Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
PROPOSTA DE DESENVOLVIMENTO DE UM CHATBOT UTILIZANDO A PLATAFORMA DIALOGFLOW
Autor: Luiz Gustavo Kempe Inácio1
Orientador: Robson Leandro Carvalho Canato2
RESUMO: Em um mercado cada vez mais competitivo, o preço deixou de ser a forma mais eficiente de evidenciar uma marca, um produto ou um serviço. Ciente disso, muitas empresas tem apostado em formas alternativas de oferecer um atendimento personalizado em busca de excelência. Nesse quesito, a tecnologia tem se mostrado altamente promissora, possibilitando as empresas tais meios alternativos, como por exemplo, através da utilização de assistentes virtuais, os chatbots. Com base nesta afirmação, este trabalho propõe o desenvolvimento de um chatbot utilizando a plataforma DialogFlow do Google. No trabalho são apresentadas algumas tecnologias utilizadas no desenvolvimento do chatbot proposto, bem como as etapas do seu desenvolvimento.
PALAVRAS-CHAVE: Inteligência Artificial, Assistentes Virtuais, Chatbot, Processamento de Linguagem Natural.. ABSTRACT: In an increasingly competitive market, the price prepared to be the most efficient way to highlight a brand, a product or a service. Aware of this, many companies have bet on alternative ways to offer personalized service in search of excellence. In this regard, technology has been highly promising, making it possible for companies to use such alternative means, such as the use of virtual assistants, chatbots. Based on this statement, this work offers the development of a chatbot using a Google DialogFlow platform. At work are some technologies used in the development of the proposed chatbot, as well as the stages of its development.KEYWORDS: Artificial Intelligence, Virtual Assistants, Chatbot, Natural Language Processing.
INTRODUÇÃOInteligência Artificial é um campo da Ciência da Computação que estuda a
síntese e a análise de agentes computacionais que agem de forma inteligente,
analisando e testando hipóteses sobre o que é necessário para a criação de agentes
inteligentes, projetando, estudando e fazendo experimentos com sistemas
computacionais que executam tarefas que requerem inteligência. Com o avanço da
1 Luiz Gustavo Kempe Inácio possui graduação em Administração pela Instituição de Ensino São Francisco e discente de graduação em Ciência da Computação (2020) pela Faculdade Municipal Professor Franco Montoro, Mogi Guaçu, São Paulo. E-mail: [email protected]
2 Robson Leandro Carvalho Canato possui graduação em Análise de Sistemas pela PUC-CAMPINAS (2006), pós-graduação em Banco de Dados pelo IBTA (2010), mestrado em Ciência da Computação pela UNICAMP (2016), pós-graduação em Data Warehouse e Business Intelligence pelo IBF (2018) e pós-graduação em Formação Pedagógica pelo Centro Paula Souza (2019). Docente da Faculdade Municipal Professor Franco Montoro, Mogi Guaçu, São Paulo. E-mail: [email protected]
1
2
3
4
56789
101112131415161718192021222324252627282930
31
32
33
34
35
123456789
2
tecnologia e a necessidade de atender pessoas é preciso a criação de sistemas cada
vez mais inteligentes e autônomos.
Normalmente clientes esperam por muito tempo para serem atendidos,
principalmente em chat ao vivo, onde precisam esperar em uma fila virtual para serem
respondidos por algum assistente disponível, implicando em um tempo considerável
para se obter a resposta desejada.
Com base na afirmação anterior, empresas como Microsoft, Google, Facebook
dentre outras, estão cada vez mais investindo em tecnologias como o chatbot. O termo
chatterbot em português significa robô conversador, que são capazes de analisar e
responder perguntas, sendo apto de substituir o ser humano e tornando esse
atendimento disponível a todo momento e sem a necessidade de esperas longas.
Dessa forma, com a utilização do chatbots, espera-se redução de custo com pessoas e
uma maior padronização nas informações, possibilitando aos clientes maior agilidade
no atendimento, servindo como uma espécie de triagem para casos que ainda
necessitem de atendimento humano.
