Case da VegPet — Parte 1
O início do processo para construção de um chatbot com inteligência artificial para a empresa VegPet
Contextualização
No início de junho me lancei em um novo desafio para a minha carreira que tem resultado em muitos aprendizados. O mundo dos bots me encantou nesses últimos meses e percebi que queria aprender mais sobre ele. Já havia participado do programa Capacita MDT e do UX Writing para bots, mas vi que começar o Botcamp da Letsbot seria um divisor de águas para o meu desenvolvimento profissional. Então perguntei para mim mesma: por que não?
Na parte 1 do case você verá as etapas Business, Architect, Behavior e Interaction. Já na parte 2 você verá as etapas Build, Training e Curate, assim como as principais dificuldades e aprendizados. Se interessou? Só seguir a leitura com um bom café ☕
O desafio
Para começar a entender todo esse mundo e sua estrutura, fui desafiada a construir um chatbot para a empresa VegPet. A empresa em questão comercializa rações vegetarianas e veganas para pets. Primeiramente, foi necessário entender todo o contexto da empresa, conhecer seus produtos e assim, desenvolver de fato o bot.
O cliente solicitou o desenvolvimento de um chatbot que fosse capaz de responder as perguntas frequentes dos usuários em relação aos produtos, composição, pagamento e até mesmo sobre o rastreamento dos pedidos.
Metodologia
Em cada semana o cliente pedia uma nova funcionalidade e, para atendê-lo, foi utilizado o conceito de Sprint do Scrum. O Scrum é um framework que tem como base a metodologia ágil. O resultado disso é um processo iterativo em que não é mais necessário esperar um projeto estar pronto para disponibilizá-lo. Dessa maneira, a cada período (Sprint) é disponibilizada uma funcionalidade, otimizando assim as entregas sem que o cliente esteja preso a um risco de mudança contratual.
Além do Scrum, o framework da Letsbot de desenvolvimento de chatbots esteve presente com o objetivo de nortear todo o processo de construção de um chatbot, tendo análise da parte humana, do negócio e da parte técnica.
As etapas do framework foram explanadas resumidamente em um artigo que escrevi há alguns meses quando eu estava na Fase Starter do curso Capacita MDT da Letsbot.
Se quiser saber mais sobre essas etapas, é só clicar aqui.
O processo
Business e Architect
O cliente solicitou que o chatbot criado tivesse inteligência artificial. Nesse momento foi necessário pensar no motivo pelo qual escolheria a arquitetura da inteligência artificial. Afinal, qual era o objetivo do negócio com essa escolha? Por que não criar um bot baseado em regras (fluxo guiado)? Quais seriam os pontos a favor e contra?
Um bot com NLP seria capaz de compreender o que o usuário perguntasse, tornando-o mais humano. Por outro lado, um bot baseado em regras seria mais fechado com botões e não daria a possibilidade do usuário perguntar o que quisesse ou interagir mais diretamente com ele, como em um diálogo. Então, para tratar esse requisito foi realizado um estudo sobre qual motor cognitivo seria utilizado.
Qual motor cognitivo é melhor e com custo mais viável? DialogFlow, IBM Watson, Luis? Qual o nível de complexidade de cada um? É possível realizar integrações como com o WhatsApp?
Atualmente existem vários motores cognitivos no mercado, mas não bastava apenas escolhê-lo. Foi importante analisar essa etapa, uma vez que ferramentas com inteligência artificial possuem custos para o negócio. Antes de desenvolver um bot é necessário entender o investimento que o negócio terá, os riscos de escolher determinada ferramenta e inclusive ter em vista os principais objetivos da empresa como o crescimento a médio e longo prazo.
Um possível risco é o de escolher um NLP hoje e daqui 10 anos, com o crescimento da empresa, cogitar a possibilidade de mudar o que é utilizado. Caso os riscos e custos tenham sido avaliados no início, é possível mudar de NLP sem muito impacto, por exemplo. Por outro lado, se essa etapa for negligenciada, é possível que futuramente a arquitetura do bot e do NLP tenha de ser construído do zero. Então vem a pergunta: qual é o impacto de realizar essa mudança? Como posso fazer com que o projeto seja facilmente escalável?
A visão analítica do negócio esteve presente em cada etapa da construção do assistente virtual. Não se desenvolve um projeto sem antes entender sobre os custos de ferramentas, riscos e impactos que essas podem causar para a empresa.
No caso do chatbot da VegPet, analisou-se os custos de desenvolver nos principais NLP’s disponíveis no mercado e por fim, foi decidido pelo IBM Watson. Através da análise dos custos do Watson, percebeu-se que para o projeto em questão o plano Lite já atenderia facilmente. Esse plano é gratuito e permite que muitos usuários acessem o bot, o que com certeza seria muito melhor para fins de testes e para ser viável financeiramente para o negócio.
A plataforma Trello serviu de apoio para a descrição dos itens do Backlog a fim de que o cliente pudesse ter fácil acesso as tarefas em andamento e concluídas. O projeto estava sendo bem organizado e tendo transparência sobre tudo que estava sendo executado.
Behavior
O NLP já estava decidido e tínhamos um Backlog com todos os itens que o cliente pediu no Trello para que o assistente virtual fosse capaz de responder. Mas faltava uma etapa importante: entender os usuários. A melhor forma de entender como os usuários falam, se comportam e quais as suas necessidades é realizando pesquisas.
