منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · مرداد ۱۴۰۵ · زمان مطالعه: حدود ۱۱ دقیقه

چت‌بات (Chatbot) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

هر کسی که با چت‌بات پشتیبانی یک شرکت ایرانی کار کرده باشد، یک تجربهٔ مشترک دارد: بن‌بست. سؤالی می‌پرسید، جواب بی‌ربط می‌گیرید، جور دیگری می‌پرسید، همان جواب می‌آید، و بعد دنبال راهی می‌گردید که از این گفت‌وگو بیرون بیایید.

و نکته این است که هیچ‌کدام از این‌ها مشکل هوش مصنوعی نیست. این‌ها مشکل طراحی‌اند. یک چت‌بات محدود که می‌داند محدود است و راه خروج نشان می‌دهد، از یک چت‌بات باهوش‌تر که وانمود می‌کند همه‌چیز را می‌فهمد، به‌مراتب مفیدتر است.

تعریف و تاریخچهٔ کوتاه

چت‌بات برنامه‌ای رایانه‌ای است که با متن یا صدا، گفت‌وگوی انسانی را شبیه‌سازی می‌کند. مسیرش از تطبیق الگو شروع شد و به یادگیری عمیق و مدل‌های زبانی بزرگ رسید.

• - ۱۹۵۰ — Alan Turing و آزمون تورینگ؛ نقطهٔ شروع کل این پرسش.
• - ۱۹۶۴ — ELIZA ساختهٔ Joseph Weizenbaum، که با تطبیق الگوی ساده کار می‌کرد.
• - ۱۹۷۲ — PARRY ساختهٔ Kenneth Colby.
• - ۱۹۹۵ — ALICE ساختهٔ Richard Wallace.
• - و بعدتر Mitsuku/Kuki از Steve Worswick، و سپس نسل امروزی از ChatGPT و Gemini تا Siri و Alexa و Copilot.

نکتهٔ آموزندهٔ الیزا این است که کاربران با آن ارتباط احساسی می‌گرفتند، در حالی که پشتش چند قاعدهٔ تطبیق الگو بیشتر نبود. یعنی احساسِ فهمیده‌شدن، از فهمیده‌شدن جدا است — و این هم فرصت است و هم خطر.

پنج نوع چت‌بات

• - منومحور: ساختار درختی با گزینه‌های شماره‌دار یا حرف‌دار.
• - قاعده‌محور: تشخیص کلیدواژه و قواعد از پیش تعریف‌شده؛ دامنهٔ باریک و بدون یادگیری.
• - مبتنی بر هوش مصنوعی: یادگیری ماشین و پردازش زبان طبیعی؛ از تعامل‌ها یاد می‌گیرد و دامنهٔ گسترده‌تری دارد.
• - صوتی: از سامانه‌های پاسخ صوتی تلفنی تا دستیارهای پیشرفته.
• - مولد: فراتر از متن، با تصویر و صدا و ویدئو کار می‌کند.

منبع محدودیت‌های نوع قاعده‌محور و منومحور را به دامنهٔ باریکشان نسبت می‌دهد، و به‌عنوان نمونه‌ای از استقبال سرد اشاره می‌کند که Bard گوگل به‌دلیل خطاهایی که در معرفی‌اش دیده شد، پاسخ ضعیفی گرفت.

طراحی چت‌بات، عمدتاً طراحی شکست است

این بخش افزودهٔ مترجم است. منبع اصلی تاریخچه و دسته‌بندی را خوب پوشش می‌دهد اما اصول طراحی را نمی‌گوید — و در عمل، تفاوت میان چت‌باتی که کار می‌کند و چت‌باتی که کاربر را عصبانی می‌کند، تقریباً هیچ ربطی به مدل زیرین ندارد.

دلیلش ساده است: هر چت‌باتی، هرقدر هم توانا، بخشی از ورودی‌ها را نمی‌فهمد. پس کیفیت تجربه را نه رفتار موفق، که رفتار در لحظهٔ شکست تعیین می‌کند. و اینجا یک نردبان مشخص وجود دارد:

• - پلهٔ اول — بازپرسی هدفمند. نه «متوجه نشدم»، بلکه «منظورتان پیگیری سفارش است یا مرجوعی؟». بازپرسی باید گزینه بدهد، نه فقط اعلام ناتوانی کند.
• - پلهٔ دوم — نمایش آنچه می‌داند. اگر بات فقط سه کار بلد است، همان سه کار را به‌صورت دکمه نشان دهد. سؤال باز پرسیدن وقتی توان تفسیر پاسخ باز را ندارید، یک تلهٔ خودساخته است.
• - پلهٔ سوم — واگذاری به انسان. با انتقال کامل تاریخچه، تا کاربر مجبور نشود همه‌چیز را دوباره تعریف کند.

و قاعدهٔ حاکم بر کل نردبان: هرگز حلقه نزنید. اگر دو بار پشت‌سرهم نفهمیدید، بار سوم دیگر تلاش نکنید — پله را بالا بروید. تکرار پیام «متوجه نشدم» پرهزینه‌ترین کاری است که یک چت‌بات می‌تواند انجام دهد، چون به کاربر می‌گوید هیچ راهی وجود ندارد.

چند اصل دیگر که در عمل بیشترین تفاوت را می‌سازند:

• - در پیام اول بگویید چه کاری از شما برمی‌آید. پیام‌های «سلام! چطور می‌توانم کمکتان کنم؟» بدترین شروع ممکن‌اند، چون انتظار نامحدود می‌سازند و بعد آن را می‌شکنند.
• - وانمود نکنید انسان هستید. این هم اخلاقی‌تر است و هم عملی‌تر: کاربری که می‌داند با ربات حرف می‌زند، ساده‌تر و روشن‌تر می‌نویسد.
• - راه خروج همیشه دیده شود. دکمهٔ «گفت‌وگو با پشتیبان» نباید پنهان باشد. پنهان‌کردنش نرخ ماندگاری را بالا نمی‌برد؛ فقط خشم را بالا می‌برد.
• - سنجهٔ درست را انتخاب کنید. «نرخ مهار» — یعنی سهم گفت‌وگوهایی که به انسان نرسیده‌اند — سنجهٔ فریبنده‌ای است، چون با به‌دام‌انداختن کاربر هم بالا می‌رود. آن را همیشه کنار سنجهٔ رضایت و نرخ حل مسئله بگذارید، وگرنه همان فشاری را می‌سازد که در طراحی اقناعی توضیح دادم.

و پرسشی که معمولاً پرسیده نمی‌شود: اصلاً چت‌بات لازم است؟

این بخش هم افزودهٔ مترجم است. چت‌بات یک سطح تعامل است، نه یک راه‌حل — و برای بعضی کارها بدترین سطح ممکن است. سه حالتی که چت اشتباه است:

• - وقتی کار در واقع یک فرم است. اگر برای انجام کاری به پنج داده نیاز دارید، فرمی با پنج فیلد بهتر از گفت‌وگویی با پنج نوبت است. در فرم، کاربر همه را با هم می‌بیند، می‌تواند برگردد و یکی را عوض کند، و می‌فهمد چقدر مانده. در چت، هیچ‌کدام از این سه.
• - وقتی باید چیزی را مقایسه کند. مقایسه به جدول نیاز دارد — دیدن هم‌زمان و کنار هم. چت اطلاعات را به یک رشتهٔ خطی تبدیل می‌کند و مقایسه را روی حافظهٔ کاربر سوار می‌کند، که همان کاری است که بار شناختی می‌گوید نکنید.
• - وقتی پاسخ یک سند است. اگر جواب سؤال در یک صفحهٔ راهنما هست، لینک آن صفحه بهتر از خرد کردنش در چند حباب پیام است.

چت آنجا برتری دارد که فضای مسئله باز باشد و کاربر خودش هم نمی‌داند دقیقاً دنبال چه می‌گردد — یعنی جایی که ناوبری از پیش تعریف‌شده جواب نمی‌دهد. اگر می‌دانید کاربر چه می‌خواهد، به او رابط بدهید نه گفت‌وگو.

و یک نشانهٔ هشدار سازمانی: اگر چت‌بات به این دلیل ساخته می‌شود که «بار پشتیبانی زیاد است»، معمولاً پاسخ اشتباه به یک تشخیص درست است. بار پشتیبانی زیاد یعنی محصول جای مبهمی دارد؛ چت‌بات آن ابهام را برطرف نمی‌کند، فقط لایه‌ای رویش می‌گذارد. اول ده سؤال پرتکرار پشتیبانی را بخوانید و ببینید کدامشان با یک تغییر در خود محصول از بین می‌روند. آنچه ماند، شاید ارزش چت‌بات داشته باشد.

چت‌بات فارسی: آنچه باید پیش از هر چیز حل شود

این بخش هم افزودهٔ مترجم است. اگر برای مخاطب فارسی‌زبان چت‌بات می‌سازید، پیش از هر بحثی دربارهٔ مدل، پنج مسئله وجود دارد که اگر حل نشوند، بهترین مدل هم بی‌فایده است:

• - یکسان‌سازی نویسه‌ها. کاربران «ی» فارسی و «ي» عربی، «ک» فارسی و «ك» عربی را به‌جای هم تایپ می‌کنند — چون صفحه‌کلیدهای مختلف نویسه‌های مختلفی می‌فرستند. برای شما دو کلمهٔ متفاوت‌اند و برای کاربر یک کلمه. این باید در ورودی نرمال‌سازی شود و هیچ چیز دیگری جایش را نمی‌گیرد.
• - نیم‌فاصله. «می‌روم» و «میروم» و «می روم» سه رشتهٔ متفاوت‌اند و یک کلمه. هر تطبیق کلیدواژه‌ای بدون نرمال‌سازی نیم‌فاصله، بخش بزرگی از ورودی‌های درست را رد می‌کند.
• - ارقام. کاربر ممکن است «۱۲۳۴» یا «1234» بنویسد و منظورش یکی باشد. برای شمارهٔ سفارش و کد پیگیری، این تفاوت یعنی شکست کامل جست‌وجو.
• - زبان گفتاری در برابر نوشتاری. فاصلهٔ فارسی گفتاری و نوشتاری بسیار بیشتر از انگلیسی است: کاربر «میخوام سفارشمو کنسل کنم» می‌نویسد، نه «می‌خواهم سفارشم را لغو کنم». اگر دادهٔ نمونه‌تان فقط نوشتاری باشد، بات دقیقاً در رایج‌ترین حالت شکست می‌خورد.
• - فینگلیش. بخشی از کاربران فارسی را با حروف لاتین می‌نویسند. لازم نیست کاملش را پشتیبانی کنید، اما دست‌کم باید تشخیصش بدهید و پاسخ درستی برایش داشته باشید — نه اینکه آن را ورودی بی‌معنی حساب کنید.

و دو نکتهٔ رابط که در چت راست‌به‌چپ اهمیت دارند: اول اینکه حباب پیام‌ها باید بر اساس فرستنده تراز شوند نه جهت متن، وگرنه پیام انگلیسی کاربر ناگهان سمت اشتباه می‌نشیند. دوم اینکه پیام‌های ترکیبی — فارسی به‌همراه کد پیگیری یا نام لاتین — کلاسیک‌ترین محل بروز خطای دوجهته‌اند و باید با متن واقعی آزمایش شوند، نه با نمونه‌های تمیز.

و یک توصیهٔ کلی که از همهٔ این‌ها بیرون می‌آید: در بازاری که پردازش زبان فارسی هنوز به بلوغ انگلیسی نرسیده، چت‌بات منومحور صادق از چت‌بات هوشمندِ نصفه‌کاره بهتر است. کاربر ایرانی از تعامل با درخت گزینه‌ها ناراضی نمی‌شود؛ از وعده‌ای که عمل نمی‌شود ناراضی می‌شود.

جمع‌بندی

• - چت‌بات برنامه‌ای است که با متن یا صدا گفت‌وگوی انسانی را شبیه‌سازی می‌کند، و مسیرش از تطبیق الگو به مدل‌های زبانی بزرگ رسیده است.
• - تاریخچه: آزمون تورینگ در ۱۹۵۰، الیزا در ۱۹۶۴، پری در ۱۹۷۲، آلیس در ۱۹۹۵، و بعد نسل امروزی.
• - پنج نوع: منومحور، قاعده‌محور، مبتنی بر هوش مصنوعی، صوتی و مولد.
• - درس الیزا: احساس فهمیده‌شدن از فهمیده‌شدن جداست — هم فرصت است و هم خطر.
• - طراحی چت‌بات عمدتاً طراحی شکست است، چون هر باتی بخشی از ورودی‌ها را نمی‌فهمد: بازپرسی هدفمند، نمایش آنچه می‌داند، و واگذاری به انسان با تاریخچهٔ کامل — و هرگز حلقه نزنید.
• - در پیام اول بگویید چه کاری از شما برمی‌آید، وانمود نکنید انسان هستید، راه خروج را پنهان نکنید، و نرخ مهار را هرگز تنها نسنجید.
• - و پیش از همه: چت یک سطح تعامل است نه راه‌حل — برای فرم و مقایسه و سندِ آماده، سطح اشتباهی است؛ و اگر انگیزهٔ ساختش «بار زیاد پشتیبانی» است، اول ببینید کدام سؤال‌ها با تغییر خود محصول از بین می‌روند.
• - برای فارسی، پیش از بحث مدل: یکسان‌سازی «ی» و «ک»، نرمال‌سازی نیم‌فاصله، یکسان‌سازی ارقام، پشتیبانی از زبان گفتاری، و تشخیص فینگلیش.
• - و در این بازار، چت‌بات منومحور صادق از چت‌بات هوشمند نصفه‌کاره بهتر است.