Neste trabalho será abordado como são desenvolvidos e exemplos de utilização
dos chatbots, quais programas e ferramentas são necessários para sua criação, sua
importância no cotidiano das pessoas, principalmente nos dias atuais onde
enfrentamos uma pandemia mundial que fez empresas e instituições de ensino
buscarem alternativas na tecnologia para se manterem conectadas aos seus clientes,
sendo o chatbot vista como uma tecnologia promissora e eficaz.
1. MOTIVAÇÃO
Durante os estudos foi visto que mesmo com o crescimento da inteligência
artificial ainda temos dificuldades de se ter uma resposta mais rápida vinda das
empresas através de chats, e-mails e sistemas call centers. Isso fez com que elas
buscassem meios de evoluir com a comunicação digital a fim de estreitar sua relação
com os clientes, focando também em otimizar custos e processos de serviços numa
única plataforma. Posto isso, me deparei com a tecnologia dos chatbots, uma das
1011
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
3
principais opções de ferramentas para a solução das necessidades das empresas, que
despertou a curiosidade de como esta é aplicada, e como se torna eficaz para dissolver
dúvidas e trazer soluções aos seus usuários.
Embora nos esforcemos para evitar a "robotização" das relações interpessoais e
do cuidado, e sabendo que as pessoas ainda são importantes para a obtenção dos
resultados mais concretos e verdadeiros, o uso de chatbots pode ajudar empresas de
diferentes ramos a alcançar resultados, o que pode melhorar os serviços e reduzir
custos. Suas vantagens estão relacionadas a se adequar ao novo comportamento do
consumidor, lidando com o volume do uso de mensagens instantâneas, já que em
contrapartida, as pessoas estão cada vez menos dispostas a esperar horas ou dias
para verem suas necessidades atendidas. Outras vantagens reforçam a aplicação de
chatbots nas organizações:
Problemas de clientes ou usuários serão resolvidos mais rapidamente;
Os processos diários podem ser automatizados e delegados a chatbots;
Os contatos via e-mail são bastante reduzidos, liberando funcionários para
outras tarefas;
Reduzir o custo de contratação e treinamento de funcionários;
Ele permite que professores e alunos em EAD se comuniquem
simultaneamente.
2. CONCEITOS FUNDAMENTAIS
2.1 Inteligência Artificial
O termo inteligência artificial começou a ser utilizado no final dos anos 1950. Os
cientistas Hebert Simon e Allen Newel foram os responsáveis pela criação do primeiro
laboratório de inteligência artificial na universidade de Carnegie Mellon.
De acordo com Luger (2004), a Inteligência Artificial (IA) é a divisão da ciência
da computação que lida com comportamento inteligente. Para Rich (1994), a
Inteligência Artificial baseia-se em estudar como os computadores podem realizar
tarefas que são realizadas pelos seres humanos, só que melhor.
1213
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
4
A IA simbólica é o estudo do cérebro humano para construir uma máquina que
pode resolver problemas, enquanto a IA conexionista acredita que, para um sistema
que imita as funções do cérebro humano, ele deve ser construído simulando sua
estrutura. Atualmente, esses dois conceitos (simbólico e conexionismo) são
complementares, não competindo entre si (RUSSEL, NORVING, 2013).
Baseado no teste de Turing, proposto por Allan Turing, onde duas pessoas e um
sistema de IA são colocadas no mesmo ambiente. Um deles é o interrogador. O
interrogador conduz um diálogo em linguagem natural com a pessoa e com a máquina.
Dessa forma, com base nas perguntas e respostas, identificar se o diálogo está sendo
feito com uma pessoa ou com uma máquina, de modo a indicar se o sistema passou no
teste de Turing.
2.2 Processamento de Linguagem Natural
O processamento de linguagem natural (PLN) é uma subárea da IA. Entende-se
por PLN a capacidade de lidar com a mesma linguagem usada pelos humanos.
Algumas dessas tecnologias o conteúdo do uso de PLN inclui: tradução de texto ou
fala, preparação de resumos, avaliação de erros, reconhecimento de fala, entre outros
(FINATTO, 2015).