Nesse momento, era essencial compreender o estilo de vida das pessoas que escolheram ser veganas ou vegetarianas. Embora os produtos da VegPet fossem direcionados para cachorros e gatos, por exemplo, a dúvida estava em saber se as pessoas que adotam esse estilo de vida fariam seus pets também adotarem. Além disso, o público da VegPet seria direcionado a essas pessoas que adotaram o vegetarianismo e veganismo, pois essas poderiam ter a maior probabilidade de serem clientes.
Será que pessoas vegetarianas e veganas fazem seus pets adotarem também esse estilo de vida?
Tive a primeira dificuldade com as pesquisas, porque não encontrava pessoas que adotaram esse estilo de vida e ao mesmo tempo alimentavam seus pets apenas com rações vegetarianas e veganas. Por conta disso, me ative a compreender a escolha dessas pessoas, suas motivações e como foi o processo para elas. Nessa primeira pesquisa, perguntei em grupos do Telegram e WhatsApp se havia pessoas veganas ou vegetarianas para que eu pudesse conversar. Felizmente, tive a oportunidade de conversar com aproximadamente 8 pessoas que me trouxeram vários insights.
As perguntas feitas foram:
- Como você faz para buscar alimentos por escolher esse estilo de vida?
- Por que você escolheu esse estilo de vida?
- Você precisa tomar algum suplemento?
- Quais as maiores dificuldades e desafios ao aderir esse estilo de vida?
- Como é o seu dia a dia nesse contexto?
Entre vegetarianos e veganos, pude perceber que a maioria deles possuem dificuldade em encontrar alimentos direcionados. E, quando encontram, são mais caros do que os alimentos mais difundidos no mercado. Também descobri que essas pessoas tendem a ser abertas a explicar como é o estilo de vida, sendo essa uma maneira de “educar” as pessoas que desconhecem. Por meio desse comportamento, notou-se que as pessoas que não estão nesses grupos, nem sempre são abertas a escutar o que veganos e vegetarianos têm a dizer sobre suas escolhas e, consequentemente, são as principais responsáveis por pré-julgamentos errôneos.
As entrevistas realizadas foram capazes de desmistificar a minha visão sobre o veganismo e vegetarianismo, pois pude entender o que as impulsionou a tomarem essa decisão e qual foi o processo delas para chegarem até ela. Aprendi sobre a importância de sair da bolha do contexto em que estamos inseridos e nos permitirmos a compreender o outro.
Ao invés de julgar um estilo de vida, por que não entender o que levou até ele?
Interaction
Posteriormente, partimos para a criação do design conversacional do bot. Foram criadas as primeiras intenções, entidades e frases de treinamento em uma planilha do Excel com as principais respostas que o bot daria para os usuários. A evolução do design conversacional se faz imprescindível para que a etapa de Build seja realizada sem problemas, considerando que só desenvolvemos após termos um esqueleto do que de fato o bot comtemplará. Isso facilita a manutenção por parte de desenvolvedores e curadores que terão uma documentação estruturada do projeto em questão. Pular essa etapa é um risco, já que se um bot tiver muitas intenções, a manutenção torna-se mais cara e complexa.
A primeira versão da planilha de NLU foi criada durante essa etapa e desde o início é passível de mudanças a fim de que o usuário tenha uma melhor experiência ao conversar com o assistente virtual. Foi feita uma análise com base nas pesquisas sobre como os usuários falam e se comportam para que as fraseologias fossem assertivas e, além disso, orientadoras. De nada adianta criar toda a estrutura, se ao dialogar com o usuário, a experiência é maçante e o ele fica preso em uma determinada fala do bot. É também nesse momento que construímos o tom de voz para a conversa com o usuário.
Tive como desafio fazer o design das intenções e entidades, mas mais do que isso, de elaborar as respostas que o bot daria para o usuário. Essas respostas precisavam ser construídas com cuidado, porque o usuário poderia cansar facilmente da conversa com o bot caso fossem textos muito grandes.
Em UX Writing, um dos mitos existentes é o de que menos é mais, como muito bem descrito pela Karine Lima em seu artigo. Na sequência, ela esclarece que é importante haver uma economia referente às palavras e não à informação.
Nem sempre menos texto para o usuário é a melhor maneira de explicar um tema mais complexo, por exemplo. Por isso, durante a elaboração das respostas foi essencial analisar se elas seriam longas ou não e o porquê. Afinal, é possível explicar um tema mais complexo em uma linha? Será que consigo passar segurança para os usuários que desconhecem sobre ração vegana em poucas palavras? Fica o questionamento.
A fase Interaction tem como base as pesquisas a fim de construir melhores experiências com as palavras.
A cada Sprint o cliente solicitava um requisito para ser estudado e construído, e, durante esse processo, era feita uma análise das etapas do framework que seriam necessárias novamente. Dessa maneira, o framework era consultado linearmente em cada uma das suas etapas a fim de que demonstrasse um processo iterativo, ou seja, que sempre tem uma evolução e refinamento.
Para a criação de uma nova intenção, é preciso realizar pesquisas exploratórias novamente? Mudará a arquitetura do que já foi construído? Será mais caro?
Após analisar essas questões, concluiu-se que para criar as intenções até o momento não precisaríamos realizar pesquisas exploratórias novamente, uma vez que até então já tínhamos as respostas que precisávamos. Também percebemos que não mudaria a arquitetura do bot ou que afetaria nos custos do Watson. Sendo assim, poderíamos seguir para a etapa seguinte: Build.
Quer continuar lendo sobre o processo? É só clicar aqui embaixo que te levo até lá 🚀
