A Low-Code Approach for the Automatic Personalization of Conversational Agents
Este artigo apresenta uma revisão sistemática da literatura revelando que a modelagem de usuário atual em Engenharia Orientada a Modelos é fragmentada, estática e carece de suporte robusto de ferramentas, propondo, assim, um roteiro em direção a modelos unificados e reutilizáveis e pipelines automatizados, orientados por ML, para a personalização de agentes conversacionais dinâmica e de baixo código.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você tem um assistente robô muito inteligente e amigável (um "Agente Conversacional") que pode conversar com pessoas sobre treinos de academia. No momento, este robô é como um manequim de tamanho único: ele fala da mesma forma com todos, seja um jovem atleta, uma pessoa idosa ou alguém com uma deficiência física.
Este artigo apresenta um novo kit de ferramentas "Low-Code" que permite que pessoas comuns (não apenas programadores de computador) personalizem este robô para que ele se ajuste perfeitamente a cada pessoa, como um alfaiate fazendo um terno sob medida.
Eis como o processo funciona, dividido em etapas simples:
1. O "Livro de Receitas" (Modelagem)
Em vez de escrever código, o usuário abre uma ferramenta visual. Pense nisso como um livro de receitas digital onde você pode misturar e combinar ingredientes.
- O Robô Base: Você começa com o robô padrão que sabe dar conselhos de academia.
- Os Perfis de Usuário: Você cria "cartões" para diferentes tipos de pessoas. Por exemplo, um cartão para um "Usuário Idoso" que prefere palavras simples e faladas, e um cartão para um "Usuário Paraplégico" que precisa de conselhos que evitem exercícios de perna.
- Os Perfis de Agente: Você cria "folhas de instrução" para o robô. Essas folhas dizem ao robô como mudar sua personalidade ou fala com base no cartão do usuário. Para o usuário idoso, a folha diz: "Fale devagar e use palavras simples". Para o usuário paraplégico, ela diz: "Nunca mencione correr ou pular".
2. O "Tradutor Mágico" (Personalização em Tempo de Design)
Depois de configurar seus cartões e folhas de instrução, você aperta um botão. É aqui que a magia "Low-Code" acontece.
- O sistema usa uma IA superinteligente (um Modelo de Linguagem Grande) para agir como um tradutor. Ela lê o roteiro padrão do robô e o reescreve instantaneamente para corresponder às suas instruções.
- Se o robô fosse dizer "Vá fazer uma corrida de 5 milhas", a IA reescreve para o usuário paraplégico dizendo "Experimente esta rotina de fortalecimento de membros superiores".
- Isso acontece antes do robô entrar em operação, garantindo que o robô já esteja falando a linguagem certa antes mesmo de conhecer um humano.
3. A "Chave em Tempo Real" (Personalização em Tempo de Execução)
Quando o robô está realmente conversando com uma pessoa real, ele utiliza um "seletor de perfil".
- Imagine que o robô tem uma gaveta cheia de diferentes "máscaras" ou "figurinos". Quando um usuário idoso faz o login, o robô coloca a "Máscara de Idoso" (falando de forma simples). Quando um jovem atleta faz o login, o robô coloca a "Máscara de Atleta" (falando de forma energética).
- O robô alterna dinamicamente seu comportamento em tempo real para corresponder à pessoa sentada à sua frente, sem precisar parar para pensar sobre isso.
4. O "Teste de Direção" (O Estudo Piloto)
Os autores testaram este kit de ferramentas com dois grupos de pessoas:
- Os Especialistas: Pessoas que sabem programar.
- Os Leigos: Pessoas que nunca escreveram uma linha de código.
Os Resultados:
- Todos adoraram: Ambos os grupos acharam a ferramenta muito útil. Eles sentiram que ela conseguiu tornar fácil a criação de robôs personalizados.
- Os Especialistas acharam o uso incrivelmente fácil (quase pontuações perfeitas).
- Os Leigos também acharam fácil, embora tenha sido um pouco mais desafiador do que para os especialistas (provavelmente porque não estavam acostumados com ferramentas de "modelagem"), mas eles ainda completaram as tarefas com sucesso.
- A Conclusão: Você não precisa ser um mago da tecnologia para criar um robô que entenda e se adapte a diferentes pessoas.
O Que Este Artigo Não Alega
- Não alega que esta ferramenta esteja pronta para hospitais ou diagnósticos médicos. Foi testada em um exemplo de assistente de academia.
- Não alega que o robô seja perfeito ainda; os autores admitem que precisam testá-lo com mais pessoas e adicionar mais verificações de segurança no futuro.
- Não alega resolver todos os problemas de personalização, mas oferece uma nova maneira mais fácil de começar a fazê-lo.
Em resumo: Este artigo apresenta um "conjunto de LEGO" para construir chatbots. Em vez de colar as peças com cola (código), você as encaixa com uma ferramenta visual, e o sistema ajusta automaticamente a personalidade do chatbot para se adequar à pessoa com quem ele está conversando.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.