O PLN fornece aos computadores a habilidade para que entendam e formem
textos. Entende-se que formar um texto é a capacidade da máquina em reconhecer o
contexto, analisar a sintática, semântica, léxica e morfológica, criando assim resumos
para extrair informações e aprender conceitos com os resumos processados.
Segundo Russell e Norvig (2013), o PLN aborda a possibilidade de humanos
comunicar-se com as máquinas da maneira mais natural possível, sem ter que
aprender linguagens artificiais muito específicas, que são os comandos que manipulam
um computador, por exemplo, já que muitas pessoas ainda têm dificuldades.
De acordo com Rodrigues (2017), o PLN procura resolver questões
computacionais que requerem o tratamento computacional de uma ou mais línguas
naturais, dedicando-se ao desenvolvimento de sistemas computacionais que tem a
língua natural escrita como objeto primário.
1415
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
5
2.3 Aprendizagem de Maquina
A aprendizagem de máquina ou machine learning, é um subcampo da
Inteligência Artificial, que trabalha com o conceito básico de que as maquinas através
de acesso a grandes volumes de dados são capazes de aprender sozinhas, detectando
padrões e criando conexões entre dados, através de Big Data e algoritmos sofisticados,
desenvolvendo sozinhas uma determinada tarefa.
De acordo com Russell e Norvig (2013), na aprendizagem de máquina encontra-
se os agentes que são primordiais, capazes de fazer e enxergar no seu ambiente por
meio de sensores e atuadores. Considera-se que um agente virtual está
compreendendo quando sua performance evolui ao observar sobre o mundo. Podem
melhorar por meio de comportamentos e instruções diligente de suas experiências
próprias. Todo componente através de aprendizagem pode ser melhorado a partir de
dados.
2.4 Assistentes Virtuais
Assistente virtual é um software que realiza serviços ou tarefas através de
entradas do usuário. É um sistema que acessa banco de dados e gera uma resposta
ao usuário agilizando e facilitando a obtenção da informação desejada.
Segundo Cruz, Alencar e Schimitz (2013), ao contrário dos serviços que
dependem para sempre do ser humano, uma vez que esses assistentes virtuais
recebam as orientações corretas, jamais abrirão mão das orientações que lhes são
dadas. Ainda de acordo com Cruz, Alencar e Schimitz (2013), a existência de
assistentes virtuais só é possível devido aos avanços em diversos campos da
tecnologia.
Alexa, Siri, Google Assistant e Microsoft Cortana são exemplos de assistentes
virtuais que continuamente aprendem através da interação com os usuários,
aumentando seus repertórios e se tornando não só um assistente pessoal, mas uma
solução para vários negócios empresariais.
De acordo com Valois (2018), o assistente virtual mais popular é a Alexia,
baseada no computador da Enterprise, a nave de Star Trek e está integrada ao Echo,
1617
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
6
que é um alto falante inteligente desenvolvido pela mesma Amazon, desenvolvedora da
Alexa. Alexa também tem uma solução de negócios (Alexa for Business), e suas
ferramentas podem ajudar a melhorar a eficiência do trabalho, incluindo abrir ou fechar
cortinas de escritório, agendar compromissos e gerenciar reuniões de vídeo.
Walliter (2016), centrou-se no trabalho do grupo de Inteligência Artificial e
pesquisa da Microsoft, que criou o sistema de reconhecimento de fala, a Cortana, que
apresenta a mesma taxa de erro de palavras (5,9%) observada por humanos. Com o
uso de modelos neurais de linguagem, a precisão dos padrões de fala de Cortana
melhorou, combinando palavras semelhantes.
Segundo Rehral (2016), Cortana é o nome do assistente interativo pessoal
embutido no sistema operacional Windows 10. Você pode dar a ela instruções e falar
com ela usando voz ou texto. O nome foi dado em homenagem a sua contraparte
ficcional em uma série de videogame Halo. A Cortana faz anotações, dita mensagens e
oferece alertas de calendário e lembretes. Mas sua verdadeira característica de
destaque e aquele em que a Microsoft está apostando fortemente, é a capacidade de
iniciar conversas casuais com usuários, o que a Microsoft chama de "bate-papo".
