquele que não está documentado formalmente, ao passo que conhecimento explícito, ao contrário do tácito, é todo aquele que está formalmente documentado, armazenado, escrito, registrado, enfim, em qualquer lugar além da cabeça das pessoas. Outro conceito importante da GC é o processo de conversão de conhecimento, que visa transformar o conhecimento tácito em explícito.

Com esses conceitos em mente, é plausível afirmar que treinar chatbots pode ser visto como transferência de conhecimento, visto que de alguma forma os BOTs devem aprender conceitos e informações que pertencem às pessoas ou organizações. Este aprendizado é atingido pelo uso de conhecimento explícito, seja para a compreensão de expressões humanas ou para o fornecimento de respostas e informações apropriadas e pertinentes.

O conhecimento, para as empresas, é um ativo importante. Uma das metas da GC é identificar, coletar, organizar e disseminar conhecimento. Isso também aplica-se ao treinamento de chatbots, porque precisamos saber quais os ativos (ou conhecimento) que precisamos transferir para nossos BOTs. Essa identificação de conhecimento é conhecida como mapeamento de conhecimento.

Quando os chatbots são treinados e colocados em produção, temos somente uma parte do cenário. Todos sabemos que o processo consiste de monitoramento constante para revisão das interações com os usuários e atualização de conteúdo, com novos ciclos de treinamento — para novas questões feitas por usuários, novos conjuntos de informações, novas regras, etc. Isso é retratado na área de GC como GC proativa. A verdade é que, de uma ou outra forma, precisamos monitorar e atualizar constantemente o conhecimento explícito.

Aqueles familiarizados com a GC sabem que não é fácil ou simples manter o conhecimento explícito atualizado. Por essa razão, a KCS foi criada. KCS é uma metodologia baseada em práticas que foi criada por uma aliança não lucrativa de empresas de serviços e suporte técnico.

Os preceitos fundamentais da KCS são a criação de conhecimento como um sub-produto da solução de requisições, evolução do conteúdo baseada em demanda e uso do mesmo, desenvolvimento de base de conhecimento resultando da experiência coletiva e colaboração e reconhecimento por aprendizado, compartilhamento e melhoria.

Não é objetivo desse texto aprofundar-se nos conceitos de KCS, mas sim sugerir que alguns dos conceitos poderiam ser muito úteis para o treinamento de chatbots. Vejamos os dois primeiros preceitos citados acima.

Quando os usuários ou clients estão interagindo com chatbots, a situação indesejável é quando o usuário pergunta algo e o BOT não consegue responder — obviamente ele não o faz quando não está propriamente treinado.

Deve existir um processo estabelecido para atualizar o Treinamento do BOT quando isso acontece, então por que não tomarmos o preceito da KCS de “evolução do conteúdo baseada em demanda e uso”?

Em outras palavras, estamos falando de atualizar o treinamento do BOT quando ele não estiver apto a responder.

Como?

Algumas plataformas de chatbots suportam escalonamento humano, certo? Então, por que não aproveitar esta oportunidade para atualizar o treinamento, quando os humanos forem acionados para dialogarem com os usuários? Isso é, em outras palavras, a atualização de conhecimento “on-demand”, como preconizado pela KCS.

Outro exemplo que podemos tomar da KCS é o “desenvolvimento de base de conhecimento resultando da experiência coletiva e colaboração”.

Quando treinamos nossos chatbots, quem na organização é responsável por fazê-lo? Será que uma só pessoa detém todo o conhecimento necessário de todas as áreas?

Por isso, por que não colaborar na criação de conhecimento, e manter isso cíclico?

Nota do autor

Para quem se interessar em saber mais sobre Gestão do Conhecimento e KCS, eu gostaria de sugerir um livro que escrevi, “Gestão do conhecimento em serviços de TI: Guia prático”, disponível no site da Editora Brasport e nas principais livrarias do Brasil (Saraiva, Cultura, etc). Nele eu apresento de forma didática os conceitos de ambos.

Bots Brasil

Conectamos pessoas e compartilhamos conteúdos relacionados à Bots, Inteligência Artificial e Interfaces Conversacionais em Português.

Juliano Statdlober

Written by

Entrepreneur and writer. Co-owner and CTO @ Qualitor Software. https://www.amazon.com/Juliano-Statdlober/e/B0735TN27Y

Bots Brasil

Conectamos pessoas e compartilhamos conteúdos relacionados à Bots, Inteligência Artificial e Interfaces Conversacionais em Português.

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade