以往聊天機器人都是採取自然語言處理（NLP）演算法對文本資料進行處理分析，但這種作法已無法滿足現今需求，而自然語言理解（NLU）是更進階的演算法，可以進行語意分析、情緒分析、對話聊天機器人等進階應用，也是智能客服機器人更聰明的關鍵。
聊天機器人（Chatbot）的發展已久，即便從2010年Apple收購Siri的時間點起算也有近10年，在這期間，包含微軟、Facebook、Google、Amazon、IBM、三星，都致力於創建聊天機器人技術。隨著人工智慧、自然語言處理（Natural Language Processing，NLP）以及訊息技術的演進，聊天機器人也在近2、3年開始落地在企業環境，用來提升客戶體驗、打造零時差的即時回應。
昕力資訊總經理姚勝富觀察，台灣企業對於AI聊天機器人的需求，主要來自於金融業，另外，在公部門以及高科技產業也有不小的詢問度。不同產業的需求並不相同，金融業希望聊天機器人能夠深度整合到內部的金融商品服務，而不僅僅只是提供FAQ，而公部門則希望能有統一的服務入口，以方便民眾查詢，反而會以FAQ為主。至於高科技或電子業則希望應用聊天機器人進行產品維修或是作為輔助維修的工具。例如將維修手冊內容匯入到聊天機器人的系統中，當前端維修人員遇到問題時，便不需要翻閱維修手冊，只需要帶著行動裝置，把問題描述出來，由聊天機器人來回答，類似於知識隨行的應用。
NLU與多輪對話是勝出關鍵
身為AI聊天機器人的系統整合商，昕力資訊本身即含有強大的研發能量，其自有研發產品ChatFlex AI智能客服機器人方案，更獲Gartner評選為2018年亞太地區最酷AI交談供應商，是台灣唯一入選的廠商。
他提到，現今有不少聊天機器人仍停留在簡單的一問一答的部署方式，每一個問題會對應到一個答案，例如利率多少、房貸如何申辦等較為基本的問題詢問。這種對話方式主要是透過知識點來建立關聯性，但問題是在人類的自然聊天行為中，可能會隨時中斷上一個話題，接續另一個話題，遇到這種情況時，以KM知識管理角度出發的設計方案，往往就會跳離對話框，造成對話中斷。另外，採用決策樹（Decision Tree）方式來決定回答的作法，往往也會趨於複雜，而且使用者所用的詞彙必須吻合，否則聊天機器人會聽不懂，而無法回應。「這也是為何，近期有不少銀行打算汰換聊天機器人的原因，因為缺乏彈性而且不夠聰明。」
ChatFlex AI是透過NLU語意認知核心、意圖式FAQ模組以及FlowCreator對話引擎所打造的AI智能客服系統，其包含了七大模組，包含客服工作台、人工訓練、FlowCreator、NLU、VIP、FAQ以及管理報表。
ChatFlex AI是透過NLU語意認知核心、意圖式FAQ模組以及FlowCreator對話引擎所打造的AI智能客服系統，其包含了七大模組，包含客服工作台、人工訓練、FlowCreator、NLU、VIP、FAQ以及管理報表，而這其中，NLU語意認知核心以及FlowCreator多輪式對話是與思拓數位合作，其他像是真人客服，知識庫與FAQ管理以及管理後台流程開發設計都由昕力資訊負責。另外，若是企業需要運用到運算力，也會與微軟方案進行搭配。
姚勝富解釋，以往聊天機器人都是採取自然語言處理（NLP）演算法對文本資料進行處理分析，但這種作法已無法滿足現今企業的需求，而自然語言理解（NLU）是更進階的演算法，可以進行語意分析、情緒分析、對話聊天機器人等進階應用，也是智能客服機器人更聰明的關鍵。另外，FlowCreator多輪式對話也提供了更靈活的對話方式，就算隨時中斷話題，提起另一個話題，均可以任意的跳轉，而且可以記憶交談內容，並依上下文關聯智慧引導對話的功能。
「目前昕力資訊主要提供私有雲的解決方案，但我們現在也在評估公有雲的版本，主要是希望針對服務進行訓練，假設使用者只想聊聊天氣、溫度，公有雲非常適合這類型的訓練，而且可以推升客戶的滿意度，這也是未來努力的方案。」他說。
釐清認知再著手評估
根據Global Market Insights預估，至2024年聊天機器人的營收可望達到13.4億美元。這份報告同時也指出，超過40%的受訪者將聊天機器人應用在客戶服務，以優化服務滿意度；另外，市場調查機構Statista也調查，有34%的受訪者更願意透過聊天機器人或虛擬助理來回答電子商務的問題，其次是醫療產業的27%、電信產業25%、銀行以及理財顧問服務也有20%的受訪者傾向以聊天機器人或虛擬助理來回答問題。
很明顯地，聊天機器人正在成為企業應用的主流，不過，姚勝富觀察，台灣企業在AI聊天機器人領域仍有許多觀念需要再教育。首先是AI認知不一，「在我們的經驗中，有些企業一聽到AI聊天機器人，會停留在很虛無飄渺的情境中，以為就像電影情節那樣什麼都會。其實，這並不正確。甚至當我們提醒企業需要安排人力著手訓練時，還會被反問可不可以讓AI自動訓練？」他提到，AI並不是憑空就能把所有事情完成，即使可以做到AI自主訓練，但是這個模型適不適合應用在企業內部是有待商榷的，因此企業對於AI聊天機器人的認知需要再教育，如此企業才會知道要付出什麼樣的代價，否則當認知差距太大時，會覺得怎麼那麼笨還被稱之為AI。
昕力資訊總經理姚勝富觀察，台灣企業對於AI聊天機器人的需求，主要來自於金融業，另外，在公部門以及高科技產業也有不小的詢問度。
接著才能進行評估，考量落地問題。因為實際應用需要考量的「眉角」太多了，並不是採用NLU演算法就會落地，包含系統介接、安全控管，銀行主機的效能要多少，量大要不要微服務擴展，再來需要符合銀行內的內稽與內控，相關法規也全部要符合，而前端客戶體驗要好的話，還要UI/UX設計，一連串落地要考量的細節，遠遠大於核心技術本身。
最後，他也建議企業應該尋求顧問服務的協助，「昕力資訊已建立一套標準的聊天機器人導入SOP，講清楚到底能做到什麼程度而非無所不能，以及在導入過程中，企業應該要投入哪些訓練的資源與能量，若要很順暢的運行，系統整合商與企業各要承諾投入哪些資源，這些都是未來成功與否的關鍵。」