De Acordo com Rehral (2016) siri é um assistente virtual com uma interface de
linguagem natural controlada por voz que usa inferência sequencial e consciência
contextual para ajudar a realizar tarefas pessoais para usuários iOS. E, como a maioria
dos outros recursos tecnológicos-chave em Produtos iOS da Apple, SIRI tem suas
raízes no financiamento e pesquisas federais. SIRI é uma artificial do programa de
inteligência artificial que se baseia em aprendizado de máquina, processamento de
linguagem natural e um algoritmo de busca na web.
2.5 Chatbot
Chatbot são softwares que facilitam e agilizam as atividades. Devido a
comunicação natural em que a conversa é desenvolvida utilizando-se de recursos da
Inteligência Artificial o chatbot aprendem novos conceitos com cada usuário que
utilizada a ferramenta, aprimorando a ferramenta como um todo.
1819
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
7
Segundo (SOUZA 2018), um chatbot é uma aplicação que facilita e simplifica a
comunicação entre os indivíduos de forma natural. Também é possível que os chatbots
aprendam novos conceitos com os usuários por meio do diálogo. Hoje, podemos
presenciar pessoas conversando através da interação com chatbots sem se darem
conta ou simplesmente fantasiarem estar interagindo com seres humanos. Isso se
deve ao fato de um crescimento exponencial pela utilização desses agentes virtuais de
conversação nos mais variados sistemas, seja na educação, e-commerce ou
simplesmente informacional.
De acordo com Calado (2016), chatbots são serviços fundamentados em
princípios e Inteligência Artificial, onde você pode conversar e relacionar-se através de
aplicativos de mensagens. Ainda segundo Calado (2006), os chatbots não devem
substituir pessoas, pelo contrário, ele acredita que irão ajudar as pessoas a fazerem o
que elas fazem melhor, que é pensar, ao invés de simplesmente seguir um roteiro pré-
determinado.
2.6 Chatbot no Meio Acadêmico
De acordo com Carneiro (2009), a educação a distância acontece quando
alunos e professores se encontram em lugares diferentes geograficamente, ou seja,
professores e alunos não se encontram constantemente no mesmo local e período.
Exatamente por esse motivo utilizam-se desse recurso tecnológico para poder interagir
durante o processo de aprendizagem. Conforme colocado por Carneiro (2009), o
acesso à Internet tem incentivado a utilização dessas tecnologias no meio de ensino,
caracterizada pelo uso de e-mail, bate papo e videoconferência.
Além da função de consultores profissionais, os chatbots na educação são
usados principalmente para tutoria. O sistema é ensinado por meio de simulação,
testes e jogos. Eles também conduzem o treinamento inicial e orientam alunos e
professores para apresentar cursos e tópicos inteiros.
De acordo com Cruz (2018), na sala de aula, os chatbots são vistos como uma
ajuda extra para os professores. Mesmo que o professor conclua o estudo de uma
matéria, os alunos com dificuldades podem usar o sistema inteligente e aprendê-lo
conforme necessário.
2021
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
8
Segundo Ferreira (2020), os chatbots educacionais ajudam a reduzir a carga de
trabalho e otimizar o tempo em escolas e universidades. Eles também ajudam a reduzir
custos, substituindo equipes que precisam dobrar o trabalho ou funcionários
sobrecarregados que precisam de altas demandas e muitas horas extras.
O chatbot pode se adaptar às necessidades de cada aluno. Portanto, eles se
adaptam à velocidade de aprendizagem de todos. O bot, como é normalmente
chamado um chatbot, está preparado para solucionar todas as dúvidas, melhorando
assim a qualidade dos estudos pois estão disponíveis 24 horas por dia para poder
sanar as dúvidas dos alunos.
2.7 Plataformas para criação de chatbots
Existem diversas plataformas consolidadas e amplamente utilizadas para a
criação de um chatbot (assistente virtual). Entre as principais plataformas, podemos
citar: AWS LEX (Amazon), DialogFlow (Google), IBM Watson Dialog (IBM), LUIS
(Microsoft) e a WIT.AI (Facebook) (GLOBALME 2019, NUTZEL 2020).
