Entreprise à suivre - QOSI
La langue est l’une des beautés des cultures. Les humains aiment utiliser le langage qu’ils connaissent, car cela leur fait sentir qu’ils font partie d’une tribu. Les Britanniques utilisent des mots différents de ceux des Américains ou des Malaisiens, alors que tous parlent une langue similaire. Cependant, cela devient un problème lorsque les entreprises doivent déployer des programmes mondiaux couvrant différentes cultures et langues.
Ce problème est très fréquent dans l’espace conversationnel de l’IA lorsque le développement de solutions multilingues est l’évolution naturelle de chaque projet – en particulier dans les grandes entreprises. Ainsi, il est important de comprendre quelles implications cela a et d’en tenir compte lors du choix de la bonne technologie.
Engagez vos clients avec une IA conversationnelle sur n’importe quel canal, appareil ou service, dans n’importe quelle langue, n’importe où, en utilisant une plate-forme, c’est possible et il en existe plusieurs. L’émergence soudaine de la pandémie de Covid-19 a été difficile pour bon nombre de secteurw, l’un deux est la banque. Les banques doivent relever de nouveaux défis qui vont au-delà de la baisse de valeur des actifs financiers. L’un de ces défis consiste à surmonter les obstacles opérationnels et à remédier au manque d’accès aux personnes, aux employés et aux installations en raison des réglementations en matière de confinement.
La distanciation sociale a apporté de nouvelles méthodes de consommation, de communication et de travail. De ce fait, les banques sont aujourd’hui confrontées à un nouveau paysage et à une transformation comportementale des clients et de l’industrie. Les banques doivent réévaluer comment et où les centres de contact sont exploités, comment offrir des expériences client de qualité et comment utiliser différents canaux numériques pour répondre à la demande croissante de service client.
Une étude récente de JD Power montre qu’un tiers des clients de la banque de détail prévoient d’augmenter leur utilisation des services bancaires mobiles et en ligne. En période de crise, les centres de contact sont cruciaux. Lorsqu’il s’agit de trouver des solutions à des problèmes urgents et complexes, les clients concernés préfèrent d’abord les interactions en direct, 58% des clients préférant résoudre les problèmes en appelant à l’assistance plutôt qu’en utilisant différents canaux.
Nous savons qu’une partie des solutions numériques que les banques ont envisagées consistent à se tourner vers l’automatisation et les chatbots qui peuvent hiérarchiser les requêtes, trier pour l’urgence et être toujours disponibles, offrant plus de temps et d’accessibilité aux agents humains qui peuvent gérer des problèmes complexes.
Les rapports montrent que depuis fin février, les tickets de support arrivant sur WhatsApp pour de nombreux secteurs ont augmenté de plus de 100%, le chat (34%) et la messagerie (30%) enregistrant des gains importants. Pour les grandes entreprises, les billets via WhatsApp ont augmenté de 166% en mai. Cela montre que les clients souhaitent de plus en plus communiquer sur leurs canaux préférés, que ce soit WhatsApp, Facebook Messenger, Microsoft Teams ou la voix.
Les centres de contact doivent trouver des moyens de réduire les temps d’attente des clients et de gérer la frustration des clients, en trouvant comment redistribuer les volumes de contacts sur plusieurs canaux et comment gérer leur personnel à distance.
Les meilleures plates-formes de chatbot AI permettent aux clients de gérer les demandes de manière plus rapide et plus efficace et agissent comme un canal d’écoute à partir duquel les banques peuvent mieux comprendre leurs clients et faciliter par la suite la fourniture d’informations, d’offres et de services personnalisés. Le marché des plates-formes conversationnelles, des chatbots et des offres VA peut inclure de 1 000 à 1 500 fournisseurs dans le monde.
Teneo est une plate-forme d’IA créée en 2010. La plate-forme permet de collaborer à la création d’applications qui s’exécutent dans 35 langues.
Teneo utilise un modèle hybride pour comprendre le langage. Cela signifie que vous pouvez mélanger des algorithmes d’apprentissage automatique et les conditions linguistiques pour la compréhension du langage naturel (NLU). Cette approche offre à la fois le mix de l’apprentissage automatique et la précision et l’évolutivité linguistique fournies par les conditions linguistiques.
