Kdy se má chatbot doptat

„Ukaž mi zaměstnance.“ Mají to být současní zaměstnanci, nebo i bývalí? Stačí jména, nebo uživatel očekává kontakty? Bot nějakou volbu udělat musí. Problém nastává, když ji skryje a výsledek podá jako jedinou možnou odpověď.

Doptávání má ale také cenu. Rozhovor, ve kterém uživatel potvrzuje každý detail, rychle přestane být užitečný.

Ptejte se na rozdíl, který mění odpověď

Pokud různé výklady vedou k podstatně jiným výsledkům, pomůže jedna konkrétní otázka: „Počítat jen zaměstnance s aktuální smlouvou?“ Je snazší na ni odpovědět než na obecné „Můžete zadání upřesnit?“

U méně významné volby lze použít běžný výchozí postup a uvést ho: „Zobrazuji současné zaměstnance seřazené podle příjmení.“ Uživatel dostane výsledek i možnost snadné opravy.

Neúplná data nejsou totéž co nejasná otázka

Někdy bot otázce rozumí, ale nemá potřebné podklady. Pak další formulace zadání nic nevyřeší. Odpověď má uvést, který zdroj nebo kontrola chybí a co to znamená pro výsledek.

Pouhé přidání slova „přibližně“ neověřenému číslu nepomůže. Pokud nelze spolehlivě spočítat požadovaný údaj, je lepší uvést dostupnou část nebo vysvětlit, proč výsledek chybí.

Když je potřeba člověk, předejte s dotazem i získané podklady a dosavadní pokusy. Uživatel by neměl celý problém popisovat znovu.

Rozhodování potřebuje podklady

Sebehodnocení modelu typu „jsem si jistý na 90 %“ samo o sobě nestačí. Užitečnější jsou konkrétní stavy: více odpovídajících entit, chybějící časové období, nedostupný zdroj nebo neúspěšná kontrola.

Z těchto stavů lze odvodit, zda pokračovat, doptat se nebo skončit s vysvětlením. Testovací sada by měla obsahovat i nejednoznačné a nezodpověditelné otázky. Právě na nich se ukáže, jestli bot umí zacházet s chybějícími informacemi.