3. PLATAFORMA DIALOGFLOW
Adquirida em 2016 pelo Google, o DialogFlow é uma plataforma para o
desenvolvimento de assistentes de conversação ou assistentes virtuais (chatbots)
baseados em Inteligência Artificial, que utiliza o poder de machine learning e o
processamento de linguagem natural para reforçar o entendimento da comunicação
(BRANDES, 2017).
A ferramenta além de poder ser utilizada em vários canais, como por exemplo o
WhatsApp, Telegram, Facebook, Skype, Twitter, entre outros, também possibilita
multiplataforma, como celulares, relógios, Google Home e outros dispositivos,
proporcionando assim, formas alternativas de interação entre usuários e produtos.
3.1 Componentes do Dialogflow
Conhecer e entender o funcionamento de cada um dos componentes do
DialogFlow é uma etapa mandatória e indispensável quando se deseja criar assistentes
de conversação profissionais e eficientes. Esta etapa é extremamente importante e
2223
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
9
corrobora de forma indispensável à etapa de planejamento de desenvolvimento do
agente de conversação, evitando retrabalho e possibilitando a criação de agentes
extremamente inteligentes e escaláveis. O DialogFlow possui diversos componentes,
sendo os principais ilustrados através da Tabela 1, conforme a seguir:
Tabela 1: Componentes do DialogFlow
Fonte: Adaptado de [GUIMARÃES, 2018]
3.1.1 Intents
A partir do momento que o usuário inicializa o agente através de uma ação,
como por exemplo ao falar, digitar, ou pressionar algum botão de um equipamento, o
agente realiza um parse (processo que consiste em analisar uma sequência que foi
fornecida como entrada, com o objetivo de verificar sua estrutura de acordo com uma
gramática formal), após o parse, um match (correspondência) de dados também é
realizado. O objetivo do match é verificar a vinculação de registros, que é o processo
de localização das informações correspondentes nos conjuntos de dados baseados em
aprendizado de máquina de forma a tentar entender o que o usuário está querendo, em
outras palavras, saber qual a intenção (intent) do usuário baseado naquela ação.
O Intent é considerado como o componente básico do DialogFlow e é formado
por duas informações muito importante, as frases de treinamento (training phrases) e
as respostas (responses). As frases de treinamento são compostas pelas frases que
consideramos as possíveis a serem utilizadas pelos usuários ao interagir com o agente.
2425
240
241
242
243
244
245246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
10
Estas frases são úteis para treinar o algoritmo de aprendizado de máquina combinados
com o poder do processamento de linguagem natural a entender frases similares,
identificando-se desta forma, o mesmo propósito, e consequentemente, devolver a
resposta mais adequada. A Figura 1 a seguir ilustra o componente Intent em execução.
Figura 1: Componente Intent em execução
Fonte: Adaptado de [GUIMARÃES, 2018]
3.1.2 Responses
O componente responses, mencionado anteriormente como sendo uma das
duas informações muito importantes do componente Intent, consiste em gerar uma
resposta, baseando-se na intenção do usuário e nas possibilidades previamente
configuradas em nosso agente, gerando uma resposta (response) ao usuário. A Figura
2 a seguir, ilustra o ciclo desse componente.
Figura 2: Componente Responses em execução
Fonte: Adaptado de [GUIMARÃES, 2018]
3.1.3 Fulfillment
Componente que possibilita a realização da interação do intent com uma base
externa, que neste caso pode ser uma API (uma interface de programação de
2627
261
262
263
264
265266
267268
269
270
271
272
273
274
275276
277278
279
280
281
11
aplicação), uma aplicação ou mesmo uma conexão com um banco de dados, por
exemplo. Essa interação ocorre por intermédio de um Webhook, que de forma bem
simples e resumida é a forma de receber informações provenientes de outros sistemas.
