Auf dem Weg zur bevorstehenden Shift/CX Chatbot & Conversational Experiences Konferenz am 25. & 26. September wollen wir an dieser Stelle noch einen Blick auf die aktuellen technologischen Entwicklungen werfen. Neben den Veränderungen bei den Projektherausforderungen (siehe Artikel) und Konsequenzen der LLM-Integration auf das Conversational Design (siehe Artikel) sind auch die Veränderungen in der technologischen Landschaft zu diskutieren.

Es ist "Common Expert Sense", dass sich professionelle Chatbot- und Conversational Interface-Lösungen nicht allein durch generative KI realisieren lassen. Insbesondere, wenn es um die Sicherstellung von Relevanz und Richtigkeit der Antwort und einer hohen Service-Qualität geht führt der Weg über hybride Ansätze, bei denen die bewährten Technologien zur Intent-Erkennung und -Steuerung durch generative Fähigkeiten erweitert werden. Doch diese Erweiterung bringt neue Herausforderungen und Anforderungen mit sich, die auf der Konferenz diskutiert und bewertet werden.

Neue Funktionalitäten in Conversational Plattformen im Zeitalter der LLM-Integration

Der aktuelle Stand von Conversational Plattformen zeigt, dass sich ihre Kernfunktionen nach wie vor auf wichtige Elemente wie Intent- und Entity-Recognition, die Gestaltung und das Management vpon Dialogflüssen sowie der Steuerung der Conversational User Interfaces (CUI) stützen. Diese grundlegenden Fähigkeiten bilden das Fundament jeder Conversational Plattform und stellen sicher, dass Benutzereingaben richtig verstanden und verarbeitet werden, um eine effektive Kommunikation zu ermöglichen.

Ergänzend zu dieser eher kontrollierten Gesprächsführung soll die Integration von Large Language Models (LLMs) erweiterte Möglichkeiten bringen. Neue Funktionen, wie die Nutzung von LLMs für die Textanalyse und -generierung, ermöglichen tiefere und kontextuellere Interaktionen. Zudem kommt die Integration von Domänenwissen durch Technologien wie Retrieval-Augmented Generation (RAG), Kontextdatenbanken oder Knowledge Graphs hinzu. Diese Ansätze konkurrieren mit dem Fine-Tuning der Modelle und bieten eine flexible Möglichkeit, spezifisches Fachwissen in die Konversationssteuerung einzubinden.

Daneben nimmt das Thema Governance eine bedeutsame Rolle ein. Da die LLMs darunter leiden, dass sie über das Ziel hinausschiessen und "halluzinieren" bzw. mißgünstige bereitgestellten User-Input im besten Sinne verarbeiten, müssen wir Sicherheitsvorkehrungen (sprich Guard Rails) konzeptionell einbauen, die dafür sorgen,  dass sowohl die Eingaben als auch die generierten Antworten durch Qualitätskontrollen und Sicherheitsvorkehrungen geprüft werden, um Fehlinterpretationen oder falsche Aussagen zu minimieren.

Mit der Berücksichtigung des bisherigen Gesprächverlaufes kommt zudem die neue Funktion des "Chaining" bzw. der Automatisierung daher. Diese neuen Funktionen machen Conversational Plattformen im Zeitalter der LLM-Integration deutlich leistungsfähiger und vielseitiger, indem sie nicht nur die Basisfunktionen verbessern, sondern auch innovative, fortgeschrittene Möglichkeiten der Prozessautomatisierung bieten.

Agentic AI: Die Endvision der Conversational KI

Gehen wir einen Schritt weiter und berücksichtigen die Announcement der verschiedenen Plattform-Anbieter, so läuft die technologische Entwicklung in Richtung "Agentic AI". Hierbei geht es um Plattformen, die weit mehr als für Dialog gedacht sind - sondern für Conversational Business Prozesses. Im Mittelpunkt steht hierbei das "Chaining" bzw. die Automatisierung, die gestützt mit KI in der Lage ist eigenständige Aufgaben auszuführen, Entscheidungen zu treffen und kontinuierlich zu lernen. Wenn die zuvor beschriebenen Funktionen, wie sie in modernen Conversational Plattformen bereits integriert werden, vollständig entwickelt und optimiert sind, wird die Realisierung von Agentic AI möglich.

Agentic AI lässt sich durch vier zentrale Merkmale charakterisieren:

1. Autonomie: Agentic AI wird unabhängig operieren und eigenständige Entscheidungen treffen können. Dies bedeutet, dass die KI ohne menschliche Eingriffe Aufgaben übernimmt und dabei ihre eigenen Strategien zur Problemlösung entwickelt. Diese Fähigkeit ist besonders wertvoll für komplexe, dynamische Umgebungen, in denen schnelle Entscheidungen gefragt sind.

2. Interaktivität: Ein weiterer wesentlicher Aspekt von Agentic AI ist ihre Fähigkeit, sowohl mit Menschen als auch mit anderen Systemen zu interagieren. Sie wird nicht nur in der Lage sein, auf Anfragen zu reagieren, sondern auch proaktiv Interaktionen mit anderen Systemen zu initiieren und zu koordinieren. Dies verstärkt ihre Fähigkeit, in kollaborativen Umgebungen effektiv zu arbeiten.

3. Lernfähigkeit: Das Lernen und die kontinuierliche Anpassung an neue Situationen sind essenziell für Agentic AI. Durch maschinelles Lernen wird sie in der Lage sein, aus bisherigen Erfahrungen zu lernen, Muster zu erkennen und ihre Strategien entsprechend zu optimieren. Dies stellt sicher, dass sie sich kontinuierlich verbessert und flexibel auf neue Anforderungen reagiert.

4. Zielorientiertes Verhalten: Agentic AI wird stark auf Effizienz und Effektivität ausgerichtet sein. Das bedeutet, dass sie nicht nur darauf abzielt, Aufgaben zu erledigen, sondern dies auf eine möglichst produktive und ressourcenschonende Weise. Diese zielorientierte Arbeitsweise macht Agentic AI zu einem wertvollen Werkzeug in Umgebungen, in denen Zielerreichung mit minimalem Aufwand entscheidend ist.

Die erfolgreiche Integration dieser vier Merkmale führt zur Verwirklichung der Agentic AI, die nicht nur eigenständig agieren, sondern auch kontinuierlich dazulernen und sich an wechselnde Anforderungen anpassen kann. Dies ist die technologische Entwicklungsendvision, auf die alle großen Plattformanbieter hinarbeiten.

Fazit

In diesem Beitrag haben wir einen kurzen Abriß über den aus unserer Sicht bestehenden Status-Quo der technologischen Ansätze skizziert, der Grundlage weiterer Diskussionen bei der Shift/CX Chatbot & Conversational Experiences Konferenz ist. Die Verknüpfung von klassischen Intent-Erkennungssystemen mit den Potenzialen generativer KI markiert den nächsten Schritt in der Evolution dieser Technologien. Auf der Konferenz werden wir die Anforderungen an diese hybriden Ansätze vertiefen und darüber diskutieren, wie diese Lösungen die Zukunft der Conversational AI prägen werden. Dabei bleibt die Frage zentral, wie Relevanz, Richtigkeit und Effizienz in einem sich schnell wandelnden technologischen Umfeld gewährleistet werden können.

Meldet Euch jetzt noch an und seit dabei!