Case Study

Um assistente virtual para filiais físicas

Um holograma que dá as boas-vindas aos clientes como um colaborador real

Novas formas de interação

A digitalização teve um impacto significativo nos paradigmas de comunicação tradicionais, levando a mudanças profundas nas interações entre as pessoas, bem como entre empresas e clientes.

Atualmente, as técnicas de Machine Learning atingiram um nível de maturidade que possibilita a projeção e o desenvolvimento de soluções inovadoras que, por um lado, permitem que a experiência do cliente seja drasticamente melhorada, simplificando-a e reduzindo os tempos de espera, e, por outro, automatizam todos os serviços da empresa que, de outra forma, exigiriam a intervenção de uma pessoa.

Um assistente holográfico para filiais

A solução consiste em um holograma capaz de receber os clientes em uma agência física.

A Machine Learning Reply criou um assistente virtual para uma empresa bancária líder. A solução consiste em um holograma capaz de receber os clientes em uma agência física. Graças a técnicas de inteligência artificial, o assistente auxilia os clientes nos serviços bancários em uma interação digital, da mesma forma que um colaborador real faria em uma agência física.

Na verdade, o principal objetivo do cliente era fornecer uma nova experiência interativa para o cliente final, projetada para facilitar e automatizar os processos bancários, como pagamentos e retiradas, que de outra forma exigiriam a intervenção de um colaborador.

O assistente virtual, que consiste em uma holografia 3D, foi, portanto, programado para responder às perguntas mais frequentes dos clientes, ajudar a fornecer serviços de pagamento e retirada, consultar os consultores financeiros e simular hipotecas e empréstimos bancários.

As tecnologias utilizadas

Graças à experiência da Reply em Machine Learning e à sua especialização em visão computacional e processamento de linguagem natural, a empresa pôde criar um assistente virtual cuja interação com o usuário parece o mais natural possível.

Picture
Visão computacional

Graças à adoção de técnicas de visão computacional, o avatar é capaz de ler os movimentos da pessoa com quem está interagindo na sala e entender quando a pessoa quer interagir com ele, movendo-se de acordo e iniciando o diálogo apenas quando necessário.

Picture
Captura de movimento

Técnicas de captura de movimento foram utilizadas para desenvolver as animações, criando os movimentos do avatar sem reproduzi-los com software, em vez de depender de sensores para reproduzir os movimentos de uma pessoa real.

Picture
Reconhecimento de fala

Técnicas de fala para texto e texto para fala foram utilizadas para capturar, traduzir e reproduzir sinais de áudio. Especificamente, o serviço Google Speech-to-Text foi adotado para reconhecimento de voz e para conversão do diálogo em formato de texto, de modo a permitir o processamento do fluxo de conversação, enquanto o serviço Amazon Polly foi adotado como a tecnologia text-to-speech usada para converter as respostas do assistente de conversação em sinais de áudio.

Picture
Processamento de linguagem natural

E' o componente central do assistente virtual, que gerencia o fluxo de conversação. Nesse caso, foi criado um framework para servir como Gestor de Diálogo, gerenciando o fluxo conversacional e integrando-se ao módulo de Compreensão de Linguagem Natural, para o qual o Google Dialogflow foi selecionado. A plataforma utiliza técnicas de Processamento de Linguagem Natural (PNL) para entender a linguagem, tornando possível reconhecer as intenções de um usuário e extrair ações específicas com base no contexto.

Picture
Tecnologia de hardware

Câmeras frontal e traseira para reconhecimento do usuário, microfones multidirecionais para facilitar o reconhecimento de voz, com sistemas de ligar e desligar para evitar que o avatar ouça a si mesmo, um projetor oculto e uma câmera de vídeo integrada na pirâmide holográfica para capturar os movimentos do usuário, bem como alto-falantes embutidos na pirâmide e na tela LCD polarizada, permitindo que o assistente interaja com o usuário.

Picture
Arquitetura híbrida

Os vários componentes que compõem a solução foram integrados em uma arquitetura híbrida que combina os serviços locais do banco com os serviços na nuvem fornecidos pelo Google e Amazon para os mecanismos de Machine Learning. Ao mesmo tempo, ele é capaz de manter um tempo de latência inferior a 1 segundo, tornando a interação o mais natural possível.

As vantagens oferecidas pela Machine Learning Reply

A empresa bancária pôde contar com o profundo conhecimento e experiência de longa data da Reply no domínio do Machine Learning.

Garantindo sempre um serviço personalizado, a Machine Learning Reply projetou e implementou um chatbot que se integrou perfeitamente com as outras plataformas corporativas do cliente, permitindo assim que cada processo fosse gerenciado de forma sinérgica e centralizada.

Picture

Machine Learning Reply é a empresa do Grupo Reply especializada em soluções de Machine Learning, Cognitive Computing e Artificial Intelligence baseadas na pilha de tecnologia Google. Com base nos últimos desenvolvimentos em inteligência artificial, Machine Learning Reply aplica técnicas inovadoras de Aprendizagem Profunda, Processamento de Linguagem Natural e Reconhecimento de Imagem/Vídeo a diferentes domínios de aplicação, tais como automação inteligente, motores preditivos, sistemas de recomendação e agentes de conversação.