O componente Fulfillment é ilustrado através da Figura 3 a seguir:
Figura 3: Componente Fulfillment em execução
Fonte: Adaptado de [GUIMARÃES, 2018]
A plataforma DialogFlow possibilita a criação de um Webhook utilizando o Inline
Editor (através da integração com plataforma Google Cloud e o banco Firebase,
permitindo a criação de código sem a necessidade de servidores), dentro do console
do DialogFlow, funcionalidade implementada pela Google.
3.1.4 Context
O objetivo do componente context é manter o diálogo dentro de um mesmo
intent, ou seja, criar um fluxo de navegação entre os intents que fazem sentido do
mesmo assunto, do mesmo contexto. Quando o agente não consegue fazer o match
com nenhum dos intents, um response de fallback pode acontecer. O response de
fallback consiste em uma tentativa de redirecionar a intenção do usuário dentro do fluxo
de um contexto para um possível match e atendimento da solicitação, que pode ser
verificado através de um follow-up, que é a confirmação desse atendimento ou não.
Sobre o context, é válido ressaltar que ele possui uma validade, ou seja, é configurado
sobre um life span, que corresponde a sua vida útil, que pode ser definido através de
um determinado número de vezes ou após um determinado tempo, evitando assim,
que o usuário fique preso a um determinado contexto.
3.1.5 Entities
2829
282
283
284
285
286287
288289290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
12
Considerada como um mecanismo, as entities ou do português entidades, são
utilizadas para a identificação e extração de dados úteis e estruturados gerados através
das interações dos usuários e o agente. Supondo que em uma determinada interação o
usuário forneça a seguinte frase: "Bom dia, quero agendar uma aula de Banco de
Dados para hoje as 16:00h" e analisando a frase, podemos perceber no contexto: uma
disciplina (Banco de Dados), uma data (hoje) e a hora (16h), que são três entidades
estruturadas (disciplina, data e hora). As entidades representam um objeto do mundo
real e podem ser concretas e abstratas. Dessa forma, podemos entender as entities
como sendo uma ou mais informações que podem ser coletadas e estruturadas para
serem utilizadas posteriormente pelo nosso agente. O DialogFlow possui três
categorias de entities: system entities (entidades do sistema, como por exemplo, data e
hora), developers entities (entidades definidas pelos desenvolvedores, como por
exemplo disciplina) e session entities (criadas especificamente para a sessão do
usuário, entidades bem especificas).
3.1.6 Actions e Parameters
Os componentes actions (ação) e parameters (parâmetros), são utilizadas
respectivamente para identificar uma ação e um parâmetro. Os parâmetros são
baseados em entidades.
3.1.7 Integrations
Componente que possibilita personalizar respostas de acordo com o canal que o
agente será integrado (Google, Facebook, WhatsApp, Telegram, Instagram, etc.), ao
invés de utilizar uma mensagem default (padrão).
4. PROPOSTA E PLANEJAMENTO DO CHATBOT
Depois de apresentado os principais componentes da plataforma DialogFlow,
uma etapa importante é o planejamento do agente a ser implementado. A nossa
proposta é o desenvolvimento do agente de conversação para apoiar o atendimento
acadêmico. Dessa forma, como mencionado anteriormente, é necessário realizar o
3031
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
13
planejamento para que o desenvolvimento possa ser realizado de forma a atender
todos os requisitos. Nessa etapa são levantados requisitos como: dados geográficos
(área de abrangência e idioma), dados demográficos (gênero e faixa etária), objetivo do
negócio (oferecer atendimento, vender um produto ou vender um serviço) e as
possíveis integrações (canais, plataformas e Webhook). O levantamento de requisitos
para o agente proposto pode ser observado através da Figura 4, conforme a seguir
Figura 4: Levantamento de requisitos do chatbot
Fonte: Adaptado de [GUIMARÃES, 2018]
Após a etapa de levantamento de requisitos, é preciso fazer junto ao cliente uma
verificação de quais seriam as possíveis frases de treinamento (training phrases), ou
seja, precisamos saber quais as frases mais comumente utilizadas quando um
atendimento é solicitado. Com base nestas frases, devemos definir os possíveis intents
(intenções) relacionadas. Considerando-se um escopo inicial e bem delimitado, a
3233
337
338
339
340
341
342
343344
345346
347
348
349
350
351
352
14
Tabela 2 a seguir, ilustra algumas das possíveis frases de treinamento e respectivas
intenções quando um atendimento é solicitado.
