Vad är en chatbot?

En chatbot är ett program som för ett samtal med människor, i text eller tal, och antingen svarar på frågor eller utför en uppgift. Begreppet rymmer allt från den enkla knappmenyn i hörnet av en hemsida till avancerade assistenter som förstår fritt formulerade frågor. Skillnaden mellan de två är stor, och det är den skillnaden som avgör vad en bot faktiskt klarar.

Hur en regelbaserad bot fungerar

Den klassiska chatboten följer ett förbestämt flöde. Utvecklaren har byggt ett träd av frågor och svar: användaren klickar på “Spåra order”, boten svarar med nästa steg, och så vidare. Vissa varianter reagerar på nyckelord i stället för knappar, men principen är densamma. Allt boten kan säga är skrivet i förväg.

Det gör boten förutsägbar, vilket är en styrka. Den säger aldrig något olämpligt och gör exakt det den är byggd för. Men samma sak är dess begränsning. Ställer användaren en fråga som ligger utanför trädet, eller formulerar sig på ett sätt utvecklaren inte förutsett, tappar boten tråden. Den upplevs som stel, och användaren hamnar snabbt i en återvändsgränd med “det förstod jag inte, välj ett alternativ nedan”.

För varje nytt fall någon vill hantera måste flödet byggas ut för hand. Precis som med gamla regelstyrda system blir det ett lapptäcke som aldrig känns färdigt.

Vad LLM-tekniken ändrade

Med stora språkmodeller förändrades vad en chatbot kan vara. I stället för ett fast flödesträd sitter nu en modell som tränats på enorma mängder text och som kan tolka och skapa språk. Tre saker förändrades i praktiken.

• Fritext. Användaren behöver inte längre gissa rätt nyckelord eller följa en meny. Frågan kan ställas hur som helst, med stavfel och omvägar, och boten förstår ändå avsikten.
• Kontext. En modern bot minns vad som sagts tidigare i samtalet. Du kan ställa en följdfråga som “och den andra då?” och boten vet vad du syftar på, utan att du upprepar dig.
• Ton. Svaren är formulerade i naturligt språk, anpassade efter frågan, i stället för förskrivna standardrepliker. Samtalet känns som ett samtal.

Den flexibiliteten kommer med ett ansvar. En LLM-bot kan formulera svar den inte borde, och därför behöver den avgränsas, kopplas till rätt källor och följas upp på riktiga samtal. Det är arbete, men det är arbetet som gör en bot användbar snarare än bara imponerande.

När en enkel regelbot faktiskt räcker

Allt behöver inte vara AI. Handlar det om ett litet, stabilt antal frågor med givna svar, är en regelstyrd bot ofta både billigare och tryggare. Öppettider, var lagret ligger, hur man återställer sitt lösenord: sådant ändras sällan och har ett rätt svar. Då är ett enkelt flöde med några knappval helt tillräckligt, och du slipper både kostnaden och risken som en språkmodell för med sig.

Tumregeln är att låta problemet styra tekniken. Är frågorna få och förutsägbara, håll boten enkel. Är de många, öppna och formulerade på tusen olika sätt, är det där en språkmodell gör verklig skillnad. Det är också fullt möjligt att börja enkelt och bygga ut senare. Många inför en regelstyrd bot först, ser vilka frågor som faktiskt kommer in, och lägger till en AI-driven del när mönstret visar att den behövs.

Ett konkret exempel

Ett bolag med tung kundtjänst får hundratals frågor om dagen. En del är enkla och återkommande, andra är komplexa ärenden knutna till en specifik kund. En rimlig lösning kombinerar båda världarna: en enkel del hanterar standardfrågorna direkt, medan en AI-driven del kopplad mot kundsystemet tar de öppna frågorna, hämtar rätt orderstatus och lämnar över till en människa när det behövs. Vill du se hur ett sådant upplägg kan byggas och sättas i drift hos er, hjälper våra tjänster inom AI till från idé till förvaltad lösning.