5 tarefas comuns na rotina dos treinadores de robôs

*Por Adriano Bertin

A disseminação de assistentes virtuais – mais conhecidos como chatbots – transformou muitas atividades no dia a dia das pessoas. De imediato, é fácil pensar no hábito cada vez mais comum de interagir com máquinas inteligentes, como o pagamento do estacionamento sem interação humana e o agendamento de serviços. Paralelo a isso, uma nova profissão surgiu e segue firme para se consolidar, mesmo (e especialmente) em tempos de pandemia e home office. Trata-se dos treinadores de robôs.

No próprio LinkedIn, é difícil fazer uma procura por este tipo de profissional. Não exatamente pela escassez de mão de obra – que é real –, mas para encontrar um nome apropriado. Treinador de robô é o modo mais simplista de resumir uma série de tarefas e responsabilidades que estão diretamente atreladas ao sucesso de um chatbot.

Há quem os chamem de "botmaster", "linguistas computacionais" ou ainda "knowledge engineer". O fato comum é que, de uns tempos para cá, um novo profissional se fez necessário. No entanto, ainda não existindo um curso ou uma graduação, muitos acabaram migrando e se adaptando a partir de estudos de letras e jornalismo.

No meu caso, foi exatamente o que aconteceu. Entre a graduação em Jornalismo e a pós em Comunicação e Marketing, causei a redefinição do meu perfil profissional ao mergulhar nesta indústria. À época, acabei ganhando pontos pela capacidade de entender um cenário, "somar" informações e gerar um conteúdo de fácil entendimento. Já meus (agora) colegas que vieram da área de Letras, passaram a focar na construção da lógica para os meus conteúdos serem exibidos no momento correto.

Hoje, ainda tomando minhas experiências como exemplo, realizo tranquilamente ambas as tarefas, das quais considero principais no cotidiano dos novos treinadores de robôs. Contudo, a lista com todas as responsabilidades está distante de ser binária e, ainda que veja profissionais de jornalismo e letras ocupando boa parte das vagas, há oportunidade para muitas outras, a julgar pelo que elenco a seguir.

1. Gerar relatório

A atividade de gerar relatórios é o princípio de tudo. Há diversos números que devem ser observados. Mas o ponto, aqui, é alertar para o comportamento do usuário ao dialogar com o chatbot. Essa tarefa também serve para desmistificar o mito de que o assistente virtual aprende sozinho. Normalmente, se traça quais serão as ações necessárias para manter o que está funcionando e ajustar o que não está.

Na minha rotina, o documento gerado após analisar os indicadores é chamado de "relatório linguístico". Nele, são apontadas as oportunidades de melhorias após checagem de alguns pontos:

• Número de sessões;
• Número de perguntas feitas;
• Número de perguntas com e sem respostas;
• Conteúdos mais acessados;
• Índice de satisfação.

2. Criar e gerenciar conteúdos

Talvez a tarefa mais simples, e mais fundamental da lista. Ora: o que fazer quando os usuários estão perguntando coisas que o chatbot não está preparado para responder? Fácil! Criar conteúdo.

Todavia, há práticas que devem ser levadas em consideração nesse momento. Afinal, o robô de conversação não é apenas um depósito de informações. A forma como são criados os conteúdos e diálogos importa. Sobretudo dependendo da tecnologia utilizada.

Supondo que exista uma persona para o chatbot, ela deve ser respeitada em cada vírgula e ponto de exclamação utilizados nos textos. Isso sem contar que os conteúdos que possuem datas e preços demandam um cuidado ainda maior. Cabe aos treinadores de robôs mantê-los sempre atualizados.

3. Criar palavras

Uma vez mais, tudo vai depender da tecnologia e da plataforma utilizadas. Tomando como exemplo uma que opere com linguagem natural – isto é, que consiga interpretar uma pergunta de usuário sem ficar refém de palavras-chave –, é preciso, eventualmente, criar palavras.

Um robô do gênero saberia tranquilamente que "carro", "veículo" e "automóvel" são sinônimos. E que também estão, de um jeito ou de outro, relacionados com "transporte". Porém, a chance é grande de ele não saber que "BMW" está atrelado a esses termos.

Nessas situações, é preciso criar palavras e fazer o ensinamento dessas relações. Os treinadores de robôs dedicam boa parte das suas horas de trabalho a essa curadoria de significados.

4. Lidar com integrações

Para muita gente, o que faz um chatbot ser verdadeiramente inteligente é a capacidade de integrar e se conectar com serviços. A versão mais comum dos assistentes virtuais serve apenas para levar informações às dúvidas apontadas por clientes. O passo seguinte, portanto, está na capacidade de resolver problemas mais complexos.

O exemplo mais comum de integração é o agendamento de serviços. Ou ainda o auxílio na recuperação de senha e consulta de saldo. Em todos esses casos, o chatbot não possui apenas uma base de conhecimento para dialogar com usuários. A outra fonte de informação é acessada por meio de uma integração (webhook), que utiliza informações da conversa para executar uma ação específica.

Como dito, o perfil dos treinadores de robôs demanda conhecimento em diversas áreas. Dada a importância do "chatbot transacional", passou a ser um diferencial ter ao menos conhecimentos técnicos básicos para lidar com as questões de desenvolvimento e programação.

5. Diálogos

Independentemente da ferramenta, a capacidade de criar e conduzir usuários, por meio de um diálogo, é fundamental na profissão de treinadores de robôs. Esse tipo de interação, a exemplo das integrações, também eleva a "inteligência" de um chatbot. Todavia, há outros benefícios do uso das "árvores de decisão". Um dos principais é ter o controle absoluto do que o usuário verá, e em que momento verá. Tal ação costuma facilitar e tornar mais precisa a entrega de determinada informação.

Particularmente, a maior vantagem que celebro é a possibilidade de desambiguar e lidar com perguntas genéricas. Por exemplo: imagine que o meu chatbot esteja capacitado para resolver as seguintes perguntas:

• Sinal de internet;
• Ver planos de internet;
• Cancelar internet.

Contudo, com a liberdade de interagir como bem entender, o usuário pode simplesmente perguntar por "internet". Isto é, uma questão totalmente genérica, e que precisará de mais detalhes para chegar ao melhor resultado. São casos assim que a construção de um diálogo consegue partir de uma pergunta superficial e, mesmo assim, entregar a melhor resposta.

*Por Adriano Bertin, Knowledge Engineer da Inbenta, empresa especializada em Inteligência Artificial