Tabela 2: Frases de treinamento e intenções
3435
353
354355356357
15
Fonte: Elaborado pelo autorConcluída a etapa de identificação e criação das frases de treinamento e
intenções, é preciso definir os responses, ou seja, as respostas a cada uma das
3637
358359
360
361
16
intenções. A Tabela 3 a seguir, ilustra as possíveis respostas de acordo com a intenção
do usuário.Tabela 3: Intenções e respostas
Fonte: Elaborado pelo autorFinalizada a etapa de levantamento e implementação das intenções e respostas
conforme apresentado através da Tabela 3 anteriormente, para que se possa ter a
3839
362
363364
365366
367
368
17
experiência do funcionamento e interação com o agente proposto, foi realizada a etapa
de integração. A etapa de integração, como o próprio nome diz, consiste em fazer a
integração do agente em uma das muitas possibilidades de integração disponibilizadas
pela plataforma, conforme mencionada inicialmente. Por ser uma proposta inicial, ainda
em desenvolvimento, optamos por utilizar a integração com o canal WEB, uma das
possibilidades de integração disponibilizada pela plataforma. A Figura 5 a seguir ilustra
a categoria de integração baseada em texto (text based), uma das várias categorias.
Figura 5: Integração - categoria baseada em texto
Fonte: Adaptado de [DIALOGFLOW, 2020]
Concluída a integração com o canal desejado, é possível realizar a interação
considerando nesta etapa uma visão de usuário, para perceber como será a sua
experiência, e com base nessa experiência, realizar os ajustes e treinamento do agente
proposto, para que desta forma, ele consiga atender ao maior número de interações de
forma satisfatória. Algumas das interações realizadas com o agente proposto,
utilizando-se o canal WEB através de um smartphone pode ser visualizada através da
Figura 6.
Figura 6: Interações com o agente virtual
4041
369
370
371
372
373
374
375
376377
378379
380
381
382
383
384
385
386
387388
18
Fonte: Elaborado pelo autor
5. CONSIDERAÇÕES FINAIS
Os assistentes virtuais (chatbots) já fazem parte da nossa vida. A realidade é
que em um curto espaço de tempo, seja no e-commerce, em sites em geral ou em
simples compras em supermercados, iremos interagir muitas vezes com esses
assistentes pela possibilidade de adquirir uma resposta no dia e horário que desejar,
sem a necessidade de interação humana para várias tarefas consideradas mais
simples.
As pessoas estão cada dia mais exigentes, as empresas estão investindo em
infraestrutura para atender de forma satisfatória seus clientes, mas isso demanda
4243
389
390391
392
393
394
395
396
397
398
399
400
401
19
gastos com equipamento, software e treinamento qualificado. Como os assistentes
virtuais tem a capacidade de responder inúmeras questões de forma a fazer uma certa
triagem, resolvendo de forma rápida e simplificada, o interesse em sua utilização tem
sido cada vez maior, independente do segmento.
A utilização da plataforma DialogFlow nos possibilitou a criação de um chatbot
simples de forma rápida, fácil e intuitiva. Assim, podemos concluir que mesmo pessoas
que não tenham tanta familiaridade ou habilidade em programação podem aprender,
com um esforço mínimo, a criar chatbots muito interessantes, com a capacidade de
atender demandas nas mais diversas áreas. Além de robusta e intuitiva, a plataforma é
compatível com multicanais e multiplataforma, o que possibilita o desenvolvimento dos
mais variados assistentes virtuais.
REFERÊNCIAS BIBLIOGRÁFICAS
BRANDES, B. Dialogflow (api.ai) - Breve introdução da plataforma. Bots Brasil, 2017.
Disponível em: https://medium.com/botsbrasil/api-ai-breve-introdu%C3%A7%C3%A3o-
da-plataforma-ecb2d77107a2. Acessado em: 17/10/2020.
