Empresas que lançaram chatbots com inteligência artificial nos últimos anos estão se dando conta do alto custo de treinamento e manutenção dos mesmos, relata o CEO e fundador da Inbenta, Jordi Torras, em conversa com Mobile Time. O problema está no uso de plataformas de deep learning para ensinar o bot a se comunicar, o que requer muitos dados e muito tempo de treinamento, o que nem toda companhia consegue executar a contento.

“A maioria dos bots sofre de déficit de treinamento. É preciso repensar o modelo tecnológico por trás dos chatbots”, avalia o executivo. “O novo boom da inteligência artificial veio há quatro anos com os algoritmos de deep learning. Eles funcionam muito bem em alguns casos, e não muito bem em outros.  Para reconhecimento facial o deep learning ajudou muito. Mas para aplicações como compreensão de linguagem natural, não. E isso teve um impacto no conceito de chatbot. O deep learning requer uma quantidade de dados muito grande. Quanto mais complexo for o problema, mais dados necessita. E o processamento de linguagem natural (PLN) é o problema mais complexo que a inteligência artificial pode enfrentar. Logo, a quantidade de dados necessários é enorme. Empresas como Google tem esses dados e podem se beneficiar deles para melhorar serviços como o Google Translate. Mas em chatbots corporativos não está funcionando”, explica.

A saída, segundo Torras, seria buscar um modelo híbrido, que combine aprendizado de máquinas com linguística computacional e cálculo simbólico. Trata-se de separar as palavras em uma frase pelas funções sintáticas delas, o que auxilia a compreensão e acelera o treinamento do robô. Essa é a abordagem proposta pela Inbenta. Segundo o executivo, alguns dos seus clientes experimentaram bots com plataformas de IA de grandes fornecedores globais e desistiram por causa do custo de manutenção. “Custa muito caro manter um bot com IA por longo prazo”, afirma.

Receita

A Inbenta está presente na Europa, na América Latina, nos EUA e no Japão. Sua plataforma de bots está disponível em 30 línguas. Para cada uma é necessário um modelo simbólico diferente.

A companhia projeta crescimento de 30% em sua receita em 2019, puxada pelos mercados alemão, japonês e brasileiro, informa seu CEO. “Estamos tendo êxito porque nossos competidores são softwares americanos que trabalham bem em inglês, mas têm modelos que não funcionam tão bem em outras línguas”, explica.