CALADO, C. Bots Brasil. O que é um chatbot? 2016. Disponível em:
<https://goo.gl/91wye4 >. Acessado em: 14/10/2020.
CARNEIRO, M. L. F. Intrumentalização para o Ensino a Distância: EAD Série
Educação a Distância. Rio Grande do Sul: UFRGS, 2009.
CRUZ, F. L. Chatbots na educação: um novo jeito de aprender e ensinar. 2018.
Disponível em: https://desafiosdaeducacao.grupoa.com.br/chatbots-na-educacao/.
Acessado em: 10/10/2020.
DIALOGFLOW. DialogFlow Essentials - Integrations. 2020. Disponível em:
https://dialogflow.cloud.google.com/. Acessado em 13/11/2020.
4445
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
20
FERREIRA, F. C. Chatbot para educação: quais as vantagens para as instituições de ensino? 2020. Disponível em: https://take.net/blog/chatbots/chatbot-para-educacao.
Acessado em: 10/10/2020.
FINATTO, M. J. B.; LOPES, L.; SILVA, A. C. Processamento de linguagem natural, linguística de corpus e estudos linguísticos: uma parceria bem-sucedida .
Domínios de linguagem, Uberlândia, MG. v. 9, n. 5, p.41-59, dez 2015. Disponível em:
https://www.lume.ufrgs.br/handle/10183/169398. Acessado em: 09/11/2020
GLOBALME. Building Chatbots with Zero Experience. 2019. Disponível em:
https://cdn2.hubspot.net/hubfs/3453171/Whitepapers/Which%20Chatbot%20Platforms
%20are%20Easiest%20to%20Build%20and%20Train.pdf. Acessado em 17/11/2020.
GUIMARÃES, R. Crie Chatbots com Machine Learning. 2018. Universidade Global.
Disponível em: https://cursos.universidadeglobal.com.br/. Acessado em 03/11/2020.
LUGER, G. F. Inteligência Artificial: Estruturas e Estratégias para a Solução de Problemas Complexos. 4ª ed. Porto Alegre: Bookman, 2004. 774 p.
NUTZEL, J. A comparison between the chatbot building platforms Amazon Lex, IBM Watson and Google Dialogflow. APPIS, 2020. Disponível em: https://www.4fo.de/
wp-content/uploads/2020/01/APPIS2020_Chatbot_Platforms_Juergen_Nuetzel.pdf.
Acessado em 17/11/2020.
REHRAL, S. Siri – The Intelligent Personal Assistant. International Journal of
Advanced Research in Computer Engineering & Technology, University of Mumbai,
India. June 2016. Disponível em: http://ijarcet.org/wp-content/uploads/IJARCET-VOL-5-
ISSUE-6-2021-2024.pdf. Acessado em: 01/11/2020
RICH, E.; KNIGHT, K. Inteligência Artificial. 2ª ed. Rio de Janeiro: McGraw-Hill, 1994.
722 p.
4647
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
21
RODRIGUES, J. O que é o Processamento de Linguagem Natural? 2017.
Disponível em: https://medium.com/botsbrasil/o-que-%C3%A9-o-processamento-de-
linguagem-natural-49ece9371cff. Acessado em 10/10/2020.
RUSSELL, S., NORVIG, P. Inteligência Artificial, 3a Edição, Editora Campus, 2013.
SOUZA, R. F. d. et al. Desenvolvimento de chatbot aplicado ao atendimento de clientes em e-business. Araranguá, SC, 2018. Disponível em:
https://repositorio.ufsc.br/bitstream/handle/123456789/187968/Trabalho-versao-final-
RogerFlorzino-de-Souza.pdf?sequence=1&isAllowed=y. Acessado em: 02/11/2020.
WALLITER, C. Ética em inteligência artificial e o futuro da humanidade. 2016.
Disponível em: http://pontoeletronico.me/2016/inteligencia-artificial/. Acessado em
10/10/2020.
VALOIS, M. A. Alexa e Siri: Você conhece um assistente virtual inteligente? 2018.
Disponível em: https://www.hostgator.com.br/blog/assistente-virtual-inteligente/.
Acessado em 10/10/2020.
4849
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479